找到 2 条结果
基于数据驱动与知识驱动方法的可再生能源并网系统在线振荡稳定性评估
Online Oscillatory Stability Assessment of Renewable Energy Integrated Systems Based on Data-Driven and Knowledge-Driven Method
Lei Gao · Jing Lyu · Xin Zong · Xu Cai 等5人 · IEEE Transactions on Power Delivery · 2025年5月
随着可再生能源的大规模接入，现代电力系统宽频振荡风险显著增加。然而，可再生能源单元的黑/灰箱特性限制了其稳定性的有效分析。尽管阻抗测量或矢量拟合方法理论上可揭示模型特性，但在实时在线评估中面临挑战。为此，本文提出一种数据驱动与知识驱动相结合的方法，实现可再生能源并网系统的实时振荡稳定性评估。首先，采用数据驱动方法构建基于人工神经网络的宽频阻抗辨识模型；其次，结合场站拓扑与运行工况，在线获取可再生能源电站的宽频阻抗；进而，基于阻抗数据提出适用于复杂系统的在线稳定性评估方法。最后，通过中国某实际系统...
解读: 该宽频振荡稳定性在线评估技术对阳光电源PowerTitan储能系统和SG系列光伏逆变器具有重要应用价值。文章提出的神经网络阻抗辨识方法可集成至iSolarCloud平台，实现ST储能变流器和光伏逆变器在不同工况下的实时阻抗特性监测，有效预警次同步/超同步振荡风险。该数据驱动与知识驱动融合的评估框架可...
一种用于锂离子电池退化轨迹预测的合成数据生成方法及进化型Transformer模型
A synthetic data generation method and evolutionary transformer model for degradation trajectory prediction in lithium-ion batteries
Haiyan Jin · Rui Ru · Lei Cai · Jinhao Meng 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 在锂离子电池使用的早期阶段识别其长期退化行为，对于电池管理系统（BMS）在实际应用中有效维护电池至关重要。然而，由于电池在生产和运行条件方面存在差异，该过程面临较大挑战。近年来，已有研究经验证明，数据驱动方法在处理退化预测问题上具有良好的应用前景。然而，合适数据的缺乏仍是影响预测最终性能的主要障碍。此外，预测结果还受到预测器设置的影响，包括神经网络结构及其超参数的设定。实现该过程自动化的挑战至今仍未得到解决。在本研究中，我们提出了一种新颖的退化轨迹预测框架。首先，通过条件生成对抗网络（CG...
解读: 该锂电池退化预测技术对阳光电源储能系统具有重要价值。通过CGAN合成数据和Transformer模型可显著提升ST系列PCS及PowerTitan储能系统中BMS的预测精度,解决早期退化识别难题。自动化超参数优化框架可集成至iSolarCloud平台,实现储能电站电池全生命周期健康管理和预测性维护,...