找到 4 条结果
基于改进平方和规划的构网型-跟网型并联系统暂态稳定性分析
Transient Stability Analysis of Grid Forming-Grid Following Paralleled System Using Improved Sum-of-Squares Programming
Zhongrui Qiu · Yang Wang · Xianyong Xiao · Xiaorong Xie 等5人 · IEEE Transactions on Power Delivery · 2025年9月
本文基于Lyapunov直接法研究构网型与跟网型变流器并联系统（GFM-GFL）的暂态稳定性。提出一种改进的平方和（SOS）规划方法，用于构建低保守性的Lyapunov函数。该方法简化了传统SOS约束，并可根据吸引域（DOA）的保守性自适应调节SOS参数，相较现有数值Lyapunov方法具有更快的计算速度和更低的保守性，从而实现更精确的暂态稳定性评估。进一步利用DOA体积量化分析系统参数对稳定性的影响。最后通过对比研究验证了所提方法的有效性。
解读: 该改进SOS规划方法对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。当前储能系统普遍采用GFM-GFL混合并联架构，该研究提供的低保守性暂态稳定性评估工具可直接用于：1）优化ST储能变流器的GFM/GFL控制参数整定，提升大扰动下的稳定裕度；2）通过DOA体积量化分析...
并网型并联构网逆变器暂态稳定性的定量分析及其无功功率控制考虑
Quantitative Transient Stability Analysis for Parallel Grid-Tied Grid-Forming Inverters Considering Reactive Power Control
作者未知 · IEEE Transactions on Power Electronics · 2025年1月
近年来，单一并网构网型逆变器（GFMI）系统的暂态稳定性已得到深入分析，但考虑无功功率控制的并联 GFMI 系统的定量暂态稳定性分析尚未得到研究。为填补这一空白，本文新建立了考虑逆变器间相互作用的并联 GFMI 系统的等效大信号模型。基于该模型，新构建了考虑无功功率控制动态、阻尼耗散和相互作用效应的与路径无关的李雅普诺夫函数（LF），用于定量暂态稳定性分析，该函数可获取最大吸引域以进行稳定性预测、估计临界清除时间并表征稳定裕度。与传统的李雅普诺夫函数相比，吸引域的保守性和估计临界清除时间的误差显...
解读: 从阳光电源的业务实践来看，这项关于并联构网型逆变器暂态稳定性的量化分析研究具有重要的工程应用价值。随着我们在大型光伏电站、储能系统以及微电网解决方案中越来越多地采用构网型逆变器技术，多机并联运行已成为常态场景，该研究直接切中了当前技术痛点。 论文的核心贡献在于建立了考虑逆变器间交互作用的等效大信号...
基于稳定性的强化学习控制在电力电子变换器中的应用：一种李雅普诺夫方法
Stability-Guided Reinforcement Learning Control for Power Converters: A Lyapunov Approach
Yihao Wan · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年1月
强化学习（RL）因其处理非线性和自学习能力而在电力电子领域受到关注。合理配置下，RL智能体可通过与变换器系统交互自主学习最优控制策略。类似于传统的有限控制集模型预测控制（FCS-MPC），RL可学习最优开关策略并实现良好控制性能。然而，RL控制器改变闭环动态特性，给系统稳定性保障与评估带来挑战。为此，本文提出构造李雅普诺夫函数以引导智能体在提升控制性能的同时确保闭环稳定性，并通过推导电压控制误差收敛的紧致集量化系统的实用稳定域。最后，在实验平台上验证了所提方法的有效性，仿真与实验结果均表明该方法...
解读: 该李雅普诺夫引导的强化学习控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。相比传统FCS-MPC，该方法通过李雅普诺夫函数保障闭环稳定性，同时利用RL自学习能力优化开关策略，可显著提升储能变流器在复杂工况下的动态响应和鲁棒性。技术可直接应用于构网型GFM控制器...
基于耗散的动力学感知学习方案用于网络化黑箱构网型逆变器的暂态稳定性分析
Dissipation-Based Dynamics-Aware Learning Scheme for Transient Stability Analysis of Networked Black-Box Grid-Forming Inverters
Zhong Liu · Jialin Zheng · Xiaonan Lu · IEEE Transactions on Power Electronics · 2025年9月
基于耗散性的稳定性分析方法借助李雅普诺夫函数，在评估基于逆变器的电力系统暂态稳定性方面应用广泛。然而，特定厂商的逆变器控制方案具有专有性，这常常导致逆变器模型成为“黑箱”，透明度有限。同时，目前仍需要一个“通用”的暂态稳定性评估框架，以替代当前实践中通常采用的针对特定案例的设计。为克服这些局限性，本文提出了一种基于耗散性的动态感知学习方案，用于对含网络化黑箱型电网形成逆变器的电网进行暂态稳定性分析。与传统的黑箱建模方法不同，传统方法学习逐点轨迹映射作为输出特性，而所提出的方法直接学习状态变量的导...
解读: 从阳光电源的业务视角来看，这项基于耗散理论的黑箱构网型逆变器暂态稳定性分析技术具有重要的战略价值。随着我司大规模储能系统和构网型逆变器在高比例新能源电网中的广泛应用，系统暂态稳定性评估已成为制约项目落地的关键技术瓶颈。 该技术的核心创新在于突破了传统方法对精确数学模型的依赖，通过神经网络直接学习系...