找到 2 条结果
一种基于模态耗散能量流的混合振荡源识别方法
A Modal Dissipating Energy Flow Analysis Method for Identifying the Hybrid Oscillation Sources in Power Systems
Weiyu Wang · Yijia Cao · Yong Li · Zhenyu Li · IEEE Transactions on Power Systems · 2025年9月
本文提出了一种基于模态耗散能量流（MDEF）的方法，用于识别电力系统中的混合振荡源。首先利用Koopman算子理论从量测数据构建原非线性系统的等效线性模型，并对该模型进行模态分析，以识别关键振荡模态，并将各设备的量测量分解为不同的模态分量。基于这些分量，定量计算每个设备对各关键模态的耗散能量贡献，从而准确识别不同振荡源。在改进基准系统上的案例研究验证了所提MDEF方法的有效性。
解读: 该混合振荡源识别技术对阳光电源储能系统和新能源并网产品具有重要应用价值。在PowerTitan大型储能系统中，可用于识别多台ST系列储能变流器并联运行时的振荡源头，区分是控制参数失配还是电网侧扰动引发的次同步/超同步振荡。对于构网型GFM控制的储能系统，该方法基于Koopman算子的数据驱动特性，能...
机制对AI识别振荡源是否重要？一个案例研究
Are Mechanisms Important for AI to Identify Oscillation Sources? A Case Study
Peili Liu · Wenjuan Du · Qiang Fu · Haifeng Wang · IEEE Transactions on Sustainable Energy · 2025年9月
并网风力发电机组可能引发电力系统次同步振荡（SSO）。由于难以获取机组详细参数，基于数据驱动的AI方法被视为识别振荡源的潜在手段。然而，风电系统中的SSO机制较传统系统更为复杂多样，而现有AI研究多基于单一机制数据进行训练与验证，忽视了实际中不同甚至未知机制的存在。本文通过负阻尼与开环模态谐振两类典型SSO机制的案例研究，初步探讨机制对AI识别振荡源的影响，并开展可解释性分析。结果揭示了AI模型在不同机制下的泛化能力差异，为AI在SSO源识别中的应用提供了深入洞见。
解读: 该研究对阳光电源的储能和风电变流器产品线具有重要参考价值。针对ST系列储能变流器和风电变流器的GFM/GFL控制系统，可借鉴文中AI识别SSO源的方法，提升系统对不同振荡机制的适应性。特别是在大规模新能源并网场景下，通过AI辅助快速识别振荡源，可增强产品的电网友好性。建议在PowerTitan等大型...