找到 2 条结果 · IEEE Transactions on Power Systems
含储能双馈风电场的动态频率响应小信号等效建模
Small Signal Equivalent Modeling for Large ES-Embedded DFIG Wind Farm With Dynamic Frequency Response
Wei Dai · Jun Xu · Hui Hwang Goh · Tonghui Shi 等5人 · IEEE Transactions on Power Systems · 2024年9月
为解决大规模风电系统仿真中的维数灾问题，简化等效模型成为有效手段。近年来，风电场加装储能以增强对低惯量系统的频率支撑，但现有等效模型未考虑储能作用，难以准确反映双馈风机与储能协同下的频率响应特性。本文提出一种计及储能与双馈风机协调控制的小信号等效建模方法，推导了含储能双馈系统的通用频率响应等效表达式，构建了考虑运行状态变化及储能介入功率突变的多机等效模型，并采用改进的两阶段参数辨识方法获取等效参数，精确复现储能动作前后的频率响应过程。通过双区域四机系统中多个大型风电场验证了所提方法的有效性。
解读: 该储能-双馈风机协同频率响应建模技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。文章提出的小信号等效模型可直接应用于大规模风储混合电站的控制策略优化，特别是储能介入功率突变时的频率响应特性分析，有助于改进阳光电源储能系统的一次调频和惯量支撑控制算法。两阶段参数辨识方法...
一种结合局部-全局特征提取的混合深度学习框架用于智能电力系统稳定性评估
A Hybrid Deep Learning Framework With Local-Global Feature Extraction for Intelligent Power System Stability Assessment
Wei Yao · Runfeng Zhang · Yurun Zhang · Shanyang Wei 等6人 · IEEE Transactions on Power Systems · 2025年5月
暂态仿真对保障电力系统安全稳定运行至关重要。大扰动后，系统可能出现暂态功角失稳和短期电压失稳，二者电气特性相似但需不同控制策略，因此准确识别主导失稳模式（DIM）尤为关键。本文提出一种新型混合深度学习框架，通过充分提取电力数据中的局部-全局特征实现高精度DIM识别。该框架采用经随机采样与聚合优化的图神经网络以增强局部特征捕捉与模型泛化能力，并引入基于自注意力机制的Transformer网络挖掘关键全局特征。同时嵌入重要离散故障特征以提升性能。所提方法有效融合多层级特征，克服了现有模型局限于单一失...
解读: 该混合深度学习框架对阳光电源储能系统和电网侧产品具有重要应用价值。在PowerTitan大型储能系统中，可实时识别电网暂态功角失稳与短期电压失稳的主导模式，为ST系列储能变流器提供差异化控制策略：功角失稳时优先调节有功功率支撑，电压失稳时侧重无功补偿。该框架的图神经网络与Transformer架构可...