找到 48 条结果 · IEEE Transactions on Power Systems
电动汽车提供频率支持以促进可再生能源并网
Frequency Support From Electric Vehicles for Advancing Renewable Energy Integration
Dilip Pandit · Atri Bera · Tu Nguyen · Raymond Byrne 等6人 · IEEE Transactions on Power Systems · 2024年4月
由于积极的脱碳目标、成本降低和政府投资增加，现代电网中可再生能源的并网比例迅速上升。然而，基于逆变器的发电方式渗透率提高会因系统惯性下降而引发频率稳定性问题。本文提出一种量化电动汽车（EV）为电网提供频率支持能力的框架，以提升可再生能源的并网极限。考虑EV提供虚拟惯性和一次频率响应，结合EV行为不确定性建立随机模型以确定其放电上限。构建包含EV动态虚拟惯性和下垂系数的多机系统频率响应（MM-SFR）模型，并从中导出频率安全约束。结合换流器电压安全与低电压穿越约束，嵌入非线性优化框架以求解可再生能...
解读: 该研究对阳光电源V2G储能系统和充电桩产品线具有重要应用价值。文章提出的EV虚拟惯性和一次频率响应框架，可直接应用于阳光电源车网互动充电桩和PowerTitan储能系统的协同控制策略。具体而言：1）EV动态虚拟惯性和下垂系数的MM-SFR模型可优化ST系列储能变流器的VSG控制算法，提升电网频率支撑...
基于贝叶斯特征选择的区域风电功率预测
Regional Wind Power Forecasting Based on Bayesian Feature Selection
Theodoros Konstantinou · Nikos Hatziargyriou · IEEE Transactions on Power Systems · 2024年4月
近年来，可再生能源在电力系统中的整合程度不断提高。其固有的不可预测性和输出波动给电力系统的安全运行和能源市场定价的稳定性带来了挑战。因此，准确预测可再生能源发电量至关重要。目前已应用的几种有效预测方法均基于机器学习（ML）。应用机器学习方法的一个关键因素是输入特征的选择，在区域风电预测中，这一任务变得更为复杂，因为区域范围可能涵盖整个国家。所提出的方法旨在通过一种数据驱动的、与模型无关的预处理技术精简输入特征，从而提高预测性能。该技术包括将多维数值天气预报数据划分为多个子区域，并剔除无信息的子区...
解读: 该贝叶斯特征选择的预测方法对阳光电源的储能与风电产品线具有重要应用价值。特别是在ST系列储能变流器和风电变流器的智能调度优化方面,可将该预测算法集成到iSolarCloud平台,提升系统对风电功率波动的预判能力。通过筛选关键气象特征与历史数据,可优化储能系统的充放电策略,提高PowerTitan等大...
基于贝叶斯量子神经网络的高可再生能源渗透电力系统潮流计算
Bayesian Quantum Neural Network for Renewable-Rich Power Flow with Training Efficiency and Generalization Capability Improvements
Ziqing Zhu · Shuyang Zhu · Siqi Bu · IEEE Transactions on Power Systems · 2025年9月
针对高比例可再生能源接入下大规模电力系统潮流计算面临的计算效率与泛化能力挑战，本文提出一种基于贝叶斯量子神经网络（BayesianQNN）的新型潮流计算模型。该模型利用量子计算提升训练效率，并通过贝叶斯方法动态更新对可再生能源不确定性的认知，显著增强对未见场景的泛化能力。为评估模型性能，引入有效维度和泛化误差界两项指标。结果表明，所提方法在训练效率与泛化性能方面均优于现有数据驱动方法，适用于未来稳态电力系统分析。
解读: 该贝叶斯量子神经网络潮流计算技术对阳光电源iSolarCloud智能运维平台及PowerTitan储能系统具有重要应用价值。在大规模新能源电站集群管理中，该算法可显著提升实时潮流计算效率，为ST系列储能变流器的功率调度提供快速决策支持。其对可再生能源不确定性的动态认知能力，可优化SG光伏逆变器与储能...
