找到 12 条结果 · IEEE Transactions on Power Systems
一种集成多源数值天气预报的短期非参数概率光伏功率预测两阶段集成学习框架
A Two-Stage Ensemble Learning Framework for Short-Term Nonparametric Probabilistic Photovoltaic Power Forecasting Integrating Multi-Source Numerical Weather Predictions
Hanting Zhao · Yao Zhang · Wei Huo · Fan Lin 等5人 · IEEE Transactions on Power Systems · 2025年9月
利用数值天气预报（NWP）进行短期太阳能功率概率预测（SSPPF）已被证明是一种提高太阳能整合与利用效率的有效方法。然而，大多数现有的SSPPF研究仅采用单源NWP，忽略了多源NWP在提高概率预测准确性和稳健性方面的潜在优势。本文提出了一种用于SSPPF的改进两阶段集成学习预测框架（ITS - ELFF）。ITS - ELFF将多源NWP作为关键的外部协变量，以生成多步分位数预测。在第一阶段，一组稳健且多样的基学习器提供初始分位数预测。在第二阶段，一个元学习器整合所有基学习器的分位数预测，以生成...
解读: 该两阶段集成学习框架对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。通过融合多源NWP数据的非参数概率预测，可显著提升光伏电站功率预测精度，优化MPPT算法的前瞻性控制策略。在PowerTitan储能系统中，高精度概率预测能改进充放电调度决策，提升削峰填谷效果和电网...
训练集再应用:基于相似样本的电力系统主导失稳模式识别物理可靠框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月
准确且在物理上可靠地识别主导不稳定模式（DIM）对于确保电力系统的安全稳定运行至关重要。数据驱动模型，尤其是深度学习（DL），在应对这一挑战方面取得了显著进展。然而，深度学习的“黑箱”特性限制了其可解释性，导致结果不可靠，这与电力系统严格的可靠性要求相冲突。为解决这一问题，本文提出了一种新颖的 DIM 识别框架，通过重新应用训练集样本提高识别的准确性和可靠性。首先，提出了一种训练方法，以增强 DIM 模型的抗噪声能力和对相似样本的聚类能力，实现高精度的 DIM 识别。此外，还开发了一种两阶段可解...
解读: 该失稳模式识别技术可应用于阳光电源智慧能源管理系统的稳定性监控。通过数据驱动的失稳模式识别,及时发现光伏并网系统和储能系统的潜在失稳风险,优化控制策略,提升大规模新能源并网的稳定性,为电网安全运行提供预警支持。...
一种用于逆变器接入电力系统的谐波与频率/电压稳定性统一分析方法
A Unified Analysis Method for Harmonic and Frequency/Voltage Stability of Inverter-Integrated Power Systems
Fengting Wei · Haitao Zhang · Xiuli Wang · Maryam Saeedifard 等6人 · IEEE Transactions on Power Systems · 2025年4月
电力系统中基于逆变器的资源（IBRs）大规模接入增加了谐波不稳定以及频率/电压不稳定的风险。传统上，这两类稳定性问题通常采用多种方法分别处理，且二者之间的关系尚未得到深入研究。本文通过证明谐波稳定性与频率/电压稳定性之间的等价性弥补了这一空白。在此基础上，利用局部测量的 $\boldsymbol{dq}$ 导纳模型，提出了一种针对这两类稳定性的统一分析方法。与现有方法相比，该方法具有以下几个关键优势：1）它能够对两类稳定性进行黑箱分析，保护知识产权和专有信息；2）它允许同时分析两类稳定性，避免了...
解读: 该统一分析方法对阳光电源的储能与光伏逆变器产品线具有重要指导意义。特别适用于ST系列储能变流器和SG系列光伏逆变器的稳定性优化，可提升大规模并网场景下的系统可靠性。通过多时间尺度建模，有助于完善GFM/GFL控制策略，优化VSG算法的谐波抑制能力。该方法可用于PowerTitan等大型储能系统的稳定...
频率约束下含网络化微电网动态边界的主动配电网最优恢复调度
Frequency-Constrained Optimal Restoration Scheduling in Active Distribution Networks With Dynamic Boundaries for Networked Microgrids
Chongyu Wang · Wei Lin · Guoteng Wang · Mohammad Shahidehpour 等6人 · IEEE Transactions on Power Systems · 2024年9月
本文提出一种考虑频率安全约束的主动配电网最优恢复调度框架（FRSDN），充分利用分布式能源，特别是逆变型可再生能源发电单元（IIREGs）。通过融合同步热电机组调速器与IIREG虚拟同步控制的等效聚合频率响应，建立了适用于可再生能源主导的配电网恢复过程中负荷投入阶段的线性化且保守的动态频率指标约束。进一步，构建了序贯动态边界识别模型（SDIDM），精确辨识网络化微电网的动态边界及参与机组类型，从而有效施加频率安全约束。最终将问题建模为三层鲁棒混合整数线性规划（MILP），并采用列与约束生成（C&...
