找到 2 条结果 · IEEE Transactions on Power Systems
基于高效参数更新规则的有限数据概率风力发电预测
Probabilistic Wind Power Forecasting With Limited Data Based on Efficient Parameter Updating Rules
Zichao Meng · Ye Guo · IEEE Transactions on Power Systems · 2024年8月
本文提出了一种基于元优化器的有限历史数据下概率风电功率预测（WPF）方法，包括离线训练和在线自适应过程。在离线训练部分，首先通过元训练基于长短期记忆网络（LSTM）构建一个风电功率预测元优化器，随后利用该元优化器在有限历史数据场景下有效训练概率预测模型。这种基于元训练的过程实现了直接从风电功率数据中学习概率风电功率预测算法。在在线自适应部分，通过在线更新策略使离线训练的预测模型不断适应新收集的风电功率数据，进一步提高其性能。在此过程中，还基于这些在线数据更新风电功率预测元优化器，为预测模型的参数...
解读: 该风电预测方法对阳光电源的储能和智能运维产品线具有重要应用价值。在ST系列储能系统中,可用于优化充放电策略和容量配置;在iSolarCloud平台中,可提升风电场发电预测精度,为运维决策提供更可靠支撑。特别是针对新建风电场数据有限的场景,该方法通过在线参数更新机制,能快速提升预测准确度,有助于提高储...
基于混合深度学习方法的分数阶PID-PSS设计用于抑制电力系统振荡
Fractional Order PID-PSS Design Using Hybrid Deep Learning Approach for Damping Power System Oscillations
Devesh Umesh Sarkar · Tapan Prakash · Sri Niwas Singh · IEEE Transactions on Power Systems · 2024年6月
电力需求的急剧增长导致了传统电网的结构变化。现代电力系统包含先进的装置和设备，这使得维持可靠、安全的电力供应颇具挑战。低频振荡（LFO）是现代电力系统中一个显著的现象。为防止功角失稳，需要对这些振荡进行有效抑制。电力系统稳定器（PSS）通常用于解决这一问题。然而，传统的PSS在现代电网中无法有效抑制低频振荡。因此，本文采用混合深度学习方法，设计了一种将分数阶比例积分微分（FO - PID）控制器与传统PSS相结合的控制器。将卷积神经网络（CNN）和长短期记忆网络（LSTM）集成在一起形成CNN ...
解读: 该分数阶PID-PSS技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网运行中，低频振荡抑制是关键技术难点。文章提出的混合深度学习自适应参数整定方法，可直接应用于ST系列储能变流器的虚拟同步机VSG控制策略优化，通过分数阶控制器提升系统阻尼特性。该技术对阳光电源GF...