找到 2 条结果
基于期望实现的深度学习的风电功率与爬坡率确定性及概率预测
Deterministic and Probabilistic Forecasting of Wind Power Generation and Ramp Rate With Expectation-Implemented Deep Learning
Min-Seung Ko · Hao Zhu · Kyeon Hur · IEEE Transactions on Sustainable Energy · 2025年7月
准确的日前风电功率确定性与概率预测对电力系统可靠高效运行至关重要，尤其在以可再生能源为主导的系统中。同时，风电固有的波动性要求对爬坡率进行日前预测以保障能量平衡。为此，本文提出一种小时级日前预测框架，可同时预测风电出力与爬坡率。该框架采用基于定制损失函数的期望实现深度学习模型，结合特征构造与前馈误差学习策略，在多任务间保持平衡并提升性能。框架进一步融合异构模型输出，生成发电量与爬坡率的概率预测。基于真实数据的实验验证了各模块的有效性，结果表明所提方法能有效识别风电内在波动特性，充分挖掘其应用潜力...
解读: 该风电功率与爬坡率预测技术对阳光电源储能产品线具有重要应用价值。可直接应用于PowerTitan大型储能系统的调度优化,通过深度学习模型预测风电波动特性,提前部署储能容量与功率配置。对ST系列储能变流器的GFM控制策略也有重要参考意义,可基于预测结果优化VSG参数设置,提升系统稳定性。此外,该技术可...
基于事件大小和转子转速的风力发电机合成惯性控制
Synthetic Inertia Control for a Wind Turbine Generator Based on Event Size and Rotor Speed
Jongwon Kang · Yong Cheol Kang · Kyu-Ho Kim · Kicheol Kang 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
为在避免转子转速过度下降的前提下提升频率最低点，风力发电机的合成惯性控制需根据事件幅值和转子转速动态调节增量功率。传统阶跃式控制在大扰动下因预设功率不匹配实际需求而受限。本文提出一种依据频率偏差及转子转速调节增量功率的控制策略，支持阶段采用与转速成正比的控制增益，而非依赖频率变化率，有效响应功率失衡但易受噪声与延迟影响；恢复阶段则按转速调整有功参考值，确保运行安全并平滑回归最大功率追踪。仿真验证了该方法在大扰动及低风速下显著改善频率响应且避免转子过减速。
解读: 该合成惯性控制策略对阳光电源储能变流器和大型风光储项目具有重要参考价值。基于事件大小和转子转速的动态功率调节机制,可优化ST系列储能变流器的GFM控制算法,提升系统频率支撑能力。该方案避免过度功率输出导致的系统不稳定,特别适用于PowerTitan大型储能系统在新能源高渗透率场景下的一次调频应用。控...