找到 2 条结果 · IEEE Transactions on Sustainable Energy
一种不对称故障下两级式光伏并网系统的多目标双层LVRT控制策略
A Multi-Objective Bi-Level LVRT Control Strategy for Two-Stage PV Grid-Connected System Under Asymmetrical Faults
Yiqian Wang · Qi Zhao · Wen Zhang · Tingting Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着光伏系统在电力系统中的渗透率不断提高，光伏并网系统的低电压穿越（LVRT）控制受到广泛关注。本文提出一种适用于两级式光伏并网系统的多目标双层LVRT控制策略，在不对称故障下兼顾正负序电压支撑能力与系统安全运行。交流层控制网侧逆变器，直流层调节升压变换器。交流层实施电网电压支撑策略，提升公共耦合点的正负序电压；通过自适应调节电流参考值，在实现最大电压支撑的同时抑制逆变器过流与直流链路电压振荡。直流层根据交流层提供的功率参考，利用补偿电流快速稳定直流电压。仿真与实验结果验证了该策略在不同工况下的...
解读: 该多目标双层LVRT控制策略对阳光电源SG系列光伏逆变器及PowerTitan储能系统具有重要应用价值。其双层协同控制架构可直接应用于两级式拓扑产品：网侧逆变器实现电网电压支撑与过流抑制，DC/DC变换器快速稳定直流母线电压。该策略的自适应电流参考调节机制可增强阳光电源产品在不对称故障下的正负序电压...
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...