找到 4 条结果 · IEEE Transactions on Sustainable Energy
一种具有动态不确定性集合的可再生能源电力系统定量消纳保障鲁棒调度方法
A Quantitative Accommodation Guaranteed Robust Scheduling Method for Renewable Power System with Dynamic Uncertainty Set
Lianyong Zuo · Shengshi Wang · Jiakun Fang · Yong Sun 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
为降低碳排放，风电在电力系统中的渗透率不断提高，但其波动性和随机性给系统可靠运行与有效消纳带来挑战。本文提出一种面向风电接入电力系统的定量消纳保障鲁棒调度方法。首先构建风电出力的动态不确定性集，并据此提出可量化系统可实现消纳水平的随机消纳率指标；在此基础上，采用隐式仿射策略保证调度策略的非预见性，并结合系统最大与最小消纳率评估结果构建随机消纳率约束，将其嵌入调度模型以提供定量消纳保障。基于改进的6节点、14节点和118节点系统的仿真验证了所提方法的有效性与优越性。
解读: 该研究提出的定量消纳保障鲁棒调度方法对阳光电源储能产品线具有重要应用价值。可直接应用于PowerTitan大型储能系统的EMS能量管理算法中,通过动态不确定性集和随机消纳率指标,优化储能系统对风电波动的平抑效果。该方法也可集成到iSolarCloud平台,提升储能调度的智能化水平。对ST系列储能变流...
基于气泡熵融合与SCAD正则化的鲁棒模糊认知图在光伏发电预测中的应用
Learning a Robust Fuzzy Cognitive Map Based on Bubble Entropy Fusion With SCAD Regularization for Solar Power Generation
Shoujiang Li · Jianzhou Wang · Hui Zhang · Yong Liang · IEEE Transactions on Sustainable Energy · 2025年2月
精确可靠的光伏功率预测对智能电网的经济调度与稳定运行至关重要。针对太阳能固有的间歇性、非平稳性和随机性导致现有方法难以满足高精度预测需求的问题，本文提出一种结合气泡熵与平滑截断绝对偏差（SCAD）正则化的模糊认知图（FCM）预测方法（BesFCM）。该方法利用气泡熵融合两种模态分解技术以增强光伏数据特征的稳定性与判别性，构建融合模糊逻辑、神经网络与专家系统的FCM模型，并引入高阶SCAD正则化学习机制抑制过拟合，提升模型鲁棒性与泛化能力。实验结果表明，该方法在比利时多区域、多采样间隔的光伏数据集...
解读: 该鲁棒模糊认知图预测技术对阳光电源iSolarCloud智能运维平台和PowerTitan储能系统具有重要应用价值。其气泡熵融合与SCAD正则化方法可显著提升光伏功率预测精度，直接优化SG系列逆变器的MPPT算法和功率预测模块。在储能侧，精准的发电预测能改进ST系列储能变流器的充放电策略，降低备用容...
一种用于稳定含恒功率负载的三相四线三电平光伏-储能微电网运行的新型虚拟阻抗补偿算法
Novel Virtual Impedance Compensation Algorithm for Operation Stabilization of 3P4L3L PV-BES Microgrids With Constant Power Loads
Yi Zhu · Huiqing Wen · Yong Yang · Caifeng Wen 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
本文提出一种包含光伏阵列、电池储能系统和恒功率负载的混合微电网系统，采用三相四线三电平拓扑作为主功率接口。随着恒功率负载渗透率的提高，系统运行稳定性面临严峻挑战。为此，本文提出虚拟阻抗补偿方法以抑制由恒功率负载引发的不稳定与振荡问题。首先建立主功率接口（特别是三相四线三电平变换器与恒功率负载）的小信号模型，并基于奈奎斯特判据分析级联系统的稳定性。随后提出两种补偿策略，并通过稳定性裕度对比其性能。实验结果验证了所提方法的有效性，表明虚拟阻抗补偿可有效提升高比例恒功率负载下微电网的稳定性。
解读: 该虚拟阻抗补偿技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。文中针对三相四线三电平拓扑的恒功率负载稳定性问题，与阳光电源三电平储能变流器架构高度契合。在光储微电网场景中，充电桩、数据中心等恒功率负载占比提升会引发负阻抗失稳，该补偿算法可集成至ST储能系统的控制策...
考虑隐变量相互辅助的电力系统高斯混合模型不确定性建模
Gaussian Mixture Model Uncertainty Modeling for Power Systems Considering Mutual Assistance of Latent Variables
Xiao Yang · Yuanzheng Li · Yong Zhao · Yang Li 等6人 · IEEE Transactions on Sustainable Energy · 2024年1月
高斯混合模型（GMM）与狄利克雷过程混合模型（DPMM）常用于刻画电力系统中的不确定性，通常采用期望最大化（EM）算法求解。然而，在处理大规模不确定变量数据时，传统方法难以在较低时间消耗下准确获取模型参数。为此，本文提出一种考虑隐变量相互辅助的GMM不确定性建模方法。首先构建不确定变量的GMM，利用条件概率描述隐变量间的相互辅助关系；进而改进EM算法，在E步和M步中引入条件概率，并重新推导GMM参数的闭式解。基于澳大利亚实际风电与负荷数据的实验结果表明，所提方法在建模效率与精度方面均优于传统GM...
解读: 该研究提出的GMM不确定性建模方法对阳光电源储能和风电产品具有重要应用价值。该方法可应用于ST系列储能变流器和PowerTitan系统的功率预测与调度优化,提升系统对风电、负荷等不确定性的建模精度。特别是在大规模储能电站中,该方法可提高计算效率,为iSolarCloud平台提供更准确的发电/用电预测...