找到 2 条结果 · IEEE Transactions on Power Systems
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。...
一种基于全纯嵌入的鲁棒方法用于快速追踪含极限点的P-V曲线
A Robust Holomorphic Embedding-Based Method for Fast Tracing of P-V Curves With Limiting Points
Wen Zhang · Yusi Zhang · Cuiqing Zhang · Hsiao-Dong Chiang 等5人 · IEEE Transactions on Power Systems · 2025年4月
针对现有连续潮流方法在处理约束极限时存在的收敛性差、速度慢及误判或忽略极限点等问题，本文提出一种结合弧长参数化的增强型全纯嵌入方法（E-HEAP），适用于大规模电力系统。该方法创新性地有效处理发电机物理硬约束与运行限制，并通过小规模伴随矩阵的特征值计算，高效鲁棒地定位首个硬约束越界点。将非线性方程求解转化为线性代数问题，显著提升数值稳定性与效率。算例验证了其在万节点级系统中准确捕捉所有潜在及首个极限点的能力，相较传统预测-校正等方法，在收敛性、计算效率和理论严谨性方面表现更优。
解读: 该全纯嵌入P-V曲线追踪技术对阳光电源大型储能系统（PowerTitan）及光伏逆变器（SG系列）的电网适应性设计具有重要价值。在储能系统并网规划中，该方法可快速准确评估系统接入对电网电压稳定性的影响，识别功率传输极限点，为ST系列储能变流器的功率调度策略提供理论依据。对于构网型GFM控制技术，该算...