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...

台风条件下含大规模海上风电的电力系统调度策略：一种两阶段样本鲁棒优化方法

Dispatch Strategy for the Power System With Large Offshore Wind Power Integration Under a Typhoon: A Two-Stage Sample Robust Optimization Approach

Jinhua He · Zechun Hu · Yang Liu · Zhiyuan Bao 等5人 · IEEE Transactions on Industry Applications · 2025年1月

台风作为极端天气事件，对电力系统的安全稳定运行构成重大威胁，尤其是那些接入大型海上风电场的电力系统。台风期间对电力系统的影响往往十分严重且难以预测。鉴于获取台风条件下风力发电数据存在挑战，本文利用台风的气压和风场模型，结合蒙特卡罗模拟，生成实时风电数据样本。随后，采用两阶段样本鲁棒优化（SRO）模型来解决大规模海上风电接入电力系统的机组组合（UC）问题。该模型将两阶段样本平均近似（SAA）与鲁棒优化原理相结合，确保了渐近最优性和强大的样本外性能。为处理决策中的非预见性问题，采用隐式决策规则指导火...

解读: 从阳光电源的业务视角来看，该论文提出的台风条件下海上风电调度优化方法具有重要的战略参考价值。随着我国海上风电装机规模快速增长，极端天气下的电网安全稳定运行已成为新能源并网领域的核心挑战，这与阳光电源在储能系统集成、新能源电站解决方案等业务板块高度契合。 论文采用的两阶段样本鲁棒优化方法为应对极端天...