找到 2 条结果 · IEEE Transactions on Power Systems
面向多样化通信问题的虚拟电厂频率调节中信息物理融合设计
Cyber-Physical Integration Design for Frequency Regulation in Virtual Power Plants Facing Diverse Communication Issues
Jinrui Guo · Chunxia Dou · Dong Yue · Zhijun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年7月
通过聚合需求侧分布式能源资源形成的虚拟电厂（VPPs）在电力系统调频方面具有很大潜力。然而，由于实际通信网络的复杂性，诸如随机丢包和恶意网络攻击等各种通信问题可能会导致不理想的电力调度和不准确的动态控制。这给虚拟电厂参与调频带来了巨大挑战。为克服这些障碍，我们提出一种信息 - 物理融合设计，以实时、可靠的方式促进虚拟电厂调频。首先，我们提出了一种在云 - 边协作下针对丢包问题的虚拟电厂电力调度与通信资源分配联合设计方案。即在物理层，我们提出了丢包情况下的虚拟电厂电力调度方法；在信息层，我们制定了...
解读: 该信息物理融合频率调节技术对阳光电源PowerTitan储能系统和虚拟电厂解决方案具有重要应用价值。研究提出的通信-控制联合优化架构可直接应用于ST系列储能变流器的AGC调频功能，通过优化通信资源调度应对5G/4G网络时延和丢包问题，提升分布式储能集群的频率响应速度和鲁棒性。针对网络攻击的防护设计可...
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...