李晗 · 李萌 · 王垚鑫 · 马骏超 等7人 · 中国电机工程学报 · 2025年3月 · Vol.45

基于数据驱动的神经网络建模广泛用于电力电子设备多工况阻抗/导纳建模，但实测导纳样本少且受测量噪声影响，导致数据质量差，模型预测误差大。为此，本文提出一种考虑测量误差的多工况导纳建模方法。以预测值与真实值的均方误差为指标指导网络训练，分析电压电流噪声对导纳测量的影响，建立测量误差与模型性能的关系，并采用贝叶斯算法搜索最优参数，抑制噪声干扰，提升模型精度。通过构建双馈感应发电机的BP神经网络导纳模型，在含测量误差的数据集中验证了方法的有效性。

解读: 该研究的数据驱动导纳建模方法对阳光电源的储能和光伏产品线具有重要应用价值。首先，可用于ST系列储能变流器和SG系列光伏逆变器的阻抗特性建模，提升系统稳定性分析精度。其次，该方法考虑实际测量误差的影响，通过贝叶斯优化提高模型鲁棒性，这对提升PowerTitan等大型储能系统的并网性能和iSolarCl...