找到 6 条结果 · IEEE Transactions on Power Systems
针对网络攻击的并网微电网鲁棒有限时间频率控制以实现实时电力市场
Robust Finite-Time Frequency Control of Grid Connected Microgrids for Real-Time Electricity Market Against Cyber-Attacks
Seyed Hossein Rouhani · Saleh Mobayen · Chun-Lien Su · IEEE Transactions on Power Systems · 2025年3月
在电力市场放松管制的环境下，传统的频率控制目标与市场驱动策略相结合，以确保竞争性电力市场中电网的可靠高效运行。传统上，电价协议是离线结算的。然而，私营分布式发电公司的兴起和第四次工业革命正推动市场向实时竞价转型，其特点是存在极大的不确定性且网络攻击风险增加。为应对这些挑战，本文提出了一种新颖的模型跟随有限时间鲁棒跟踪控制策略。该方法能有效应对极端时变不确定性、虚假数据注入网络攻击和时滞问题，适用于实时运行。其主要特点包括采用鲁棒控制来减轻不确定性和网络攻击的影响，以及具有带有时滞补偿的有限时间收...
解读: 该研究的鲁棒有限时间频率控制技术对阳光电源的储能与并网产品具有重要应用价值。可直接应用于ST系列储能变流器和PowerTitan系统的GFM控制算法优化，提升系统在网络攻击下的频率恢复能力。同时该技术也可集成到SG系列光伏逆变器的并网控制中，增强电价响应能力。特别是在大规模储能电站和工商业光储项目中...
基于矩阵编码的主级虚假数据注入攻击影响缓解方法
Matrix Coding Enabled Impact Mitigation Against Primary False Data Injection Attacks in Cyber-Physical Microgrids
Mengxiang Liu · Xin Zhang · Chengcheng Zhao · Ruilong Deng · IEEE Transactions on Power Systems · 2025年1月
针对网络物理微电网中主级虚假数据注入攻击（PFDIA）的影响缓解问题，提出一种高效轻量的防御方案。该方法通过可逆编码矩阵对传输测量值进行交替编码，并在检测到攻击后触发两个半下采样未知输入观测器，利用编码与未编码数据的残差递推重构完整偏差向量，进而消除恶意影响。通过优化编码矩阵，在保证重构稳定性与隐蔽性的同时抑制系统噪声对精度的影响。实验验证了该方案的有效性、鲁棒性与低开销特性。
解读: 该矩阵编码防御技术对阳光电源PowerTitan储能系统及ST系列储能变流器的网络安全防护具有重要应用价值。在大型储能电站中，iSolarCloud云平台需实时采集海量测量数据（电压、电流、SOC等），易遭受FDIA攻击导致BMS误判或功率调度失控。该方案的轻量级编码机制可集成至储能PCS通信模块，...
基于模仿专家经验的可解释深度强化学习在电动汽车智能充电中的应用
Interpretable Deep Reinforcement Learning With Imitative Expert Experience for Smart Charging of Electric Vehicles
Shuangqi Li · Alexis Pengfei Zhao · Chenghong Gu · Siqi Bu 等6人 · IEEE Transactions on Power Systems · 2024年7月
深度强化学习（DRL）因计算效率高，有望实现复杂系统的在线优化控制，但其可解释性与可靠性限制了在智能电网能量管理中的工程应用。本文首次提出一种新颖的模仿学习框架，用于解决电网连接电动汽车（GEV）充电管理中的高效计算问题。通过基于车网互动（V2G）成本效益分析的先验优化模型生成最优策略，并构建专家经验池以配置学习环境。设计双Actor-Imitator网络结构，实现专家知识向强化学习模型的有效迁移，提升训练效率与调度性能。实验结果表明，该方法在英国某示范微网中有效提升了V2G经济效益并缓解了电池...
解读: 该可解释深度强化学习技术对阳光电源充电桩产品线及储能系统具有重要应用价值。文章提出的模仿学习框架可直接应用于阳光电源V2G充电桩的智能调度算法，通过专家经验池加速DRL训练，提升充电策略的可靠性与可解释性，解决传统黑盒AI在电网能量管理中的工程化难题。该方法可集成至iSolarCloud云平台，实现...
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...
一种基于神经网络虚拟阻抗的双向电网逆变器控制新方法以改善微电网动态性能
A Novel Bi-Directional Grid Inverter Control Based on Virtual Impedance Using Neural Network for Dynamics Improvement in Microgrids
Mohamad Alzayed · Michel Lemaire · Hicham Chaoui · Daniel Massicotte · IEEE Transactions on Power Systems · 2024年5月
在微电网中，电压源逆变器通常采用下垂控制技术，并结合电压和内部电流控制回路，以实现可靠的电力供应。由于线路阻抗不匹配，标准下垂控制技术难以实现功率的均匀分配，并限制并联连接之间的环流，尤其是在高度非线性系统中。本研究旨在引入一种基于神经网络的虚拟阻抗，并将其与双向电网逆变器控制技术相结合，以提高微电网动态运行期间的稳定性。为了在各种运行场景下以较小的偏差和更好的稳定性准确跟踪需求和参考功率，所提出的技术采用前馈神经网络（FFNN）来学习逆变器暂态过程中的非线性模型。该技术无需额外的调节步骤，仅需...
解读: 该神经网络自适应虚拟阻抗控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。当前阳光电源储能系统采用下垂控制实现多机并联功率分配，但线路阻抗不匹配和负载突变会影响动态响应。该研究提出的神经网络在线调节虚拟阻抗方案，可直接应用于ST储能变流器的控制算法优化，提升多台...
一种面向微电网的两阶段自适应供需管理框架：考虑设备老化的资产规划与点对点负瓦特交易
A Two-Stage Adaptive Supply-Demand Management Framework for Microgrids: Aging-Aware Asset Planning and Peer-to-Peer Negawatt Trading
Chenxi Zhang · Jing Qiu · Yi Yang · IEEE Transactions on Power Systems · 2024年12月
本文提出一种新颖的两阶段自适应微电网供需管理框架，兼顾设备老化特性与动态供需交互，提升系统运行效率与经济性。第一阶段引入老化感知的资产规划方法，优化分布式能源选址定容，并量化其性能衰退及运维成本增长，避免传统规划中成本低估与容量过剩问题；第二阶段采用点对点负瓦特交易机制，激励用户调节可控负荷，降低购电成本并增强供需响应能力。基于改进IEEE 33节点系统的仿真验证了该框架在成本效益与运行可靠性方面的显著优势，为未来微电网中老化感知资源集成与用户参与电力市场提供了有效路径。
解读: 该两阶段供需管理框架对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。老化感知资产规划方法可优化储能变流器和电池系统的选址定容策略，通过量化功率器件和电池的性能衰退曲线，改进iSolarCloud平台的预测性维护算法，避免容量配置过剩。点对点负瓦特交易机制可集成到微电网E...