找到 1 条结果 · IEEE Transactions on Industrial Electronics
基于自适应KS变换与JetLeaf Synth网络的复杂电能质量扰动先进诊断框架
An Advanced Diagnose Framework for Complex Power Quality Disturbances Using Adaptive KS-Transform and JetLeaf Synth Network
Minjun He · Jun Ma · Alessandro Mingotti · Qiu Tang 等6人 · IEEE Transactions on Industrial Electronics · 2024年7月
准确识别电能质量扰动（PQDs）对提升能源效率和推动智能电网发展至关重要。针对可再生能源并网带来的复杂扰动问题，本文提出一种基于自适应Kaiser S变换（AKST）与JetLeaf Synth网络（JSTN）的自动检测框架。AKST通过优化Kaiser窗参数以实现最大能量聚集，显著提升时频分辨率；JSTN则融合双叶混合器的局部细节感知能力与喷流变压器的全局上下文建模能力，有效提取扰动特征。二者结合构成混合自适应时频JetLeaf SynthNet（HAJSTN），仿真与实验结果表明，该方法在多...
解读: 该电能质量扰动诊断框架对阳光电源的储能变流器和光伏逆变器产品线具有重要应用价值。AKST-JSTN方法可集成到ST系列储能变流器和SG系列光伏逆变器的监控系统中,提升对谐波、电压波动等并网扰动的识别精度。特别是在大型储能电站中,该技术可助力PowerTitan系统实现更精准的电网故障诊断。结合iSo...