找到 4 条结果 · IEEE Transactions on Industry Applications
面向抵御FDIAs与通信中断的弹性广域阻尼控制的实时信息物理联合仿真
Real-Time Cyber-Physical Co-Simulation for Resilient Wide-Area Damping Control Against FDIAs and Communication Disruptions
Kundan Kumar · Priyesh Saini · Abhineet Prakash · Sanjoy K. Parida 等6人 · IEEE Transactions on Industry Applications · 2025年5月
将可再生能源（RESs）整合到现代电力系统中带来了诸多挑战，其中最紧迫的是需要一个能够精确复现这些复杂系统复杂动态的仿真平台。本文介绍了基于实时网络物理测试床硬件在环联合仿真（RTCPTC - HIL）方法的实施情况和结果，旨在评估所提出的含高压直流输电（HVDC）的广域阻尼控制器（WADC）在缓解大规模可再生能源接入电力系统区间振荡方面的有效性。该测试床集成了用于系统建模的OPAL - RT OP4510和用于控制器开发与测试的OP8665，并通过物理连接和TCP/IP实现实时通信。此外，广域...
解读: 从阳光电源的业务视角来看，这项研究对我们在新能源并网控制和系统稳定性领域具有重要参考价值。论文提出的实时信息物理联合仿真平台与广域阻尼控制器（WADC）技术，直接对应我们在大规模光伏电站并网、储能系统协调控制以及新能源电力系统解决方案中面临的核心挑战。 该技术的核心价值体现在三个层面：首先，针对可...
基于机器学习代理的手动与自动开关在配电网中的优化配置
Optimal Placement of Manual and Automatic Switches in Power Distribution Systems Using a Machine Learning Proxy
Mehrdad Ebrahimi · Mohammad Rastegar · Kiana Karami · IEEE Transactions on Industry Applications · 2025年2月
故障管理涉及在故障发生后尽快恢复停电用户的操作，而优化开关布局有助于实现这一目标。然而，由于问题的非线性和巨大的搜索空间，开关优化问题需要大量的计算工作。因此，对于大规模配电系统而言，该问题可能难以求解。本文提出了一种基于机器学习的代理方法，用于确定实际配电系统中手动和自动开关的最佳数量和位置。目标函数包含设备成本和可靠性指标，包括系统平均停电频率指标（SAIFI）、系统平均停电持续时间指标（SAIDI）和未供电量（ENS）指标。所提出的模型是一个堆叠集成模型，其中基于卷积神经网络（CNN）的模...
解读: 从阳光电源的业务视角来看，这项基于机器学习的配电网开关优化技术具有重要的战略价值。随着公司在分布式光伏、储能系统及综合能源解决方案领域的深度布局，配电网的智能化管理已成为提升系统可靠性和经济性的关键环节。 该技术的核心价值在于通过堆叠集成学习模型，大幅降低开关优化问题的计算复杂度，这对阳光电源的配...
基于新型CNN集成与可解释人工智能的配电网虚假数据注入攻击检测与定位框架
False Data Injection Attack Detection and Localization Framework in Power Distribution Systems Using a Novel Ensemble of CNNs and Explainable Artificial Intelligence
Mohammad Reza Dehbozorgi · Mohammad Rastegar · Mohammadreza Fakhari Moghaddam Arani · IEEE Transactions on Industry Applications · 2025年1月
信息物理电力系统易受网络攻击，尤其是虚假数据注入攻击（FDIA）。近年来，针对配电系统状态估计（DSSE）的虚假数据注入攻击受到了研究人员的关注，此类攻击通过更改电表读数来改变状态估计（SE）。文献中常见的针对虚假数据注入攻击的防御方法是使用标记数据训练分类器作为虚假数据注入攻击检测器。然而，虚假数据注入攻击数据集的高度不平衡特性可能会限制这种方法的性能。机器学习模型的黑盒特性使其在重要应用中难以获得信任和采用。因此，我们提出了一种创新的可解释人工智能（XAI）增强的基于集成学习的检测与定位模型...
解读: 从阳光电源的业务视角来看，该论文提出的虚假数据注入攻击（FDIA）检测框架具有重要的战略意义。随着公司在分布式光伏、储能系统及综合能源解决方案领域的快速拓展，我们的产品正日益深度融入配电网的信息物理系统中，这使得网络安全防护成为保障系统可靠运行的关键要素。 该技术的核心价值在于为我们的智能逆变器和...
基于卷积神经网络的功率器件结温监测
Junction Temperature Monitoring of Power Devices Using Convolutional Neural Networks
Zhiliang Xu · Huimin Wang · Xinglai Ge · Yichi Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年3月
基于温度敏感电参数（TSEP）的方法能够实现功率器件结温的精确监测（JTM）。然而，大多数温度敏感电参数易受负载电流和器件老化的影响而产生误差，从而降低了结温监测的准确性。为解决这一问题，本文提出了一种基于卷积神经网络（CNN）模型的结温监测方法，以应对这两个因素带来的不利影响。在该方法中，选择开通集电极电流（$I_{C}$）作为温度敏感电参数，并通过数学模型深入分析了开通集电极电流的温度特性。此外，通过大量双脉冲测试全面研究了开通集电极电流的参数相关性。考虑到实际中负载电流影响显著且频繁变化的...
解读: 该CNN结温监测技术对阳光电源功率器件热管理具有重要应用价值。可直接应用于ST系列储能变流器和SG系列光伏逆变器的SiC/GaN功率模块，通过实时监测IGBT/MOSFET结温实现预测性维护。相比传统TSEP方法，CNN自动特征提取克服了非线性补偿难题，无需额外传感电路即可从开关波形获取温度信息，适...