找到 3 条结果 · IEEE Transactions on Sustainable Energy
一种基于张量的风电场动态等值建模聚类方法
A Tensor-Based Clustering Method for Dynamic Equivalent Modeling of Wind Farms
Yihao Yang · Yijun Xu · Wei Gu · Lamine Mili 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
采用详细风电机组模型仿真大规模风电场计算成本高昂，亟需兼顾精度的简化建模方法。针对复杂风速条件与网络结构带来的风电场暂态等值精度难题，本文首次提出一种基于张量分解的聚类方法，通过合理分组捕捉风电场高维动态特征，实现精确降阶建模。首先构建保持时空特性的张量结构数据集，进而设计兼顾稀疏性与平滑性的张量分解策略以提取低维特征并指导聚类；最后定制网络聚合策略降低功率损耗误差。多种布局、故障与风况下的仿真结果验证了该方法的优越性能。
解读: 该张量聚类建模方法对阳光电源的大型储能及风电产品具有重要应用价值。可直接应用于PowerTitan储能系统的多机组协调控制和ST系列储能变流器的群控优化,通过降维聚类提升计算效率。对于风电场接入的储能系统,该方法能更精确地预测风电波动特性,优化储能容量配置和调度策略。技术创新点在于通过张量分解捕捉高...
极端天气下的风电功率预测：一种新型少样本学习架构
Wind Power Forecasting Under Extreme Weather: a Novel Few-Shot Learning Architecture
Chuanyu Xu · Shichang Cui · Lishen Wei · Bangxian Zhu 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
针对极端天气下基于神经网络的风电功率预测面临的样本稀缺、常规与极端天气间领域偏移及跨极端条件泛化困难等问题，提出一种新型少样本学习架构。通过引入跨任务元训练的迁移学习策略，降低对样本量的需求并提升跨域泛化能力；设计轻量级参数层以平衡浅层与深层网络的欠拟合与过拟合问题，减少可训练参数并缓解分布偏移；构建跨域风险最小化损失函数，利用二阶梯度提升模型在多样极端条件下的鲁棒性与一致性。基于真实风电场数据的实验表明，该方法显著优于基准模型，在nRMSE和nMAE指标上分别降低2.05%–43.55%和0....
解读: 该少样本学习架构对阳光电源的储能和风电产品线具有重要应用价值。首先可应用于ST系列储能变流器的功率预测与调度优化,提升储能系统在极端天气下的调度效率。其次可集成到iSolarCloud平台,增强风储联合运行的智能预测能力。该技术的跨域迁移学习策略和轻量级参数设计,可优化阳光电源现有的电力预测算法,提...
基于多区域多阶段的自愈式配电网规划与运行
Multi-Area-Multi-Stage Based Self-Healing Distribution Network Planning and Operation
Yifan Deng · Wei Jiang · Junjun Xu · Ke Sun 等6人 · IEEE Transactions on Sustainable Energy · 2024年12月
地震、洪水或战争等极端事件可能导致配电网严重故障和大规模停电。主动孤岛技术可利用分布式资源、智能配电设备及先进控制方法实现多区域自愈。自愈设施包括继电器、开关、分布式电源及基于电力电子的柔性开断点（SOP），其效果不仅取决于设备位置与功能，还需协同考虑多阶段恢复过程的强耦合性。本文首次提出计及恢复时序的多区域多阶段（MAMS）自愈恢复区规划-运行协同方法，定义了灵活恢复区的多个自愈阶段，建立了时变拓扑与运行约束以表征阶段间耦合关系，并采用混合可控负荷部署策略弥补资源容量限制。算例验证了所提模型的...
解读: 该多区域多阶段自愈配电网技术对阳光电源PowerTitan储能系统和SOP柔性开断设备具有重要应用价值。研究提出的时变拓扑与多阶段恢复策略可直接应用于ST系列储能变流器的孤岛运行控制，通过构网型GFM控制实现极端事件下的主动孤岛支撑。多区域协同恢复方法为iSolarCloud平台的智能调度算法提供理...