找到 2 条结果 · IEEE Transactions on Sustainable Energy
一种用于风电机组的非线性传动系统扭振阻尼器：在平衡噪声抑制能力下的强鲁棒抗扰
A Nonlinear Drivetrain Torsional Oscillation Damper for WTGs: Robust Rejection of Large Disturbances with Balanced Noise Immunity
Bi Liu · Qi Huang · Lijia Xu · Weihao Hu · IEEE Transactions on Sustainable Energy · 2025年9月
针对风电机组（WTG）并网运行中传动系统扭振在非线性和不确定性影响下引发的稳定性问题，尤其在大扰动及测量噪声条件下的挑战，本文提出一种基于自抗扰控制（ADRC）框架的非线性传动系统扭振阻尼器（DTOD）。通过微分同胚坐标变换，将非线性传动系统模型精确转化为二阶Brunovsky标准型，并采用归一化多目标频域优化方法对扩展状态观测器（ESO）和非线性状态误差反馈（NLSEF）参数进行Pareto最优整定，在增强大扰动抑制能力的同时兼顾噪声鲁棒性。该DTOD仅依赖本地测量信号，具备完全去中心化与可扩...
解读: 该非线性传动系统扭振阻尼技术对阳光电源储能和风电产品线具有重要应用价值。基于ADRC的扭振抑制方法可优化ST系列储能变流器和PowerTitan系统中的机电耦合控制,提升大容量储能系统的稳定性。其抗扰性和噪声免疫特性可应用于风电变流器的传动系统控制,增强风机并网运行可靠性。该技术的去中心化特点契合阳...
因果机制赋能的零标签学习在新建光伏电站发电功率预测中的应用
Causal Mechanism-Enabled Zero-Label Learning for Power Generation Forecasting of Newly-Built PV Sites
Pengfei Zhao · Weihao Hu · Di Cao · Rui Huang 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
针对新建光伏（PV）电站因缺乏历史发电数据导致的功率预测难题，本文提出一种无需任何标注样本的无监督零标签学习方法。通过挖掘不同电站间的不变因果结构，并利用因果机制提升目标电站的预测性能。设计了因果赋能的域自适应网络（CEDAN），结合内外注意力机制从时滞数据片段中提取发电因果关联，并构建域适应损失函数以对齐源域与目标域的因果分布差异。进一步扩展为分位数域适应损失以应对输出不确定性。联合优化域适应与预测损失，实现跨域不变因果机制的学习，从而在无标签情况下完成高泛化性功率预测。基于真实数据的实验表明...
解读: 该零标签功率预测技术对阳光电源iSolarCloud智能运维平台和SG系列光伏逆变器具有重要应用价值。针对新建光伏电站缺乏历史数据的痛点，通过因果机制实现无标签跨域迁移学习，可直接应用于阳光电源新部署站点的发电预测模块。该方法提升7.57%的确定性预测精度，能优化iSolarCloud平台的智能诊断...