找到 2 条结果
风机参与系统一次调频虚拟惯量优化控制
Optimal Control of Virtual Inertia for Wind Turbines Participating in Primary Frequency Regulation
王祺 · 余鹏 · 郭建伟 · 张泽轲 等6人 · 中国电机工程学报 · 2025年16月 · Vol.45
为应对新能源大规模接入导致的电力系统频率响应恶化问题，风电机组参与调频成为研究热点。然而，传统虚拟惯量控制与风机固有速度控制器之间存在冲突，削弱了调频能力，且现有方法未充分考虑系统对惯量与阻尼的需求。为此，提出一种风电机组虚拟惯量优化控制策略。通过建立含虚拟惯量控制的系统频率响应模型，量化频率变化率与最大频率偏差的安全范围；结合风机安全运行约束，构建电磁功率与转子动能释放的约束函数；进而设计满足系统需求与设备安全的虚拟惯量优化控制方案，并整定关键控制参数。基于PSCAD/EMTDC的仿真结果验证...
解读: 该风机虚拟惯量优化控制技术对阳光电源储能与新能源并网产品具有重要借鉴价值。核心技术可直接应用于：1）ST系列储能变流器的一次调频功能，通过优化虚拟惯量参数整定，解决VSG控制与功率控制器冲突问题，提升PowerTitan系统调频响应速度与精度；2）SG光伏逆变器的构网型GFM控制策略，建立电磁功率与...
训练集再应用:基于相似样本的电力系统主导失稳模式识别物理可靠框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月
准确且在物理上可靠地识别主导不稳定模式（DIM）对于确保电力系统的安全稳定运行至关重要。数据驱动模型，尤其是深度学习（DL），在应对这一挑战方面取得了显著进展。然而，深度学习的“黑箱”特性限制了其可解释性，导致结果不可靠，这与电力系统严格的可靠性要求相冲突。为解决这一问题，本文提出了一种新颖的 DIM 识别框架，通过重新应用训练集样本提高识别的准确性和可靠性。首先，提出了一种训练方法，以增强 DIM 模型的抗噪声能力和对相似样本的聚类能力，实现高精度的 DIM 识别。此外，还开发了一种两阶段可解...
解读: 该失稳模式识别技术可应用于阳光电源智慧能源管理系统的稳定性监控。通过数据驱动的失稳模式识别,及时发现光伏并网系统和储能系统的潜在失稳风险,优化控制策略,提升大规模新能源并网的稳定性,为电网安全运行提供预警支持。...