找到 4 条结果 · 风电变流技术
基于梯度提升决策树的高风电渗透率HVDC送端系统连锁故障筛查
Cascading Failure Screening Based on Gradient Boosting Decision Tree for HVDC Sending-End Systems With High Wind Power Penetration
Tianhao Liu · Jiongcheng Yan · Yutian Liu · Chi Yung Chung · IEEE Transactions on Power Systems · 2025年1月
在基于电网换相换流器的高压直流输电（LCC - HVDC）送端交流系统中，与风力发电机组（WT）动态响应相关联的连锁故障可能导致高压直流输电换相失败。由此产生的暂态电压扰动会导致送端系统中的风力发电机组跳闸。涉及风力发电机组与高压直流输电相互作用的连锁故障会显著限制高压直流输电系统输送的风电功率。本文针对含大规模风力发电机组的高压直流输电送端系统，提出了一种基于梯度提升决策树（GBDT）的在线连锁故障筛选方法。首先，考虑典型的连锁故障传播模式，提出了一种基于置信水平的风力发电机组跳闸模型，用于连...
解读: 该研究的GBDT连锁故障筛查方法对阳光电源的大型储能和风电变流产品具有重要参考价值。特别是对ST系列储能变流器和风电并网系统,可借鉴其故障预警机制优化GFM/GFL控制策略,提升系统在高可再生能源渗透率下的稳定性。该方法可集成到iSolarCloud平台,通过机器学习实现故障路径快速识别和预警,为储...
一种用于低风力发电预测的自监督预学习方法
A Self-Supervised Pre-Learning Method for Low Wind Power Forecasting
Weiye Song · Jie Yan · Shuang Han · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着风电在电力系统中占比提升，其出力间歇性导致的低功率风险日益突出，准确预测低风力发电对缓解电力短缺至关重要。然而，由于低风速事件稀少，传统方法面临样本不足难题，制约了预测精度提升。为此，本文提出一种自监督预学习方法，通过挖掘低出力样本间的相似性与差异性，分别预测低风力发电事件（LWPE）的发生时段和低风力发电过程（LWPP）的功率序列。针对LWPE预测，设计基于对比学习的孪生残差收缩网络，利用样本对进行特征预学习以缓解样本不平衡；对于LWPP预测，构建基于模式识别的嵌入式预测框架，将典型波动模...
解读: 该自监督预学习方法对阳光电源储能与风电产品线具有重要应用价值。可将其集成至ST系列储能变流器的EMS能量管理系统，提升风储联合运行策略的精准度；应用于PowerTitan大型储能系统的调度优化，实现对低风力时段的精准响应。该技术可优化iSolarCloud平台的预测算法，提高风电场群的运维效率。特别...
基于混合逆变器的开绕组永磁同步电机驱动高精度调制策略
High-Precision Modulation Strategy for Hybrid-Inverters-Based OW-PMSM Drives
Donghui Ma · Xueqing Wang · Dianxun Xiao · Xinyu Yan 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年9月
本文研究了由两个具有不等直流母线电压的独立直流电源供电的开绕组永磁同步电机（OW-PMSM）驱动系统的高精度调制技术。为兼顾性能与成本，高压侧逆变器（INV1）采用IGBT作为开关器件，低压侧逆变器（INV2）则采用低成本MOSFET。针对2:1和3:1电压比，提出了一种双逆变器矢量平面二次划分并依据特定子扇区分配参考电压矢量的高精度调制策略。INV1采用钳位调制，INV2采用高频调制，充分利用IGBT的高耐压特性与MOSFET的高开关频率优势，实现多电平与高精度输出。实验验证了所提驱动系统及调...
解读: 该混合逆变器高精度调制策略对阳光电源新能源汽车和储能产品线具有重要参考价值。文中IGBT与MOSFET混合使用的方案,可优化应用于车载OBC充电机和ST系列储能变流器,通过高低压侧器件合理搭配实现性能与成本的平衡。特别是其2:1和3:1电压比下的矢量分配方法,可用于优化PowerTitan储能系统的...
基于“动态匹配与在线建模”策略的超短期风功率预测
Ultra-Short-Term Wind Power Forecasting Based on the Strategy of “Dynamic Matching and Online Modeling”
Yuhao Li · Han Wang · Jie Yan · Chang Ge 等6人 · IEEE Transactions on Sustainable Energy · 2024年8月
超短期风功率预测对电力系统实时调度、频率调节和日内市场交易具有重要意义。由于天气系统复杂性、机组老化及风电场控制策略等因素，风功率序列的时间依赖关系时变（即概念漂移），导致常用离线建模方法预测精度偏低。在线建模可利用流式数据最新信息捕捉动态变化规律，但现有方法难以满足电网对预测时效性的要求。为此，本文提出“动态匹配与在线建模”策略，通过幅值与波动特征相似性动态筛选训练样本，提升样本代表性并缩短训练时间；同时在匹配过程中引入数值天气预报风速信息以提高预测精度。基于中国三个风电场运行数据的实验结果表...
解读: 该风功率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan大型储能系统的调度控制,通过准确预测风电出力波动,优化储能系统的充放电策略,提升调峰调频性能。'动态匹配'方法可集成到iSolarCloud平台,为储能系统提供更精准的调度指令。该技术的在线建模...