找到 2 条结果
基于机器学习的高压输电线路电晕损耗预测
Forecasting Corona Losses on High Voltage Transmission Lines Using Machine Learning
Pradeep Kumar Gupta · Kaur Tuttelberg · Jako Kilter · IEEE Transactions on Power Delivery · 2025年7月
本文研究了机器学习在高压架空输电线路电晕损耗预测中的应用。由于气象条件与电晕损耗之间关系高度复杂，准确预测具有挑战性。模型构建采用了沿线多个气象站两年的气象数据及线路两端的PMU测量数据，结合XGBoost和集成随机森林（ERF）回归算法，考虑多变量气象输入。研究设计了四种预测场景：不同时间步长预测、季节性预测、多线路联合预测以及特征缩减对预测精度的影响。最优模型在98%的数据点上误差控制在±0.5 kW/km以内，均方根误差为0.16 kW/km。精确预测有助于提升系统可靠性并降低运行成本。
解读: 该电晕损耗预测技术对阳光电源PowerTitan大型储能系统和iSolarCloud智能运维平台具有重要应用价值。在高压并网场景中，储能系统需精确评估输电线路损耗以优化充放电策略和能量管理。研究中的XGBoost多变量气象预测模型（RMSE 0.16 kW/km）可集成至ST系列储能变流器的EMS能...
利用需求响应进行电压与无功功率控制研究中的负荷建模
Utilizing Demand Response in Load Modelling for Voltage and Reactive Power Control Studies
Imre Drovtar · Madis Leinakse · Kaur Tuttelberg · Jako Kilter · IEEE Transactions on Power Systems · 2024年7月
现代电力系统中电源与负荷结构不断变化，系统运行日益接近稳定极限。在此背景下，评估电网电压与无功功率控制时需更加重视需求响应（DR）的潜力与方案。本文详细探讨了面向电压与无功控制的DR相关负荷建模方法，提出一种基于无功功率-电压（QV）分析的方法，用于评估负荷在接近额定电压条件下通过DR提供电压支撑的能力。研究涵盖静态与动态负荷模型等不同建模方式，并分析其对电压与无功控制的影响及局限性。结果表明，DR可有效集成于综合负荷模型中，支持现有规划模型下的无功与电压控制分析，对电网运营商和规划人员确定研究...
解读: 该需求响应负荷建模技术对阳光电源储能与电网支撑产品具有重要应用价值。在PowerTitan大型储能系统中，可结合QV分析方法优化无功功率控制策略，提升电压支撑能力；ST系列储能变流器可基于动态负荷模型实现更精准的电压调节响应。对于构网型GFM控制技术，该研究提供的综合负荷模型可增强虚拟同步机VSG在...