找到 2 条结果 · IEEE Transactions on Power Systems
基于物理信息学习的风电场双机等效模型用于大规模电力系统稳定性研究
Physics-Informed Learning Based Wind Farm Two-Machine Aggregation Model for Large-Scale Power System Stability Studies
Hongyi Wang · Zhe Yang · Wenfa Kang · Pingyang Sun 等6人 · IEEE Transactions on Power Systems · 2024年5月
风电场（WFs）中风力发电机组（WTs）的聚合可以减轻建模和计算负担，但也可能降低精度。此外，在电力系统扰动下，可能难以准确确定风力发电机组的动态行为。本文基于两阶段方法，提出了一种用于电力系统暂态分析的风电场新型聚合建模方法。在第一阶段，树状图算法生成一个简单通用的模型（GM）；在第二阶段，使用针对风电场定制的偏微分方程非线性动力学函数识别（PDE - FIND）算法对通用模型进行细化，以提高初始通用模型的精度。对PDE - FIND算法的动态库进行重新构建，使其包含可能用于表达功率误差方程的...
解读: 该物理信息学习的双机等效建模技术对阳光电源的大型风电场解决方案具有重要参考价值。可直接应用于公司ST系列储能变流器的GFM控制优化,提升其在风电接入场景下的稳定性控制性能。同时该方法的物理约束融合思路可启发SG系列光伏逆变器的群控算法优化,特别是在大规模光储风多能互补电站中的协调控制。建议在Powe...
基于双分支专家融合记忆网络的大规模配电网净负荷高效预测
Efficient Net Load Forecasting in Large-Scale Power Distribution Systems via Dual-Branch Experts Fusion Memory Network
Shijie Li · Ruican Hu · Guanlin Chen · Lulu Chen 等10人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文针对高比例可再生能源接入下配电网净负荷预测难题，提出双分支专家融合记忆网络（DEFMN），分别建模负荷与分布式电源的异质性，并融合时空相关性。在IEEE 8500节点系统验证中，该模型在MAPE等指标上达到SOTA性能。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的日前-日内净负荷预测能力具有直接提升价值。DEFMN可嵌入iSolarCloud的AI预测引擎，优化光储协同调度策略；尤其适用于工商业光伏+用户侧储能场景中多类型DG（如组串式逆变器、充电桩、小型风电变流器...