找到 4 条结果 · IEEE Transactions on Sustainable Energy
基于数据驱动均值修正递归估计的最优分布式能源调度用于配电网电压控制
Data-Driven Mean-Corrected Recursive Estimation-Based Optimal DER Dispatch for Distribution System Voltage Control
Haoyi Wang · Yiyun Yao · Junbo Zhao · Fei Ding · IEEE Transactions on Sustainable Energy · 2025年5月
智能逆变器的最新进展为缓解配电系统中高渗透率分布式光伏（PV）引发的电压越限问题提供了可能。本文提出一种基于测量驱动、以最优潮流（OPF）为核心的分布式能源管理系统（DERMS）电压调控方法，通过递归灵敏度估计实现对分布式光伏逆变器的协调控制。该方法利用可观测的电网与可控分布式能源数据，无需依赖系统模型，具备适应性和鲁棒性。提出均值修正递归岭回归（MCRRR）算法，通过闭式解持续更新负荷灵敏度因子（LSF），有效应对功率注入变化和拓扑重构等动态运行条件。所提方法建模为线性规划（LP）问题，可扩展...
解读: 该数据驱动电压控制技术对阳光电源SG系列光伏逆变器和ST储能系统具有重要应用价值。其无模型递归灵敏度估计方法可直接集成至iSolarCloud平台，实现大规模分布式光伏电站的协调电压控制。MCRRR算法的闭式解特性适合嵌入逆变器DSP控制器，提升SG逆变器在高渗透率场景下的自适应无功调节能力。线性规...
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...
基于风险场景感知的日前风电出力预测框架
A Framework of Day-Ahead Wind Supply Power Forecasting by Risk Scenario Perception
Mao Yang · Yutong Huang · Zhao Wang · Bo Wang 等5人 · IEEE Transactions on Sustainable Energy · 2025年1月
大规模风电并网背景下，风电功率预测对电力系统安全稳定运行至关重要。现有预测方法重统计精度而轻应用风险，导致预测值与实际调度需求脱节。为此，本文提出一种考虑风险场景感知的风电出力预测（WSPF）框架。首先结合数值天气预报风速波动信息，利用TimesNet识别预测中的风险场景；其次构建有效消纳区与供电风险区评价指标，并据此优化预测曲线修正方案；最后融合多种预测模型进行验证。在中国内蒙古某风电集群的应用结果表明，该方法使WSPF平均精度提升37%，验证了其有效性与普适性。
解读: 该风电预测框架对阳光电源的储能和风电变流产品具有重要应用价值。首先，TimesNet风险场景识别技术可集成至ST系列储能变流器的调度控制系统，优化储能容量配置和充放电策略。其次，风险区评价方法可应用于PowerTitan大型储能系统的调峰调频功能设计，提升系统对风电波动的响应能力。此外，该预测框架也...
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...