找到 46 条结果 · IEEE Transactions on Power Systems
主动配电网中逆变器基资源的网络物理攻击鲁棒恢复
Robust Restoration From Cyber-Physical Attacks in Active Distribution Grids With Grid-Edge IBRs
Xue Gao · Wei Sun · IEEE Transactions on Power Systems · 2024年7月
基于逆变器的资源（IBRs）使可再生能源能够在电网边缘实现集成，同时具备增强的控制能力，以支持电网的可靠运行。随着用于实时监测和控制的信息网络的扩展，人们提出了不同的控制框架，如分层或分布式架构。关键基础设施向信息物理系统的这种演变也因攻击面的扩大带来了更多漏洞，并显著增加了由网络攻击导致物理系统故障或停电的可能性。在纵深防御的诸多努力中，及时检测并准确定位攻击入口点或路径仍然具有挑战性。因此，现有的恢复框架可能难以充分考虑信息 - 物理的相互依存关系，难以成功隔离受影响的信息和物理组件，也难以...
解读: 该网络安全恢复技术可应用于阳光电源分布式光伏和储能系统的网络安全防护。通过鲁棒恢复策略,提升SG系列逆变器和ST系列储能系统在网络物理攻击下的抗干扰能力,确保系统快速恢复正常运行,为智能配电网提供网络安全保障。...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...
基于物理信息学习的风电场双机等效模型用于大规模电力系统稳定性研究
Physics-Informed Learning Based Wind Farm Two-Machine Aggregation Model for Large-Scale Power System Stability Studies
Hongyi Wang · Zhe Yang · Wenfa Kang · Pingyang Sun 等6人 · IEEE Transactions on Power Systems · 2024年5月
风电场（WFs）中风力发电机组（WTs）的聚合可以减轻建模和计算负担，但也可能降低精度。此外，在电力系统扰动下，可能难以准确确定风力发电机组的动态行为。本文基于两阶段方法，提出了一种用于电力系统暂态分析的风电场新型聚合建模方法。在第一阶段，树状图算法生成一个简单通用的模型（GM）；在第二阶段，使用针对风电场定制的偏微分方程非线性动力学函数识别（PDE - FIND）算法对通用模型进行细化，以提高初始通用模型的精度。对PDE - FIND算法的动态库进行重新构建，使其包含可能用于表达功率误差方程的...
解读: 该物理信息学习的双机等效建模技术对阳光电源的大型风电场解决方案具有重要参考价值。可直接应用于公司ST系列储能变流器的GFM控制优化,提升其在风电接入场景下的稳定性控制性能。同时该方法的物理约束融合思路可启发SG系列光伏逆变器的群控算法优化,特别是在大规模光储风多能互补电站中的协调控制。建议在Powe...
基于物理信息引导的类型化图神经网络的最优潮流计算
Optimal Power Flow With Physics-Informed Typed Graph Neural Networks
Tania B. Lopez-Garcia · José Antonio Domínguez-Navarro · IEEE Transactions on Power Systems · 2024年4月
本研究介绍了一种应用类型化图神经网络解决最优潮流问题的新方法。与传统前馈神经网络模型得到的结果相比，类型化图神经网络允许用不同类型的节点表示输电系统的不同元件，从而提高了所得解决方案的准确性和可解释性。所提出的图神经网络架构无需训练数据，而是通过一个融入物理信息的损失函数进行训练，该损失函数不仅包含优化目标，还包含物理系统的运行约束。所得结果与内点法得到的结果相当，并且计算时间大幅缩短。
解读: 该物理信息引导的图神经网络技术对阳光电源的储能与光伏产品线具有重要应用价值。首先,可应用于ST系列储能变流器和PowerTitan系统的功率优化调度,提升大规模储能电站的运行效率。其次,该方法能优化SG系列光伏逆变器的MPPT控制策略,特别是在复杂拓扑的光伏电站中实现更快速的功率追踪。通过融合电网物...
实用动态安全域模型：一种混合物理模型驱动与数据驱动的方法
Practical Dynamic Security Region Model: A Hybrid Physical Model-Driven and Data-Driven Approach
Junzhi Ren · Yuan Zeng · Chao Qin · IEEE Transactions on Power Systems · 2024年4月
基于安全域（SR）的安全分析方法在电力系统分析中起着关键作用。安全裕度的构建有助于挖掘实际动态安全域（PDSR）的几何和物理特性。数据驱动方法为电力系统安全分析提供了有力支持。然而，人工智能方法的可解释性差和泛化能力弱阻碍了其在电力系统中的应用。尽管模型驱动方法能够有效分析物理模型的内部机制，提高其可解释性，并增强安全裕度评估的可靠性，但其强非线性结构和低计算效率限制了其进一步应用。本研究首先基于安全域的特性构建了可靠的安全裕度，进而基于可靠性指标得到临界运行区间。最后，采用数据驱动方法修正实际...
解读: 该混合建模方法对阳光电源的储能与光伏产品线具有重要应用价值。可用于ST系列储能变流器和SG系列光伏逆变器的安全运行边界评估,特别是在大规模新能源并网场景下。通过融合物理模型与数据驱动方法,能够优化PowerTitan等大型储能系统的运行策略,提升GFM/GFL控制的稳定性裕度。这对提高产品在复杂电网...
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...
第 3 / 3 页