Ke Yang · Xin Wang · Quan Zhang · Guangchao Geng 等5人 · IEEE Transactions on Power Delivery · 2025年5月

现有LCC-HVDC系统时域仿真在精度与效率之间存在权衡。电磁暂态模型虽精确但计算成本高，准稳态模型高效却难以准确描述换相过程，尤其在不对称故障下表现不足。本文提出一种基于神经网络的准稳态模型（NN-QSS），可精确刻画LCC-HVDC动态特性，有效识别换相失败，并适用于不平衡故障场景。通过改进的IEEE 39节点系统、中国某省级实际电网及CIGRE标准系统硬件在环验证表明，该模型在准稳态尺度下动态响应接近电磁暂态模型，换相失败识别准确率较现有方法提升18.8%。

解读: 该神经网络增强的LCC-HVDC准稳态建模技术对阳光电源大型储能系统和光伏并网产品具有重要应用价值。在PowerTitan储能系统中，可借鉴NN-QSS方法建立储能变流器快速仿真模型，实现电网故障下的换相失败预测与主动保护，提升ST系列储能变流器在不对称故障工况下的低电压穿越能力。该技术将准稳态建模...