找到 3 条结果 · 风电变流技术
基于数据驱动振荡模式预测的风电并网系统谐振抑制方法
Data-Driven Oscillation Mode Prediction Based Resonance Mitigation Scheme for Wind Turbine Generators Connected Power System
Lujie Yu · Jiong Ding · Jiebei Zhu · Heyu Luo 等6人 · IEEE Transactions on Industry Applications · 2025年5月
本文提出了一种数据驱动的振荡模式预测（DOMP）模型，旨在减轻风力发电机（WTG）接入电力系统中的潜在模态谐振问题，而无需建立复杂的状态空间分析模型。该方法首先对历史运行场景下的系统振荡模式进行识别和聚类，以提供高质量的训练数据。然后，采用深度极限学习机算法对DOMP模型进行训练，将场景信息作为输入，已识别的振荡模式作为输出。基于DOMP预测的振荡模式，对WTG控制参数进行优化，以防止潜在的模态谐振，并提高系统在未来不确定场景下的小信号稳定性。通过对改进的IEEE 39节点和IEEE 118节点...
解读: 该数据驱动振荡预测技术对阳光电源的风电变流器和储能产品具有重要应用价值。可直接应用于ST系列储能变流器的并网控制，提升大规模储能电站的谐振抑制能力；也可集成到SG系列逆变器的GFM/GFL控制中，增强新能源并网系统稳定性。该方法无需精确建模，通过机器学习实现在线预测和自适应控制，契合阳光电源在智能化...
考虑时空相关性的非交叉分位数集群风电概率预测
Non-crossing quantile probabilistic forecasting of cluster wind power considering spatio-temporal correlation
Yuejiang Chen · Jiangwen Xiao · Yanwu Wang · Yunfeng Luo · Applied Energy · 2025年1月 · Vol.377
摘要 概率预测在电力系统的安全、稳定与运行中起着重要作用。传统的非参数概率预测分位数回归方法存在分位数交叉问题，此外，当前用于风电场集群功率预测的神经网络方法往往忽略了相关风电场之间的时空相关性。为解决上述问题，本文提出了一种考虑时空相关性的集群功率预测模型（CFM）。该模型采用一种新型的空间模式注意力机制（SPA），结合卷积神经网络与注意力机制的优势，以有效提取空间信息；同时，采用改进的多步分位数循环神经网络（IMQ-RNN）和改进的非交叉分位数回归（INCQR）策略作为CFM的输出模块，以生...
解读: 该非交叉分位数概率预测技术对阳光电源储能系统具有重要应用价值。论文提出的时空关联集群功率预测模型可直接应用于ST系列PCS和PowerTitan储能系统的智能调度策略优化。通过改进的多时域分位数循环神经网络,能够提升iSolarCloud平台对分布式风光储集群的预测精度,解决传统分位数回归的交叉问题...
基于尾流模型动态校准的虚实结合风电场最大功率发电控制
Virtuality-Reality Combination Control for Wind Farm Maximum Power Generation With Wake Model Dynamic Calibration
Jinxin Xiao · Pengda Wang · Sheng Huang · Qiaoqiao Luo 等6人 · IEEE Transactions on Sustainable Energy · 2024年11月
针对尾流效应的时间延迟特性导致下游风电机组未来状态信息无法直接获取的问题，本文提出一种新型虚实结合的风电场动态最大功率发电控制方案。通过无时间延迟的尾流模型计算虚拟风电场风速，提前获取对应于实际风电场当前来流风速的未来状态信息。为保证虚实风电场状态一致性并提升优化模型精度，提出尾流模型动态校准方法以提高尾流风速预测精度。在此基础上实施基于校准模型的主动尾流控制策略，最大化虚拟风电场总发电量，并依据尾流延迟时间将最优控制指令延时下发至实际风电场。仿真结果表明，该方案在不同风况下均能提升尾流模型计算...
解读: 该虚实结合控制技术对阳光电源的储能和风电产品线具有重要应用价值。首先，文中提出的动态校准方法可优化ST系列储能变流器的功率预测算法，提升储能调度精度。其次，尾流模型的延时补偿思路可应用于PowerTitan大型储能系统的风光储联合控制，实现更精准的功率平滑。此外，该技术对风电场群控策略提供新思路，可...