找到 5 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。...
一种用于消除对称性的紧致机组聚合模型
A Tight Unit Aggregation for Unit Commitment to Eliminate Symmetry
Biyuan Zhang · Tao Ding · Yang Xiao · IEEE Transactions on Power Systems · 2025年6月
机组组合（UC）通常被建模为混合整数线性规划问题，采用经典的分支定界与分支切割算法求解。然而，UC问题中的对称性导致大量无效搜索，显著增加计算负担。本文提出一种具有紧致约束的机组聚合模型，通过对最大聚合出力轨迹施加严格限制，有效消除对称性，在保持最优性的同时显著降低计算时间。数值实验验证了该方法在计算效率方面的有效性。
解读: 该紧致机组聚合模型对阳光电源PowerTitan大型储能系统和iSolarCloud智能运维平台具有重要应用价值。在多机组储能电站调度场景中，同型号ST储能变流器的对称性导致优化算法产生大量冗余搜索，该方法通过聚合建模可显著提升实时调度效率。具体可应用于：1）多MW级储能集群的经济调度优化，降低EM...
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...
基于典范多线性分解的无参数交流状态估计虚假数据注入攻击方法
Parameter-Free False Data Injection Attack Against AC State Estimation: A Canonical Polyadic Decomposition Based Approach
Haosen Yang · Wenjie Zhang · Zipeng Liang · Ziqiang Wang 等6人 · IEEE Transactions on Power Systems · 2024年9月
随着现代电力系统向信息物理系统发展，虚假数据注入攻击（FDIA）等新型威胁日益突出。本文提出一种无需系统参数信息的AC状态估计FDIA新方法。通过将非线性AC模型表示为张量形式，并利用测量数据构建对角张量，采用典范多线性（CP）分解提取其横向列空间，实现隐蔽攻击。该方法未对AC模型做线性化简化，更贴合实际电网特性，易于规避坏数据检测。即使仅有部分传感器数据可用，方法仍具适应性。仿真验证了其有效性与优势。
解读: 该无参数FDIA攻击研究对阳光电源储能及光伏系统的信息安全防护具有重要警示价值。针对ST系列储能变流器和PowerTitan大型储能系统，该研究揭示的基于张量分解的隐蔽攻击手段，提示需在iSolarCloud云平台的状态估计模块中强化坏数据检测算法，特别是针对AC模型非线性特性的防护。建议在构网型G...
一种面向微电网的两阶段自适应供需管理框架：考虑设备老化的资产规划与点对点负瓦特交易
A Two-Stage Adaptive Supply-Demand Management Framework for Microgrids: Aging-Aware Asset Planning and Peer-to-Peer Negawatt Trading
Chenxi Zhang · Jing Qiu · Yi Yang · IEEE Transactions on Power Systems · 2024年12月
本文提出一种新颖的两阶段自适应微电网供需管理框架，兼顾设备老化特性与动态供需交互，提升系统运行效率与经济性。第一阶段引入老化感知的资产规划方法，优化分布式能源选址定容，并量化其性能衰退及运维成本增长，避免传统规划中成本低估与容量过剩问题；第二阶段采用点对点负瓦特交易机制，激励用户调节可控负荷，降低购电成本并增强供需响应能力。基于改进IEEE 33节点系统的仿真验证了该框架在成本效益与运行可靠性方面的显著优势，为未来微电网中老化感知资源集成与用户参与电力市场提供了有效路径。
解读: 该两阶段供需管理框架对阳光电源ST系列储能系统和PowerTitan大型储能方案具有重要应用价值。老化感知资产规划方法可优化储能变流器和电池系统的选址定容策略，通过量化功率器件和电池的性能衰退曲线，改进iSolarCloud平台的预测性维护算法，避免容量配置过剩。点对点负瓦特交易机制可集成到微电网E...