找到 3 条结果 · IEEE Transactions on Sustainable Energy
通过同宿分岔消除构网型变流器的同步失稳
Eliminating Synchronization Instability of Grid-Forming Converters by Removing the Periodic Orbit via Homoclinic Bifurcation
Yuqian Zhang · Qinglai Guo · Hongbin Sun · IEEE Transactions on Sustainable Energy · 2025年6月
构网型变流器可为电力系统提供频率和电压支撑，是高比例电力电子与可再生能源接入系统中的关键设备。然而，在大扰动后可能发生同步失稳，其本质为系统状态被周期轨道捕获。本文提出一种通过同宿分岔消除该周期轨道以根除同步失稳的新方法。首先引入振荡指数估计系统接近同宿分岔的程度，并推导周期轨道灵敏度以评估控制参数对振荡指数的影响；进而利用该指数及其灵敏度估算触发同宿分岔所需的参数调整量。提出方法的应用框架亦被给出，并通过仿真与实验验证了其有效性。
解读: 该同宿分岔稳定性控制技术对阳光电源构网型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，该方法可从根本上消除大扰动后的同步失稳风险，显著提升GFM控制模式下的暂态稳定性。所提出的振荡指数和周期轨道灵敏度分析方法，可集成到阳光电源现有VSG控制算法中，实现参数自适应优化...
基于模型优化的残差深度强化学习在逆变器型电压-无功控制中的应用
Residual Deep Reinforcement Learning With Model-Based Optimization for Inverter-Based Volt-Var Control
Qiong Liu · Ye Guo · Lirong Deng · Haotian Liu 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
提出一种基于近似模型驱动优化的残差深度强化学习（RDRL）方法，用于主动配电网中的逆变器型电压-无功控制（IB-VVC）。通过改进的马尔可夫决策过程统一建模模型驱动与RDRL方法，RDRL在模型基策略动作基础上学习残差动作。该方法继承了近似模型优化的控制能力，并通过残差策略学习增强策略优化性能。由于实际中获取的近似模型通常较为可靠，模型优化所得动作接近最优，从而缩小残差动作搜索空间，提升评论器逼近精度并降低执行器搜索难度。仿真结果表明，RDRL在学习过程中显著提升优化性能，并在69节点和141节...
解读: 该残差深度强化学习方法对阳光电源ST系列储能变流器和PowerTitan大型储能系统的电压-无功控制具有重要应用价值。技术可直接应用于：1）ST系列储能变流器的智能VVC控制策略，通过残差学习优化逆变器无功输出，提升电网电压支撑能力；2）PowerTitan储能系统的多机协调控制，在iSolarCl...
一种避免模仿现象的短期概率波浪能功率预测方法
A Mimicking-Avoiding Short-Term Probabilistic Power Forecasting Method for Wave Energies
Haoxuan Chen · Yinliang Xu · Hongbin Sun · IEEE Transactions on Sustainable Energy · 2024年10月
波浪能在可持续海洋开发中具有重要作用，但复杂的海洋气象条件导致波浪功率输出波动，引发预测中的模仿现象。此外，精确数值天气预报（NWP）数据的缺乏加剧了预测偏差。为此，本文提出一种序列特征感知（SCP）方法，并结合改进的混合模型——分位数自由损失门控循环单元核密度估计（QLB-GRU-KDE），用于浮式波浪能吸收系统的概率化功率预测。首先通过集成方法获取先验知识，再利用自由损失函数缓解模仿现象，并采用GRU与KDE融合模型实现概率预测。同时提出量化模仿严重程度的评估指标。基于真实波浪数据的实验验证...
解读: 该波浪能概率预测方法对阳光电源储能系统和智能运维平台具有重要借鉴价值。其提出的序列特征感知与QLB-GRU-KDE混合模型可迁移至ST系列储能变流器的功率预测场景，解决海上风电、光伏等新能源输出波动导致的预测'模仿现象'问题。该方法的分位数自由损失函数可优化iSolarCloud平台的预测性维护算法...