找到 2 条结果 · 风电变流技术
一种具有动态不确定性集合的可再生能源电力系统定量消纳保障鲁棒调度方法
A Quantitative Accommodation Guaranteed Robust Scheduling Method for Renewable Power System with Dynamic Uncertainty Set
Lianyong Zuo · Shengshi Wang · Jiakun Fang · Yong Sun 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
为降低碳排放，风电在电力系统中的渗透率不断提高，但其波动性和随机性给系统可靠运行与有效消纳带来挑战。本文提出一种面向风电接入电力系统的定量消纳保障鲁棒调度方法。首先构建风电出力的动态不确定性集，并据此提出可量化系统可实现消纳水平的随机消纳率指标；在此基础上，采用隐式仿射策略保证调度策略的非预见性，并结合系统最大与最小消纳率评估结果构建随机消纳率约束，将其嵌入调度模型以提供定量消纳保障。基于改进的6节点、14节点和118节点系统的仿真验证了所提方法的有效性与优越性。
解读: 该研究提出的定量消纳保障鲁棒调度方法对阳光电源储能产品线具有重要应用价值。可直接应用于PowerTitan大型储能系统的EMS能量管理算法中,通过动态不确定性集和随机消纳率指标,优化储能系统对风电波动的平抑效果。该方法也可集成到iSolarCloud平台,提升储能调度的智能化水平。对ST系列储能变流...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...