用于识别逆变器控制模式及估计逆变器资源与负荷参数的监督学习框架

Supervised Learning Framework for Identification of Inverter Control Mode and Estimation of Inverter-Based-Resource & Load Parameters

Syed Muhammad Hur Rizvi · Shaban Ghias Satti · Muhammad Ayaz · IEEE Transactions on Industry Applications · 2024年10月

由于基于逆变器的资源（IBR）迅速普及，现代配电网的主动性日益增强。由于这些IBR能够在多种控制模式下运行，因此电力公司运营商准确识别控制模式并估计相关参数至关重要。本文提出了一种三管齐下的数据驱动方法，用于基于逆变器的资源（IBR）的实时控制模式识别以及IBR和聚合负荷的参数估计。该方法利用观测节点处微相量测量单元（PMU）报告速率下的电压和功率数据，进行IBR模式识别和参数估计。针对这种三管齐下的方法，开发了一个具有自适应窗口选择算法的实时实现框架，以实时跟踪控制模式和参数。自适应窗口选择算...

解读: 从阳光电源的业务视角来看，这篇论文提出的基于监督学习的逆变器控制模式识别与参数估计框架具有重要的战略价值。随着我司光伏逆变器和储能系统在全球配电网中的大规模部署，如何实现对分布式逆变器资源（IBRs）的精准监测和智能管理已成为提升系统稳定性和优化运营效率的关键课题。 该研究提出的"三管齐下"数据驱...