找到 4 条结果 · IEEE Transactions on Sustainable Energy
一种基于主动阴影的光伏系统故障检测与定位新方法
A Novel Active Shadow-Based Fault Detection and Localization Method for Photovoltaic Systems
Zhoucheng Xu · Kai Yang · Zexin Nie · Yalun Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年9月
光伏系统故障检测对运行安全至关重要。传统方法在正常运行条件下难以准确识别和定位故障，且依赖复杂传感器配置。本文提出一种基于主动阴影（AS）的故障检测方法，通过在光伏组件上引入主动遮蔽装置并按特定序列施加阴影，分析阵列输出功率变化，实现无需中断正常运行的快速故障检测与精确定位。构建基于串联子串的多层级高精度仿真模型，并定义识别系数（IC）评估算法性能，验证了该方法在复杂部分遮阴及短路、开路故障下适用于不同规模光伏阵列的故障定位能力。实际光伏阵列实验进一步证实了该方法的可行性与鲁棒性。
解读: 该主动阴影故障检测技术对阳光电源SG系列光伏逆变器及iSolarCloud智能运维平台具有重要应用价值。通过主动遮蔽装置引入可控阴影序列，结合功率变化分析实现组件级故障精确定位，可集成至阳光电源现有MPPT算法框架，增强SG逆变器的智能诊断能力。该方法无需额外传感器配置，适合大规模光伏阵列快速巡检，...
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...
多电压等级双极性直流配电系统的综合电压调节方法
Comprehensive Voltage Regulation for Multi-Voltage Bipolar DC Distribution Systems
Xiaodong Yang · Chengjia Zhang · Lijian Ding · Jie Yang 等6人 · IEEE Transactions on Sustainable Energy · 2025年8月
光伏接入不对称及直流源荷的时变特性导致多电压等级双极性直流（MBDC）配电系统出现极间不平衡、越限和不稳定等多重电压问题。本文基于多电压层级双极潮流，提出一种综合电压调节方法以提升系统整体电压性能。首先构建适用于多子系统优化的双极直流潮流模型，结合双极配电系统与双极直流变压器（DCT）建模；进而分析不同电压层级下电压问题成因，确定电力电子设备的调控策略。针对传统方法仅能处理单一电压层级单一问题的局限，本文通过协调跨电压层级的异构资源，实现多层级协同调控，增强电能质量改善能力并避免设备过度使用。在...
解读: 该多电压等级双极性直流配电系统综合电压调节技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的双极直流潮流模型和多层级协同调控策略，可直接应用于阳光电源直流侧储能系统的电压管理优化，解决光伏接入不对称导致的极间不平衡问题。特别是跨电压层级异构资源协调控制方法...
基于元强化学习的自适应可解释储能控制应对动态场景
Meta Reinforcement Learning Based Adaptive and Interpretable Energy Storage Control Meets Dynamic Scenarios
Yibing Dang · Jiangjiao Xu · Fan Yang · Changjun Jiang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着可再生能源的广泛应用，储能系统在能量调度与经济套利中发挥关键作用。传统强化学习方法因泛化能力有限，在高动态环境下易出现性能下降。本文提出一种基于元强化学习的储能控制框架，包含离线训练与在线适应阶段，通过双循环更新机制和多任务学习获得高泛化性的初始参数，并结合Shapley值方法增强决策可解释性。实验表明，该模型在多种动态微网场景下适应性强，性能较传统方法提升20%至50%，且调度决策特征贡献分析符合人类直觉。
解读: 该元强化学习储能控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其自适应双循环更新机制可显著提升储能系统在光伏出力波动、负荷变化等动态场景下的调度性能，相比传统方法提升20%-50%的经济效益直接增强产品市场竞争力。Shapley值可解释性分析可集成至iSol...