找到 4 条结果 · IEEE Access
基于TCN-Transformer模型的多物理场变压器异常状态识别
Transformer Abnormal State Identification Based on TCN-Transformer Model in Multiphysics
Junjie Feng · Ruosong Shang · Ming Zhang · Guojun Jiang 等6人 · IEEE Access · 2025年1月
变压器是电力系统关键组件，其运行稳定性对确保电网安全可靠性起决定性作用。为应对实际运行中负荷和环境因素影响准确评估变压器健康的挑战，本文分析变压器的电气、热和振动特性。采用k-means++算法根据变压器负荷电流、环境温度和运行电压三个关键参数分类运行条件。提出基于时序卷积网络-Transformer（TCN-Transformer）的融合模型识别变压器异常运行状态。以500kV变压器为例进行实验。结果表明，所提TCN-Transformer模型在预测精度方面显著优于对比算法。模型有效捕获数据内...
解读: 该多物理场诊断技术对阳光电源储能变压器和箱变监测具有应用价值。阳光大型光伏电站和储能站配备大量箱式变压器，需要实时健康监测和异常预警。该研究的TCN-Transformer模型集成电气、热和振动多维数据，可应用于阳光箱变智能监控系统，实现异常状态早期识别。在储能电站中，变压器异常可能导致系统停机和经...
基于RLS算法的构网型虚拟同步机逆变器无模型预测控制
Model-Free Predictive Control Based on RLS Algorithm for Grid-Forming Inverters With Virtual Synchronous Generator
Min Huang · Huiying Zhang · Kangan Wang · Zhilei Yao 等5人 · IEEE Access · 2025年1月
作为连接可再生能源的关键元件，构网型逆变器GFI多采用下垂控制作为外环，但扰动时可导致系统频率快速变化。传统模型预测控制MPC广泛用于变流器内环控制，但严重依赖模型参数。为克服上述缺陷，本研究提出虚拟同步机无模型预测控制VSG-MFPC。该方案使用基于自回归外生输入ARX模型的自回归MFPC作为内环控制结构进行电压预测，结合简化虚拟同步机VSG作为外环控制结构实现功率分配和惯量支撑控制系统。MFPC实施提升系统参数鲁棒性。在此基础上，进一步研究算法参数初始化、延迟补偿和限流能力的改进方案。此外，...
解读: 该无模型预测控制技术与阳光电源构网型储能系统高度相关。阳光ST储能变流器采用GFM控制技术支持弱电网和微电网场景。该VSG-MFPC方案的参数自适应能力可显著提升阳光储能系统对电网参数变化的鲁棒性。传统MPC依赖精确模型，在电网阻抗变化或非线性负载场景下性能下降。该研究的无模型方法可集成到阳光GFM...
直驱风力发电机并网弱电力系统暂态过电压机理分析与抑制方法
Analytical Analysis of the Mechanism and Mitigation Methods of Transient Overvoltage in Direct-Drive Wind Turbine Generators Connected to Weak Power System
Xu Tian · Shengtao Wu · Luran Wei · Lixin Zhang 等6人 · IEEE Access · 2025年1月
风电大规模接入地区电网强度减弱,交流短路故障恢复阶段的暂态过电压对安全稳定运行构成挑战。本文建立直驱风电并网系统数学模型,详细推导端口电流表达式,考虑内环电流控制影响,得到暂态过电压具体表达式。分析了电网短路比、有功功率恢复速度、无功电流增量和内环响应速度等影响因素,提出解析控制参数优化方法抑制故障恢复过电压的幅值和恢复速度。
解读: 该暂态过电压抑制技术可应用于阳光电源风电变流器的弱网并网控制。通过优化控制参数和故障恢复策略,降低直驱风电机组在弱电网条件下的过电压风险,提升系统稳定性和可靠性,为大规模风电场并网提供技术支撑,保护风电变流器免受过电压损害。...
多目标集成电路物理布局优化的分层深度强化学习及拥塞感知奖励塑造
Hierarchical Deep Reinforcement Learning for Multi-Objective Integrated Circuit Physical Layout Optimization With Congestion-Aware Reward Shaping
Haijian Zhang · Yao Ge · Xiuyuan Zhao · Jiyuan Wang · IEEE Access · 2025年1月
随着半导体技术向先进节点演进,集成电路物理布局优化面临关键挑战,传统EDA工具难以同时优化布线拥塞、功耗和时序等多个冲突目标。本文提出一种新型分层深度强化学习框架,采用拥塞感知奖励塑造机制动态平衡探索与利用。
解读: 该深度强化学习优化技术可直接应用于阳光电源SiC功率模块的芯片布局设计。通过多目标优化框架同时优化功率密度、热分布和可靠性,为ST系列储能变流器的新一代高功率密度芯片设计提供AI辅助工具。...