基于数据驱动振荡模式预测的风电并网系统谐振抑制方法

Data-Driven Oscillation Mode Prediction Based Resonance Mitigation Scheme for Wind Turbine Generators Connected Power System

Lujie Yu · Jiong Ding · Jiebei Zhu · Heyu Luo 等6人 · IEEE Transactions on Industry Applications · 2025年5月

本文提出了一种数据驱动的振荡模式预测（DOMP）模型，旨在减轻风力发电机（WTG）接入电力系统中的潜在模态谐振问题，而无需建立复杂的状态空间分析模型。该方法首先对历史运行场景下的系统振荡模式进行识别和聚类，以提供高质量的训练数据。然后，采用深度极限学习机算法对DOMP模型进行训练，将场景信息作为输入，已识别的振荡模式作为输出。基于DOMP预测的振荡模式，对WTG控制参数进行优化，以防止潜在的模态谐振，并提高系统在未来不确定场景下的小信号稳定性。通过对改进的IEEE 39节点和IEEE 118节点...

解读: 该数据驱动振荡预测技术对阳光电源的风电变流器和储能产品具有重要应用价值。可直接应用于ST系列储能变流器的并网控制，提升大规模储能电站的谐振抑制能力；也可集成到SG系列逆变器的GFM/GFL控制中，增强新能源并网系统稳定性。该方法无需精确建模，通过机器学习实现在线预测和自适应控制，契合阳光电源在智能化...