找到 2 条结果
电网边缘的机器学习：面向无模型逆变器的数据驱动阻抗建模
Machine Learning at the Grid Edge: Data-Driven Impedance Models for Model-Free Inverters
Yufei Li · Yicheng Liao · Liang Zhao · Minjie Chen 等8人 · IEEE Transactions on Power Electronics · 2024年8月
未来电网将由大量连接可再生能源的智能逆变器支撑，其动态特性通常表现为阻抗，对电网稳定性和韧性至关重要。由于逆变器物理实现差异大且往往涉及商业机密，传统的解析阻抗建模方法受限。本文提出了一种数据驱动的阻抗建模方法，利用机器学习技术在无需已知内部物理模型的情况下，准确表征逆变器的阻抗特性，为电网稳定性分析提供新思路。
解读: 该研究对于阳光电源的组串式光伏逆变器及PowerTitan/PowerStack储能系统具有重要应用价值。随着电网渗透率提升，弱电网下的谐振抑制与稳定性控制是行业痛点。通过引入数据驱动的阻抗建模，阳光电源可在iSolarCloud智能运维平台中实现更精准的电网交互特性监测，优化逆变器在复杂电网环境下...
基于灾害抗性的配电网飓风期间时空风险分析
Hazard Resistance-Based Spatiotemporal Risk Analysis for Distribution Network Outages During Hurricanes
Luo Xu · Ning Lin · Dazhi Xi · Kairui Feng 等5人 · IEEE Transactions on Power Systems · 2024年9月
近年来，极端天气事件导致的停电频发，精准评估电力系统最脆弱环节——配电网的时空停运风险对提升系统韧性至关重要。序列蒙特卡洛（SMC）方法虽广泛用于极端天气下的时空风险分析，但其在时序模拟中重复采样时不变脆弱性函数，易高估高频采样下演变灾害的损毁程度。为此，本文提出一种基于灾害抗性的时空风险分析方法（HRSRA），将元件失效概率转换为时不变的灾害抗性进行建模。该方法可自适应融合高时空分辨率气象模型，结合电力系统地理信息与物理风场模型，利用波多黎各真实时序停电数据（含2022年菲奥娜飓风）验证了其优...
解读: 该飓风期间配电网时空风险分析技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器的韧性设计具有重要价值。基于灾害抗性的HRSRA方法可精准识别极端天气下配电网脆弱节点，为储能系统的选址部署、容量配置提供决策依据。结合iSolarCloud云平台的气象数据融合能力，可实现储能系统在飓风等...