找到 2 条结果
双馈风力发电机电力电子变流器多物理场时频域故障检测与隔离技术
Multiphysical Time- and Frequency-Domain Fault Detection and Isolation Technique for Power-Electronic Converters in DFIG Wind Turbines
Marcelo Nesci Soares · Yves Mollet · Michel Kinnaert · Johan Gyselinck 等5人 · IEEE Transactions on Power Electronics · 2020年1月
本文提出了一种针对双馈风力发电机（DFIG）变流器功率器件开路故障的多物理场时频域检测与隔离方法。通过结合电气参数的时频域分析指标，该方法有效降低了故障误报率，提升了风电变流系统在复杂工况下的运行可靠性与故障诊断精度。
解读: 该技术对阳光电源风电变流器产品线具有重要参考价值。风电变流器作为风电机组的核心部件，其功率模块的可靠性直接影响电站运维成本。通过引入多物理场时频域分析，可优化现有变流器的故障诊断算法，提升对IGBT开路故障的预警能力。建议将该方法集成至iSolarCloud智能运维平台，通过大数据分析实现风电变流器...
基于多智能体强化学习的混合风电-氢能电站日前交易与功率控制
Day-ahead trading and power control for hybrid wind-hydrogen plants with multi-agent reinforcement learning
Stijn Allya · Timothy Verstraeten · Ann Nowéb · Jan Helsen · Applied Energy · 2025年12月 · Vol.401
摘要 海上风电场及混合风电-氢能电站在多个收益来源中获取收入，而每个来源均存在不确定性与权衡关系，因此最大化其整体盈利能力具有挑战性。由于电力通常在实际发电前进行交易，天气预报在电力交易策略中起着关键作用。此外，其他市场参与者交易与控制策略会影响公共电网的平衡，从而影响通过电网调频所能获得的收益。同时，电解槽的运行状态可能影响当前及近期的氢气生产潜力。为应对上述挑战，本文提出一种新颖的多智能体强化学习（MARL）方法，包含两个专门设计的强化学习（RL）智能体：一个负责日前电力市场交易，另一个负责...
解读: 该多智能体强化学习技术对阳光电源风储氢一体化系统具有重要应用价值。可应用于ST系列储能变流器与电解制氢设备的协同优化控制:日前交易智能体优化PowerTitan储能系统的电力市场竞价策略,实时控制智能体动态调节风电并网与电解槽功率分配。结合iSolarCloud平台的气象预测与市场数据,该MARL架...