解读: 该频率约束恢复调度技术对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。研究提出的虚拟同步控制聚合频率响应模型，可直接应用于优化阳光电源储能PCS的VSG控制策略，提升微电网黑启动和孤岛运行时的频率稳定性。动态边界识别算法为iSolarCloud平台提供了配电网恢复调度的智...
基于谱阻抗的概率化宽频振荡稳定性分析与可视化
Spectral Impedance-Based Probabilistic Wideband Oscillatory Stability Analysis and Visualization
Qifan Chen · Siqi Bu · Xin Zhang · Shijun Yi 等5人 · IEEE Transactions on Power Systems · 2024年7月
概率化振荡稳定性分析（POSA）是评估含不确定性电力系统振荡失稳风险的重要工具。传统基于特征值的POSA主要关注特定低频点的振荡，难以有效识别宽频振荡风险。为此，本文提出一种基于谱阻抗的POSA方法，结合累积量法与新兴的频率响应梯度阻抗稳定性判据（FRGISC）。首先建模风速等不确定变量的概率分布，再获取系统在特定运行点的谱阻抗，并利用FRGISC计算阻抗稳定裕度，避免特征值求解。随后通过累积量法推导裕度与振荡频率的概率密度函数和累积分布函数。最后提出综合累积分布曲线谱图，实现宽频振荡风险与失稳...
解读: 该基于谱阻抗的概率化宽频振荡稳定性分析技术对阳光电源储能与新能源并网产品具有重要应用价值。针对ST系列储能变流器和PowerTitan大型储能系统，该方法可有效评估风光储混合系统中宽频振荡风险（2-50Hz及以上），避免传统特征值法的计算复杂性。频率响应梯度阻抗稳定性判据（FRGISC）可直接集成到...
通过用户侧数据篡改对耦合电-交通网络的网络攻击
Cyberattack on Coupled Power-Transportation Networks via User-side Data Falsifications
Si Lv · Sheng Chen · Qiuwei Wu · Zhinong Wei 等6人 · IEEE Transactions on Power Systems · 2025年9月
先进信息通信技术的应用使电力与交通系统面临网络攻击风险。现有研究多关注网络设备层面的脆弱性，而忽视了用户侧的潜在威胁。本文揭示了一种通过篡改用户侧数据来破坏电-交通耦合系统运行的攻击策略。攻击者可入侵导航应用，伪造路径与充电站推荐，诱导交通与充电流分布，引发系统不安全运行。本文将攻击决策建模为二元变量，并通过互补约束松弛为连续变量，将原混合整数问题转化为带互补约束的数学规划（MPCC），进而设计带有反馈机制的增强迭代松弛算法，有效识别并修正非光滑松弛，提升收敛质量。数值实验验证了用户侧网络漏洞对...
解读: 该研究揭示的用户侧数据篡改攻击对阳光电源充电桩业务具有重要安全警示价值。攻击者可通过伪造导航推荐诱导充电流分布失衡，直接威胁充电站运营安全。建议在充电桩产品中集成多维度异常检测机制：1）在充电桩控制器中部署实时负荷预测模型，识别异常充电请求聚集；2）结合iSolarCloud云平台构建区域充电流监控...
训练集再利用：一种基于相似样本的电力系统主导失稳模式识别物理可信框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文提出一种物理可信的主导失稳模式（DIM）识别框架，通过增强模型噪声鲁棒性与相似样本聚类能力，并结合两阶段可解释算法（固定半径KNN+知识嵌入Fréchet距离），提升预测准确性与物理可靠性。在36节点和2131节点系统验证有效。
解读: 该框架可增强阳光电源iSolarCloud智能运维平台对大型光储电站并网稳定性的实时判别能力，尤其适用于PowerTitan、ST系列PCS在构网型（GFM）运行下的暂态失稳预警。建议将Stage-2物理判据模块嵌入iSolarCloud故障根因分析引擎，提升对弱电网/高比例新能源场景下电压/频率耦...
