找到 5 条结果
基于物理信息神经网络的含非线性频率约束线性交流最优潮流框架的电力系统前瞻调度
Look-ahead Dispatch of Power Systems Based on Linear Alternating Current Optimal Power Flow Framework with Nonlinear Frequency Constraints Using Physics-informed Neural Networks
Guoqiang Sun1Qihui Wang2Sheng Chen3Zhinong Wei4Haixiang Zang5 · 现代电力系统通用与清洁能源学报 · 2025年1月 · Vol.1
可再生能源渗透率的提高削弱了电力系统的频率稳定性。本文提出一种基于线性交流最优潮流框架并计及非线性频率约束的前瞻调度模型以应对该问题。为提升求解效率，引入物理信息神经网络（PINN）准确预测关键频率控制参数。PINN确保学习结果符合真实物理频率动态模型，所预测参数可加速调度模型求解，使其能高效调用商用求解器完成计算。在改进的IEEE 118节点系统上的数值仿真验证了所提模型的有效性与优势。
解读: 该基于PINN的前瞻调度技术对阳光电源储能系统和光伏产品具有重要应用价值。在PowerTitan大型储能系统中，可通过PINN快速预测频率响应参数，优化ST系列储能变流器的一次调频策略，提升电网频率支撑能力。对于工商业光伏场景，该线性化OPF框架结合非线性频率约束，可集成到iSolarCloud平台...
基于稀疏模型集成学习策略的主动配电网有功调度端到端协同优化
End-to-End Collaborative Optimization for Active Distribution Network Power Dispatch Based on Sparse Model-Ensemble Learning Policy
Lilin Cheng · Kang Sun · Haixiang Zang · Guoqiang Sun 等5人 · IEEE Transactions on Sustainable Energy · 2025年8月
随着分布式可再生能源渗透率的提高，新型主动配电网日益采用灵活调节策略。源荷双侧不确定性给配电网调度带来显著挑战，传统“先预测后优化”方法难以量化实时调度与理论最优之间的性能差距。为此，本文提出一种端到端协同优化策略，直接利用格点化气象数值预报等多源信息进行调度决策，省去功率预测中间环节。为应对高维开放场景下的模型训练难题，引入稀疏模型集成学习构建调度策略，并采用约束策略优化求解。算例表明，该策略在光伏无功辅助服务与需求响应场景中优于传统方法。
解读: 该端到端协同优化技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器的智能调度具有重要应用价值。通过跳过传统功率预测环节，直接基于气象数据进行调度决策，可显著提升iSolarCloud云平台的实时响应能力。稀疏模型集成学习策略适用于ST储能变流器的多场景自适应控制，特别是在光伏无功辅助服务...
一种原理约束的风场图像生成框架用于短期风电功率预测
A Principle-Constrained Wind Field Image Generation Framework for Short-Term Wind Power Forecasting
Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月
随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...
解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...
采用两自由度交错PWM的并联电压源变换器供电电机驱动系统的改进型直流链电流
Improved DC-Link Current for Parallel VSC-Fed Motor Drives With 2DoF Interleaving PWM
Li Ding · Jihang Sun · Siqi Wang · Guoqiang Zhang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
交错并联三相电压源变换器广泛应用于中高功率场合。除环流外，脉宽调制策略对直流链电流纹波的影响是决定直流电容设计、进而影响系统可靠性与寿命的关键因素。现有研究主要针对空间矢量调制、正弦脉宽调制和断续脉宽调制展开，但对新型两自由度（2DoF）PWM的研究尚属空白。本文分析了不同调制指数和功率因数范围下2DoF交错PWM的直流链电流特性，结果表明其在低调制比或高功率因数条件下性能更优。同时，深入分析了环流对直流链电流纹波的影响，并综合评估了共模电压、环流及输出质量。实验结果验证了该策略在低中速范围内显...
解读: 该两自由度交错PWM技术对阳光电源多条产品线具有重要应用价值。在**新能源汽车驱动系统**中，可直接应用于并联VSC电机控制器，通过优化直流链电流纹波降低电容应力，提升系统可靠性与寿命。在**ST系列储能变流器**和**大功率光伏逆变器**中，并联拓扑的交错PWM优化可减小直流侧滤波需求，提高功率密...