找到 2 条结果 · 风电变流技术
基于坐标变换的级联风电系统中QAB变换器灵活功率解耦控制
Flexible Power Decoupling Control for QAB Converters in Cascaded Wind Power Systems by Coordinate Transformation
Xin Peng · Xibo Yuan · Yonglei Zhang · Chen Wei 等7人 · IET Power Electronics · 2025年7月 · Vol.18
本文提出一种基于坐标变换的级联风电系统中QAB变换器的灵活功率解耦控制策略。该方法通过优化QAB变换器绕组电流应力，有效降低器件热应力，提升系统运行效率与可靠性。所提控制策略在实现功率解耦的同时，增强了系统在动态工况下的稳定性，适用于新型级联式风力发电系统。
解读: 该QAB变换器功率解耦控制技术对阳光电源储能与风电产品线具有重要应用价值。通过坐标变换实现的灵活功率解耦控制，可优化ST系列储能变流器的多绕组变压器设计，降低PowerTitan大型储能系统中功率器件的热应力。该技术的动态稳定性提升特性，也可应用于公司风电变流器产品的功率控制优化。此外，其多物理场耦...
一种用于风力涡轮机应用中精确预测三维时空风场的新型频域物理信息神经网络
A novel frequency-domain physics-informed neural network for accurate prediction of 3D spatio-temporal wind fields in wind turbine applications
Shaopeng Li · Xin Li · Yan Jiang · Qingshan Yang 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 风能是全球关键的清洁能源之一。风力涡轮机的结构安全性和动力响应分析在很大程度上受到其所在位置风速数据可获得性与精度的影响。然而，气象观测站分布稀疏，通常难以获取高分辨率的空间风速数据，因此需要采用条件模拟方法来补充低分辨率的观测数据。本研究针对这一挑战，提出了一种频域物理信息神经网络（FD-PINN），该方法利用频域信息，旨在实现对风力涡轮机三维（3D）时空风场的精准预测。该方法构建了一个深度神经网络，并将其与关键物理模型相结合，包括风谱、风场相干函数以及风速廓线。通过融合这些物理先验知识...
解读: 该频域物理信息神经网络技术对阳光电源风电变流器及新能源场站具有重要价值。通过高精度3D时空风场预测,可优化SG系列风电变流器的功率预测算法和主动抗扰控制策略,提升MPPT效率。结合iSolarCloud平台,该深度学习方法可增强风光储混合电站的预测性维护能力,优化储能系统ST系列PCS的充放电策略。...