找到 2 条结果 · IEEE Transactions on Power Systems
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...
地磁扰动下电磁暂态视角中的级联故障导致电压崩溃
Voltage Collapse Owing to Cascading Failures Under Geomagnetic Disturbances in Electromagnetic Transient Perspective
Wen-Kai Xin · Chun-Ming Liu · Afshin Rezaei-Zare · Ze-Zhong Wang · IEEE Transactions on Power Systems · 2025年1月
强太阳活动引发的严重地磁扰动（GMDs）会导致电网变压器产生大量无功功率损耗和谐波电流，后者易引发电容补偿装置继电保护误动作，造成系统无功不足与局部失衡，进而诱发级联故障甚至电压崩溃，导致大范围停电。本文分析了级联故障的机理与触发条件，提出了敏感设备作用下的电压崩溃演化过程，并基于四站八节点及IEEE 118-GMD系统的电磁暂态仿真验证了理论正确性。通过仿真结果总结了地磁暴期间级联故障的发生模式，识别了电压崩溃的触发条件与影响因素，为准确快速识别风险节点、及时采取防灾措施提供了指导。
解读: 该研究对阳光电源电网级储能系统（PowerTitan/ST系列）具有重要防护价值。地磁扰动引发的电压崩溃机理分析可指导储能变流器开发快速无功支撑策略：在GMD事件中，储能系统可通过构网型GFM控制快速注入无功功率，补偿变压器损耗，防止电压崩溃级联扩散。建议在iSolarCloud平台集成地磁扰动监测...