面向多阶段与新兴技术的低碳转型测试系统
Low-Carbon Transition Test System With Multiple Stages and Emerging Technologies
Mingchen Ma · Haiyang Jiang · Jiaxin Wang · Yi Wang 等8人 · IEEE Transactions on Power Systems · 2025年8月 · Vol.41
本文提出PROSPECT-43测试系统，用于评估低碳电力系统转型路径与规划算法。系统含AC-DC混合输电网络、低碳电源、新型负荷（数据中心、电氢耦合）、储能及碳预算约束，支持长期规划与技术协同分析。
解读: 该测试系统高度契合阳光电源在光储融合、构网型储能系统（如PowerTitan、ST系列PCS）及iSolarCloud平台的系统级解决方案布局。其AC-DC混合架构、电氢耦合负荷建模可直接支撑阳光电源风光储氢一体化项目设计；碳预算与多阶段规划框架有助于优化PowerStack系统在电网侧储能中的调峰...
基于耗散性的积分滑模负荷频率控制——考虑扰动与拒绝服务攻击
Dissipativity-Based Integral-Sliding-Mode Load Frequency Control Considering Disturbances and Denial-of-Service Attacks
Xing-Chen Shangguan · Yuan-Hang Yang · Yong He · Chen-Guang Wei 等6人 · IEEE Transactions on Power Systems · 2025年7月 · Vol.41
针对含新能源和负荷扰动、且易受拒绝服务（DoS）网络攻击的多区域电力系统，本文提出一种基于耗散性理论的积分滑模负荷频率控制（DISMLFC）方案，保障输入-状态实用稳定性，降低计算复杂度，并在三区域及IEEE 39节点系统中验证有效性。
解读: 该研究对阳光电源ST系列储能变流器（PCS）及PowerTitan大型储能系统的电网级调频控制具有重要参考价值。其抗DoS攻击与强扰动鲁棒性设计，可增强iSolarCloud平台在弱电网/高渗透率新能源场景下的AGC/AVC协同调度可靠性。建议将DISMLFC思想融入PCS的构网型（GFM）控制策略...
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...
量化气电系统故障传播速度：一种半隐式仿真方法
Quantify Gas-to-Power Fault Propagation Speed: A Semi-Implicit Simulation Approach
Ruizhi Yu · Suhan Zhang · Yong Sun · Wei Gu 等6人 · IEEE Transactions on Power Systems · 2025年5月
现代清洁能源电力系统高度依赖天然气的安全供应，易受管道破裂与泄漏故障引发的气体扰动影响。本文首次基于仿真研究此类故障在气-电耦合系统中的跨系统传播速度。建立了故障的微分代数方程模型，结合特征线法确定故障处边界条件；采用基于刚性精确Rosenbrock格式的半隐式方法进行故障后仿真，兼具隐式稳定性与显式计算效率；并提出基于连续Runge-Kutta法的关键时刻定位策略以精确捕捉动态事件。案例验证了该方法在精度与效率上的优势，揭示了故障位置与管道摩擦对传播速度的影响，以及气-电双向耦合可能引发的连锁...
解读: 该气-电故障传播速度量化技术对阳光电源PowerTitan大型储能系统与微电网解决方案具有重要应用价值。在燃气-光伏-储能混合能源系统中，ST系列储能变流器需应对燃气机组故障引发的快速功率波动。研究提出的半隐式仿真方法可集成至iSolarCloud智能运维平台，实现毫秒级故障传播预测，为储能系统GF...
基于卷积图神经网络与参数迁移的区域光伏功率短期概率预测
Short-Term Probabilistic Forecasting for Regional PV Power Based on Convolutional Graph Neural Network and Parameter Transferring
Fan Lin · Yao Zhang · Hanting Zhao · Wei Huo 等5人 · IEEE Transactions on Power Systems · 2024年11月
本文提出一种用于区域光伏功率短期概率预测的新型端到端深度学习模型，该模型具有局部-全局两层结构。在局部层，构建基于有向图的动态空间卷积图神经网络，以学习光伏电站的高维特征表示；在全局层，提出动态图池化方法，将局部特征聚合为全局表示，并映射为区域光伏功率的概率预测结果。为防止过拟合，引入基于参数迁移的训练策略。在公开真实数据上的实验表明，该模型可提供高质量且可靠的短期概率预测。
解读: 该区域光伏功率概率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。其卷积图神经网络可建模区域内多个光伏电站的空间关联性，为SG系列逆变器集群提供更精准的短期功率预测。概率预测结果可优化PowerTitan储能系统的充放电策略制定，通过预测区间合理配置储能容量，提升系统经济性。参...