找到 2 条结果 · IEEE Transactions on Power Systems
基于灾害抗性的配电网飓风期间时空风险分析
Hazard Resistance-Based Spatiotemporal Risk Analysis for Distribution Network Outages During Hurricanes
Luo Xu · Ning Lin · Dazhi Xi · Kairui Feng 等5人 · IEEE Transactions on Power Systems · 2024年9月
近年来，极端天气事件导致的停电频发，精准评估电力系统最脆弱环节——配电网的时空停运风险对提升系统韧性至关重要。序列蒙特卡洛（SMC）方法虽广泛用于极端天气下的时空风险分析，但其在时序模拟中重复采样时不变脆弱性函数，易高估高频采样下演变灾害的损毁程度。为此，本文提出一种基于灾害抗性的时空风险分析方法（HRSRA），将元件失效概率转换为时不变的灾害抗性进行建模。该方法可自适应融合高时空分辨率气象模型，结合电力系统地理信息与物理风场模型，利用波多黎各真实时序停电数据（含2022年菲奥娜飓风）验证了其优...
解读: 该飓风期间配电网时空风险分析技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器的韧性设计具有重要价值。基于灾害抗性的HRSRA方法可精准识别极端天气下配电网脆弱节点，为储能系统的选址部署、容量配置提供决策依据。结合iSolarCloud云平台的气象数据融合能力，可实现储能系统在飓风等...
基于机器学习增强的大规模并行暂态仿真方法用于大规模可再生能源电力系统
Machine-Learning-Reinforced Massively Parallel Transient Simulation for Large-Scale Renewable-Energy-Integrated Power Systems
Tianshi Cheng · Ruogu Chen · Ning Lin · Tian Liang 等5人 · IEEE Transactions on Power Systems · 2024年6月
可再生能源系统（RESs）在向绿色智能电网转型中起关键作用，但其受光照、风速等自然因素影响，具有复杂性与不确定性，给并网带来挑战。电磁暂态（EMT）仿真可有效研究RES并网问题，但现有方法受限于模型非线性和计算复杂度，难以实现大规模精细化仿真。本文提出一种面向数据、结合机器学习的CPU-GPU大规模并行EMT仿真方法，采用人工神经网络构建数据驱动的RES模型，并基于实体-组件-系统架构集成。模型训练依托传统物理EMT模型生成的数据，并通过MATLAB/Simulink验证。将RES元件组建成微网...
解读: 该机器学习增强的大规模并行EMT仿真技术对阳光电源具有重要战略价值。在PowerTitan储能系统和大型光伏电站并网设计中，可快速仿真数百万级SiC逆变器的暂态交互特性，400倍加速性能显著缩短产品开发周期。对ST系列储能变流器的构网型GFM控制策略优化尤为关键，能高效评估微电网场景下多台设备的协同...