找到 1 条结果
电网边缘的机器学习：面向无模型逆变器的数据驱动阻抗建模
Machine Learning at the Grid Edge: Data-Driven Impedance Models for Model-Free Inverters
Yufei Li · Yicheng Liao · Liang Zhao · Minjie Chen 等8人 · IEEE Transactions on Power Electronics · 2024年8月
未来电网将由大量连接可再生能源的智能逆变器支撑，其动态特性通常表现为阻抗，对电网稳定性和韧性至关重要。由于逆变器物理实现差异大且往往涉及商业机密，传统的解析阻抗建模方法受限。本文提出了一种数据驱动的阻抗建模方法，利用机器学习技术在无需已知内部物理模型的情况下，准确表征逆变器的阻抗特性，为电网稳定性分析提供新思路。
解读: 该研究对于阳光电源的组串式光伏逆变器及PowerTitan/PowerStack储能系统具有重要应用价值。随着电网渗透率提升，弱电网下的谐振抑制与稳定性控制是行业痛点。通过引入数据驱动的阻抗建模，阳光电源可在iSolarCloud智能运维平台中实现更精准的电网交互特性监测，优化逆变器在复杂电网环境下...