找到 4 条结果 · IEEE Transactions on Power Systems
基于拓扑结构的边缘计算框架用于电力系统小信号稳定性分析
A Topology-Based Edge Computing Framework for Digital Power System Small-Signal Stability Analysis
Zhiqi Xu · Wei Jiang · Junbo Zhao · IEEE Transactions on Power Systems · 2025年1月
电力系统稳定性分析正向数据驱动模式转型。然而，传统集中式数据处理方式在数字化背景下面临计算与通信负担重、数据隐私等问题。为此，本文提出一种基于电力系统拓扑结构的边缘计算框架，利用智能电子设备（IED）的本地计算与通信能力，减轻控制中心负担，推动系统数字化转型。发电机侧的IED作为边缘节点，采集本地区域数据辨识子系统动态模型，并逐步合并相邻子系统模型，最终构建全系统动态模型。该模型分布式存储于各边缘节点，支持并行处理。采用分治策略进行特征值分析，将计算任务递归分解至不同节点组并行执行。算例验证了所...
解读: 该边缘计算框架对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。在大型储能电站场景中，可将小信号稳定性分析任务分布至ST系列储能变流器的本地控制器，利用其IED功能实现分布式动态模型辨识与特征值计算，有效降低集中式云平台的通信带宽和计算负荷。该技术特别适用于多储能单...
基于解析神经网络高斯过程的机会约束电压调节方法用于含光伏、电池和电动汽车的主动配电网
Analytic Neural Network Gaussian Process Enabled Chance-Constrained Voltage Regulation for Active Distribution Systems With PVs, Batteries and EVs
Tong Su · Junbo Zhao · Yansong Pei · Yiyun Yao 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种基于解析神经网络高斯过程（NNGP）的机会约束实时电压调节方法，适用于含光伏、储能和电动汽车的主动配电网。NNGP利用历史量测数据通过贝叶斯推断实现节点电压的实时概率估计，并被完全解析地嵌入最优潮流模型中，以适应多种拓扑变化。通过机会约束显式考虑电压估计的不确定性，显著提升了不同场景下电压调节的可靠性。在美国科罗拉多州西部实际759节点系统上的仿真结果表明，所提方法在多种拓扑下均能实现精确电压估计，并有效协调光伏、电池与电动汽车实现可靠电压调节。
解读: 该解析神经网络高斯过程电压调节技术对阳光电源多产品线协同控制具有重要价值。在ST储能系统方面，可将NNGP概率预测嵌入PowerTitan的能量管理系统，实现基于不确定性的机会约束优化调度，提升电压支撑可靠性。对于SG系列光伏逆变器，该方法可优化无功调节策略，在拓扑变化场景下保持电压稳定。在充电桩产...
带电流限制器的构网型逆变器电力系统动态状态估计
Power System Dynamic State Estimation of Grid-Forming Inverters With Current Limiter
Xingyu Zhao · Bendong Tan · Junbo Zhao · IEEE Transactions on Power Systems · 2024年9月
当限流器在大扰动期间启动时，构网型逆变器（GFM）会从电压源切换为电流源。这一情况可能会降低动态状态估计（DSE）的准确性。为解决该问题，本文将限流器建模为随时间变化的阻抗，从而为动态状态估计提供了一种统一的状态空间表示方法。这使得在存在和不存在电流限制的情况下都能捕捉构网型逆变器的动态特性。在连接到修改后的 IEEE 39 节点系统的构网型逆变器上进行的数值计算结果证明了所提方法的有效性。
解读: 该研究对阳光电源ST系列储能变流器和大功率光伏逆变器的GFM控制具有重要参考价值。电流限制器状态估计技术可直接应用于PowerTitan储能系统的故障穿越控制，提升系统在大扰动下的运行稳定性。对于SG系列高功率密度逆变器，该方法有助于优化虚拟同步机VSG控制策略，实现更精准的限流保护。通过将该状态估...
含不确定风电与负荷的电力系统稀有事件可扩展风险评估
Scalable Risk Assessment of Rare Events in Power Systems With Uncertain Wind Generation and Loads
Bendong Tan · Junbo Zhao · Yousu Chen · IEEE Transactions on Power Systems · 2024年7月
随着可再生能源的不断接入以及系统不确定性的存在，罕见事件的风险评估在电力系统规划和运行中变得愈发重要。然而，通过传统方法，即蒙特卡罗抽样（MCS）来量化罕见事件带来的风险，会因大量的潮流模拟而产生巨大的计算成本。为了加快评估速度，本文提出了一种深度神经网络（DNN）核化的向量值高斯过程（VVGP）方法，该方法在保持高精度的同时具有出色的计算效率。因此，作为潮流求解器的替代模型，与潮流求解器相比，DNN 核化的 VVGP 能够显著加快风险评估速度且保证评估的准确性。所开发的替代模型能够评估包含超过...
解读: 该稀有事件风险评估方法对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。在源网荷储一体化场景中，可用于优化ST系列储能变流器的容量配置与调度策略，通过量化极端工况下的风险概率（如风电骤降叠加负荷尖峰），提升储能系统应对黑启动、孤岛运行等稀有事件的能力。重要性采样技术...