氢能数据中心的柔性负荷调度：一种效率优先的非凸不确定优化方法
Flexible Load Scheduling of Hydrogen Energy Data Centers: An Efficiency-Preferred Non-Convex Uncertain Optimization Approach
Xinxin Long · Yuanzheng Li · Yang Li · Yun Liu 等6人 · IEEE Transactions on Power Systems · 2025年8月
氢能数据中心（HEDC）作为新兴清洁能源基础设施，具备负荷灵活性，可参与电力需求响应（DR）。本文提出基于DR的调度策略，通过非凸区间优化（NSIO）方法协同优化电能成本与可再生能源（RE）利用率。该方法具有效率优先建模、精确凸松弛及全局最优显式建模优势，有效应对HEDC复杂负荷特性、动态电价与可再生能源不确定性。在改进IEEE 24节点系统上的仿真表明，所提策略显著降低运行成本并提升RE消纳能力，相较五种主流不确定优化方法性能提升2.3%～20.0%。
解读: 该氢能数据中心柔性负荷调度技术对阳光电源储能系统产品线具有重要应用价值。文章提出的非凸区间优化方法可直接应用于ST系列储能变流器和PowerTitan大型储能系统的能量管理策略，通过精确建模氢储能系统的非线性效率特性，优化电解槽/燃料电池的功率调度曲线。该方法处理可再生能源不确定性的能力可增强iSo...
广义频率成形服务中的分布式能源最优参与设计
Optimal Participation Design of DERs in General Frequency Shaping Services
Cheng Feng · Siyuan Wang · H. Oliver Gao · Fengqi You · IEEE Transactions on Power Systems · 2025年7月
针对高比例可再生能源电力系统的频率控制需求，本文提出广义频率成形服务（GFSS）框架，统一整合异构频率控制服务，实现分布式能源（DER）的规模化协调。GFSS通过标准化系统级频率响应目标，优化DER参与参数，在满足动态性能要求的同时最小化功率与能量储备需求。本文构建了非凸优化模型，并设计高效求解算法，显著降低计算耗时。算例表明，该方法可将控制服务成本降低高达60%，计算时间缩短至数分钟，具备实时、经济协调DER的应用潜力。
解读: 该GFSS框架对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的DER最优参与设计方法可直接应用于储能系统的频率响应服务，通过优化功率和能量储备参数，降低60%的控制服务成本，显著提升储能系统经济性。该算法的实时计算能力（数分钟级）可集成至iSolarClou...
一种用于随机持续扰动下电力系统吸引域估计的扩展方法
An Extended Stochastic Region of Attraction Estimation Method for Power Systems Under Stochastic Sustained Disturbances
Yuerong Yang · Shunjiang Lin · Mingbo Liu · Leyi Deng 等6人 · IEEE Transactions on Power Systems · 2025年4月
可再生能源输出中的随机持续扰动（SSDs）会影响电力系统的暂态稳定性。本研究利用 Lévy 驱动的随机微分代数方程（LDSDAEs）来研究电力系统在随机持续扰动下的动态性能。LDSDAEs 的随机吸引域被划分为稳定区域和概率稳定区域，二者合称为扩展随机吸引域（ESRA）。传统的确定性吸引域（RA）估计方法并不适用。为解决这一问题，本研究提出了一种基于逃逸概率的 LDSDAEs 扩展随机吸引域估计方法。首先，我们推导出了 LDSDAEs 吸引子附近系统初始状态逃逸概率的积分 - 微分方程。然后，探...
解读: 该随机吸引域估计方法对阳光电源储能与光伏系统具有重要应用价值。针对PowerTitan大型储能系统和SG系列光伏逆变器，该技术可量化可再生能源随机波动对系统暂态稳定性的影响边界，为构网型GFM控制策略提供概率性稳定域评估依据。结合ST系列储能变流器的快速功率响应能力，可优化虚拟同步机VSG参数整定，...
基于灵敏度的可再生能源可用发电容量变化跟随滚动运行可靠性评估方法
A Sensitivity-Based Rolling Operational Reliability Evaluation Method Following the Changing Available Generation Capacity of Renewable Energies
Xuan Li · Kaigui Xie · Changzheng Shao · Bo Hu 等6人 · IEEE Transactions on Power Systems · 2024年4月
由于可靠性评估过程耗时，电力系统运行可靠性通常基于可再生能源出力的预测值提前进行。然而，在实际运行中，可再生能源预测值不断更新，需进行滚动评估以保持可靠性评估的准确性。本文提出一种基于系统可靠性对可再生能源可用出力灵敏度的日内滚动评估方法。该方法在可再生能源出力小幅波动时，通过修正前次评估结果快速获取可靠性指标。首先，结合输电线路状态字典法与负荷可行域（LFR）方法，构建基于LFR的蒙特卡洛可靠性评估模型；其次，提出一种负荷削减计算的近似距离法，建立负荷削减量与可再生能源可用出力之间的线性多项式...
解读: 该滚动可靠性评估方法对阳光电源储能系统与光伏逆变器产品具有重要应用价值。针对ST系列储能变流器和PowerTitan大型储能系统，可集成该灵敏度模型实现日内实时可靠性评估，根据光伏出力预测更新动态调整储能充放电策略，提升系统应急响应能力。对于SG系列光伏逆变器，该方法可优化iSolarCloud云平...
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...
第 3 / 3 页