找到 2 条结果 · 风电变流技术
极端天气下的风电功率预测：一种新型少样本学习架构
Wind Power Forecasting Under Extreme Weather: a Novel Few-Shot Learning Architecture
Chuanyu Xu · Shichang Cui · Lishen Wei · Bangxian Zhu 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对极端天气下基于神经网络的风电功率预测面临的样本稀缺、常规与极端天气间领域偏移及跨极端条件泛化困难等问题，提出一种新型少样本学习架构。通过引入跨任务元训练的迁移学习策略，降低对样本量的需求并提升跨域泛化能力；设计轻量级参数层以平衡浅层与深层网络的欠拟合与过拟合问题，减少可训练参数并缓解分布偏移；构建跨域风险最小化损失函数，利用二阶梯度提升模型在多样极端条件下的鲁棒性与一致性。基于真实风电场数据的实验表明，该方法显著优于基准模型，在nRMSE和nMAE指标上分别降低2.05%–43.55%和0....
解读: 该少样本学习架构对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化,提升储能系统在极端天气下的调度效率。其次可集成到iSolarCloud平台,增强风储联合运行的智能预测能力。该技术的跨域迁移学习策略和轻量级参数设计,可优化阳光电源现有的电力预测算法,提...
基于自适应障碍函数分数阶滑模控制的风浪干扰下漂浮式海上风力机有限时间稳定化
Finite-Time Stabilization of Floating Offshore Wind Turbines Under Wind and Wave Disturbances by Adaptive Barrier-Function Fractional-Order Sliding Mode Control
Matin Jozeslami · Mohammadreza Askari Sepestanaki · Maedeh Nafisifar · Abolfazl Jalilvand 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
漂浮式海上风力机可利用更强劲稳定的风资源，具有广阔清洁能源应用前景。然而海浪与突变风易导致系统失稳，降低发电效率。本文提出一种分数阶自适应滑模控制策略，用于张力腿平台风力机的有限时间稳定控制。通过建立分数阶模型精确表征系统动态，结合障碍函数自适应控制机制，实现快速有限时间收敛、有效抑制抖振并实时估计外部扰动。仿真结果表明，该方法在抗干扰能力与收敛速度方面优于传统方案，且经Speedgoat硬件在环实验验证了其实时性与鲁棒性，显著提升了复杂环境下的运行稳定性与能量捕获效率。
解读: 该研究提出的分数阶自适应滑模控制策略对阳光电源的储能与风电产品具有重要参考价值。首先，其快速有限时间收敛特性可优化ST系列储能变流器的动态响应性能，提升PowerTitan系统在复杂电网环境下的稳定性。其次，障碍函数自适应机制可应用于风电变流器的GFM控制，增强系统抗干扰能力。该技术的实时扰动估计方...