找到 2 条结果 · IEEE Transactions on Power Systems
基于逆变器资源主导电力系统动态交互分析的统一框架
A Unified Framework for Analysis of Dynamic Interactions in Inverter-Based Resource-Dominant Power Systems
Akshita Sharma · Pankaj D. Achlerkar · Bijaya Ketan Panigrahi · IEEE Transactions on Power Systems · 2025年10月
摘要：以基于逆变器的电源（IBR）为主导的电力系统经历过涵盖不同频率的振荡。IBR 数据不完整，以及详细电磁暂态（EMT）研究对计算量的高要求，限制了系统运行人员对这类动态振荡的分析。本研究提出了一种通用方法，用于深入了解包含各种 IBR 技术、参数和控制策略的电力系统各子组件之间振荡的本质。利用黑箱阻抗模型和线性电路原理，将 IBR 注入电流在频域中分解为与其他 IBR、负载和电网的各种动态交互分量。这些分量的组合代表了系统潜在的振荡模式。实时系统运行需要在线检测并自动解决交互问题，为此，本文...
解读: 该统一框架对阳光电源多产品线具有重要应用价值。在ST储能系统中，可用于分析PowerTitan多机并联时的宽频振荡问题，优化构网型GFM控制参数设计；在SG光伏逆变器领域，阻抗-状态空间等效转换方法可指导1500V系统的多逆变器协同控制，提升弱电网适应性；对于充电桩与车载OBC，该框架能识别电网交互...
一种近似哈密顿神经网络增强的多机电力系统励磁控制
A Nearly Hamiltonian Neural Network-Enhanced Multi-Machine Power System Excitation Control
Youbo Liu · Xuexin Wang · Gao Qiu · Zhiyuan Tang 等6人 · IEEE Transactions on Power Systems · 2025年6月
广义哈密顿系统理论（GHST）是高维非线性电力系统励磁控制的有力工具，但由于实际高阶系统解析不可行以及子模块不完整，该理论依赖降阶动态，从而导致控制误差。为解决这一问题，本文提出了一种基于近哈密顿神经网络（NHNN）的非线性励磁控制方法。该方法从测量数据中学习每台发电机的结构化哈密顿量，减轻了因降阶引起的哈密顿量实现误差。然后，通过组合这些哈密顿量，提出了一种保持系统响应的全局能量函数，用于稳定控制。在双机系统上的仿真结果表明，与广义哈密顿系统理论和PID控制方法相比，该方法提高了系统稳定性，平...
解读: 该近似哈密顿神经网络控制技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网场景中，传统哈密顿励磁控制虽能保证能量结构稳定性，但对参数摄动敏感。该研究提出的深度学习补偿方案可直接应用于ST系列储能变流器的GFM控制策略：通过神经网络实时补偿电网阻抗变化、负载扰动等不确...