找到 2 条结果 · IEEE Transactions on Industry Applications
电池储能系统利用策略研究以减少多台电弧炉运行引起的联络线非计划功率流动
Investigation of Battery Energy Storage Utilization Strategies for Reducing the Unscheduled Power Flows in the Interconnection Lines Caused by Multiple Electric Arc Furnace Operations
Erinç Altıntaş · Işık Çadırcı · Özgül Salor · M. Cengiz Taplamacıoğlu · IEEE Transactions on Industry Applications · 2025年2月
本文评估了利用电池储能系统（BESS）减少电网中多个电弧炉（EAF）运行在互联线路上造成的非计划功率流动的各种策略。研究使用了土耳其电网的数据，为该问题提出了切实可行的解决方案。土耳其电网通过三条超高压（EHV）输电线路与欧洲输电系统运营商网络（ENTSO - E）同步相连。由于存在大量直接由输电系统层面供电的间歇性负荷，如电弧炉，互联线路会出现非计划功率偏差，导致区域控制误差（ACE）性能下降。因此，输电系统运营商（TSO）在实施自动发电控制（AGC）时需要额外的自动频率恢复备用（aFRR）容...
解读: 该研究针对电弧炉等冲击性负荷引起的功率波动问题，与阳光电源ST系列储能变流器和PowerTitan大型储能系统的应用场景高度契合。文中提出的基于预测的协同控制策略可直接应用于工业园区储能解决方案，优化ST储能系统的功率响应算法，提升对ms级功率波动的抑制能力。该技术对阳光电源构网型GFM控制策略具有...
基于深度强化学习的逆变器控制器：增强含电弧炉电网中可再生能源的集成
Deep Reinforcement Learning Enabled Inverters: Strengthening RES Integration in Grids With Electric Arc Furnaces
Ebrahim Balouji · Özgül Salor · Safwan Al Khatib · IEEE Transactions on Industry Applications · 2024年9月
本文介绍了一种用于支撑电网的逆变器控制系统的开发，旨在将可再生能源（RES）接入电网，以应对存在诸如电弧炉（EAF）等间歇性负载的具有挑战性的工况。采用基于深度学习的方法，运用深度确定性策略梯度（DDPG）这一强化学习（RL）算法，对电网进行建模、估算电压和相角，并控制支撑电网的逆变器。目标是开发一种能产生虚拟惯量的支撑电网的逆变器，以稳定由间歇性负载引发的电网频率问题，并实现可再生能源（RES）与电力系统的无缝集成。使用DDPG无需一些传统的估算工具，如快速傅里叶变换（FFT）、同步参考坐标系...
解读: 该深度强化学习逆变器控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器在工业电网应用具有重要价值。针对电弧炉等非线性负载引起的电压波动、谐波畸变问题，可增强现有构网型GFM控制策略，实现负序与无功功率的自适应动态补偿。该技术可应用于：1）PowerTitan储能系统在钢铁、冶金等工业园区的电能...