找到 5 条结果
风电渗透率对风火打捆输电系统的影响
Impact of Wind Power Penetration on Wind–Thermal-Bundled Transmission System
Ling Xiang · Hao-Wei Zhu · Yue Zhang · Qing-Tao Yao 等5人 · IEEE Transactions on Power Electronics · 2022年12月
本文探讨了高风电渗透率下风火打捆输电系统的稳定性问题。重点分析了通过高压直流（HVDC）系统传输时，风能渗透率对系统扭振特性及电气特性的影响，为提升大规模新能源接入电网的稳定性提供了理论支撑。
解读: 该研究关注大规模新能源接入后的电网稳定性，与阳光电源风电变流器及大型储能系统（PowerTitan系列）的并网控制策略高度相关。随着风火打捆及高比例新能源接入，电网强度减弱，阳光电源应持续优化变流器的构网型（GFM）控制技术及虚拟同步机（VSG）算法，以应对高渗透率下的次同步振荡及频率稳定性挑战。建...
基于同步旋转坐标系下多窗口平均滤波器的广义谐波提取算法
A Generalized Harmonic Extraction Algorithm Based on Multi-Window Average Filter Under Synchronous Rotating Frame
Shuo Zhang · Cheng Chen · Bowen Ling · Xiang Li 等6人 · IEEE Transactions on Power Electronics · 2023年3月
针对有源电力滤波器在不同负载场景下谐波提取方法选择困难的问题，本文分析了基于Park变换的“频率偏移”特性，提出了一种基于多窗口平均滤波器的广义谐波提取算法，旨在提升谐波检测的稳态精度与动态响应性能。
解读: 该算法在电能质量控制方面具有重要价值。对于阳光电源的组串式逆变器和PowerTitan/PowerStack储能变流器（PCS）而言，在弱电网或复杂负载环境下，谐波提取的精度直接影响并网电流质量和构网型（GFM）控制的稳定性。该广义算法能够提升系统在动态负载变化下的响应速度，减少谐波注入，有助于优化...
具有平滑模式切换的98.1%效率滞环电流模式非反相Buck-Boost DC-DC变换器
98.1%-Efficiency Hysteretic-Current-Mode Noninverting Buck–Boost DC-DC Converter With Smooth Mode Transition
Xiang-En Hong · Jian-Fu Wu · Chia-Ling Wei · IEEE Transactions on Power Electronics · 2017年3月
非反相Buck-Boost DC-DC变换器可在Buck、Boost或Buck-Boost模式下工作，适用于输入电压波动范围大的场景。针对传统四管拓扑因额外开关损耗导致的效率降低问题，本文提出了一种高效率滞环电流控制方案，实现了模式间的平滑过渡，显著提升了变换效率。
解读: 该技术对阳光电源的户用光伏逆变器及储能系统（如PowerStack）具有重要参考价值。在光伏组串电压波动大或电池电压范围宽的应用场景中，非反相Buck-Boost拓扑是提升系统效率的关键。通过优化滞环电流控制与模式切换逻辑，可进一步降低开关损耗，提升整机效率。建议研发团队关注该平滑切换技术，以优化i...
CMLLM：一种用于风电功率预测的新型跨模态大语言模型
CMLLM: A novel cross-modal large language model for wind power forecasting
Guopeng Zhu · Weiqing Ji · Zhitai Xing · Ling Xiang 等6人 · Energy Conversion and Management · 2025年4月 · Vol.330
准确的短期风电功率预测对于保障电网稳定性以及优化风电场-储能系统的运行至关重要。然而，风能固有的随机性和高度波动性给风电功率预测带来了显著挑战。为了利用大语言模型强大的推理能力与高层知识，以精确提取非平稳风电数据中的特征，本文提出了一种用于风电功率预测的跨模态大语言模型（CMLLM）。该模型采用数据跨模态方法并结合预训练的大语言模型，能够高效兼容多种大语言模型，并适应具有不同特性的数据。在CMLLM中，通过引入跨模态迁移学习方法对数据进行综合处理，将数据转换为文本模态，从而避免了对大语言模型进行...
解读: 该跨模态大语言模型风电预测技术对阳光电源储能系统具有重要应用价值。可集成至ST系列PCS和PowerTitan储能系统的智能调度模块,通过精准短期风电功率预测优化风储协同运行策略,提升电网稳定性。该模型的跨模态迁移学习方法和先验知识提示机制,可启发iSolarCloud平台的预测性维护算法升级,增强...
一种用于大型风电场动态数据蒸馏与尾流效应校正的非平稳Transformer功率预测模型
A Non-stationary Transformer model for power forecasting with dynamic data distillation and wake effect correction suitable for large wind farms
Guopeng Zhu · Weiqing Ji · Lifeng Cheng · Ling Xiang 等5人 · Energy Conversion and Management · 2025年1月 · Vol.324
可靠的高精度短期功率预测对于保障电力系统安全和提高风能利用率至关重要。然而，风的随机性和非平稳性特征给大规模风电场（WF）中功率预测精度与效率的提升带来了显著挑战。以往的研究通常未能自适应地增强原始数据的特征，并且忽略了风力涡轮机（WTs）之间尾流效应的影响，从而导致预测精度下降。本文提出了一种基于非平稳Transformer模型的新型功率预测方法，该方法结合了动态数据蒸馏与尾流效应校正，以提升预测性能。在所提出的方法中，设计了一种非平稳Transformer模型用于从监控与数据采集（SCADA...
解读: 该非平稳Transformer风电功率预测技术对阳光电源储能系统具有重要应用价值。动态数据蒸馏和尾流效应校正方法可直接应用于ST系列PCS的能量管理系统,提升大规模风储耦合场景下的功率预测精度。非平稳特征提取能力可集成至iSolarCloud平台的预测性维护模块,优化PowerTitan储能系统的充...