找到 3 条结果
大规模风电场的模型降阶：一种数据驱动方法
Model Order Reduction of Large-Scale Wind Farms: A Data-Driven Approach
Zilong Gong · Junyu Mao · Adrià Junyent-Ferré · Giordano Scarciotti · IEEE Transactions on Power Systems · 2024年12月
本文提出了一种针对大规模风电场的模型降阶（MOR）数据驱动算法，并研究了降阶模型（ROM）接入电网后的动态影响。相比传统MOR方法，该算法计算复杂度低，且无需高阶模型的先验知识。利用时域测量数据，所获ROM在选定插值点（频率）处满足矩匹配条件。与现有方法相比，本方法实现了所谓的双边矩匹配，通过加倍插值点数量使精度显著提升。算法在包含200台风电机组的风电场与IEEE 14节点系统的互联模型上验证，通过Bode图、特征值及故障工况下公共连接点电压的对比，验证了降阶模型的有效性。
解读: 该数据驱动的风电场模型降阶技术对阳光电源的大型储能和光伏产品具有重要参考价值。特别是对PowerTitan储能系统和大型地面电站的并网控制，可借鉴其双边矩匹配算法优化系统建模精度。这种低计算复杂度的建模方法有助于提升iSolarCloud平台对大规模新能源场站的实时监控和故障诊断能力。同时，该技术对...
基于相对熵的分布鲁棒联合机会约束最优潮流
Distributionally Robust Joint Chance-Constrained Optimal Power Flow Using Relative Entropy
Eli Brock · Haixiang Zhang · Javad Lavaei · Somayeh Sojoudi · IEEE Transactions on Power Systems · 2025年1月
在不确定性环境下，设计最优潮流（OPF）问题的鲁棒算法对大规模电力系统控制至关重要。机会约束最优潮流（CCOPF）为运行成本与约束满足率之间的权衡提供了自然建模方式。本文提出一种基于分布鲁棒优化（DRO）的数据驱动CCOPF算法，证明所提出的分布鲁棒机会约束重构是精确的，而现有方法多依赖保守近似。我们建立了分布外样本的鲁棒性保证，并证明该解在具有相同保证的所有方法中最优。通过IEEE标准系统的仿真，验证了所提算法相较于现有方法的优越性能。
解读: 该分布鲁棒机会约束最优潮流技术对阳光电源储能系统和光伏并网产品具有重要应用价值。在PowerTitan大型储能系统中，可应用于多时间尺度功率调度优化，在新能源出力不确定性下保证电网约束满足率与经济性平衡。对于ST系列储能变流器的能量管理系统，该数据驱动算法可提升实时调度鲁棒性，避免传统随机优化的过度...
人工智能辅助的三相单级光伏逆变器系统黑箱建模
Artificial Intelligence Aided Black-Box Modeling of Three-Phase Single-Stage Photovoltaic Inverter Systems
Yuxi Men · Junhui Zhang · Xiaonan Lu · Tianqi Hong · IEEE Transactions on Industry Applications · 2025年1月
随着太阳能在配电系统中的渗透率不断提高，对光伏（PV）发电系统进行精确建模和适当控制变得越来越重要。然而，基于逆变器的电源（IBR）的建模和系统辨识颇具挑战性，因为制造商可能不会提供敏感信息（如电气元件的拓扑结构或参数）。仅利用经验数据而无需系统内部细节的黑箱建模方法，可能是解决上述问题的有效途径。同时，鉴于人工神经网络（ANN）具有强大的逼近能力，其可增强用于逆变器主导系统辨识的传统建模方法。本文对电力电子变换器（PEC）的黑箱建模方法进行了综述。此外，本文提出了一种使用非线性自回归外生神经网...
解读: 从阳光电源的业务视角来看，这项基于人工智能的光伏逆变器黑箱建模技术具有重要的战略价值和应用前景。 **业务价值方面**，该技术解决了逆变器系统建模中的核心痛点。在实际应用场景中，电网公司、系统集成商或第三方运维机构往往难以获取逆变器的详细拓扑结构和控制参数，而这项技术仅依靠输入输出数据即可建立精确...