找到 5 条结果
基于工具增强型大语言模型的电网模型生成
Power Grid Model Generation Based on the Tool-augmented Large Language Model
Kaihang Deng · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等5人 · IEEE Transactions on Power Systems · 2025年9月
电网模型是电力系统研究及人工智能应用的基础。由于安全原因，公开可用的电网模型极为有限，亟需生成具有特定拓扑结构和潮流特性的模型。鉴于电网模型通常以结构化文本形式存储，可将其生成问题转化为结构化文本生成任务，大语言模型（LLMs）在此类任务中表现出色。受此启发，本文提出一种基于工具增强型大语言模型的电网模型生成新方法，支持用户通过自然语言描述按需生成电网模型。数值结果表明，该方法能有效生成满足指定需求的电网模型。
解读: 该工具增强型大语言模型的电网建模技术对阳光电源具有重要应用价值。在储能系统方面，可快速生成不同电网拓扑下的PowerTitan系统仿真模型，优化ST系列储能变流器的并网控制策略验证；在光伏逆变器领域，支持SG系列产品在复杂配电网场景下的GFM/GFL控制算法测试，加速1500V系统的电网适应性分析；...
通过同宿分岔消除构网型变流器的同步失稳
Eliminating Synchronization Instability of Grid-Forming Converters by Removing the Periodic Orbit via Homoclinic Bifurcation
Yuqian Zhang · Qinglai Guo · Hongbin Sun · IEEE Transactions on Sustainable Energy · 2025年6月
构网型变流器可为电力系统提供频率和电压支撑，是高比例电力电子与可再生能源接入系统中的关键设备。然而，在大扰动后可能发生同步失稳，其本质为系统状态被周期轨道捕获。本文提出一种通过同宿分岔消除该周期轨道以根除同步失稳的新方法。首先引入振荡指数估计系统接近同宿分岔的程度，并推导周期轨道灵敏度以评估控制参数对振荡指数的影响；进而利用该指数及其灵敏度估算触发同宿分岔所需的参数调整量。提出方法的应用框架亦被给出，并通过仿真与实验验证了其有效性。
解读: 该同宿分岔稳定性控制技术对阳光电源构网型产品具有重要应用价值。针对ST系列储能变流器和PowerTitan大型储能系统，该方法可从根本上消除大扰动后的同步失稳风险，显著提升GFM控制模式下的暂态稳定性。所提出的振荡指数和周期轨道灵敏度分析方法，可集成到阳光电源现有VSG控制算法中，实现参数自适应优化...
面向多方风电功率预测的隐私保护自适应联邦深度学习
Privacy-Preserving and Adaptive Federated Deep Learning for Multiparty Wind Power Forecasting
Yi Wang · Qinglai Guo · IEEE Transactions on Industry Applications · 2024年7月
先进的预测工具对于现代电力系统减轻可再生能源的不确定性至关重要。尽管数据驱动的方法在风电预测方面取得了显著进展，但数据可用性有限阻碍了其有效性。严格的数据监管规则和竞争利益使得相邻风电场无法整合数据集以学习更准确的预测模型。为应对这一挑战，我们提出了 SecFedAProx - LSTM，这是一种结合深度学习模型和隐私保护自适应联邦学习框架的新型风电预测方法。该方法动态调整局部优化目标，以在全局收敛性能和探索个体特征之间取得平衡，从而解决统计异质性问题。此外，它采用去中心化多客户端功能加密进行安...
解读: 从阳光电源的业务视角来看，本文提出的隐私保护自适应联邦学习风电预测方法具有重要的战略参考价值。虽然研究聚焦于风电场景，但其核心技术框架可直接迁移至光伏功率预测、储能系统优化及多能源协同管理等阳光电源的核心业务领域。 该技术的核心价值在于突破了数据孤岛困境。当前阳光电源在全球部署了大量光伏电站和储能...
电力系统暂态稳定评估中神经网络的鲁棒性认证
Robustness Certification of Neural Networks for Power System Transient Stability Assessment
Liangyuchen Lu · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等6人 · IEEE Transactions on Power Systems · 2025年5月
神经网络（NNs）可快速准确地评估电力系统安全性，但对输入微小扰动的鲁棒性有限，可能导致误判。现有鲁棒性认证方法在暂态稳定评估中面临物理约束与敏感动态的挑战。为此，本文提出考虑物理可行性的鲁棒性比率指标及两阶段认证框架，通过嵌入系统物理约束推导非平凡鲁棒下界，并利用优化样本的稳定性验证获取上界。基于该框架开展模型选择与对抗训练，提升模型鲁棒性。在新英格兰10机系统及实际区域电网中的验证表明所提方法有效。
解读: 该神经网络鲁棒性认证技术对阳光电源PowerTitan大型储能系统及构网型控制产品具有重要应用价值。在储能系统参与电网暂态稳定支撑时，需快速准确评估系统安全裕度，但传统神经网络模型易受扰动影响导致误判。该研究提出的物理约束嵌入式认证框架可应用于：1）ST系列储能变流器的GFM控制策略优化，通过鲁棒性...
基于隐私保护的物理信息深度算子代理模型的电–气耦合系统连锁故障实时主动控制
Real-time proactive control of cascading failures in integrated electricity–gas systems based on a privacy-preserving physics informed deep operator surrogate model
Jiachen Zhang · Qinglai Guo · Yanzhen Zhou · Hongbin Sun · Applied Energy · 2025年1月 · Vol.401
摘要 随着电力系统与天然气网络之间耦合程度的加深，两类系统间的故障传播风险也随之上升，威胁综合能源系统的安全运行。然而，采用传统数值方法进行动态能量流分析存在计算效率低下的问题，难以满足实时紧急控制的需求。此外，系统之间直接共享模型与数据在实际应用中仍不可行。为应对上述挑战，本文提出了一种面向电–气耦合系统（IEGS）连锁故障的快速主动控制方法，利用物理信息驱动的天然气网络代理模型显著加速安全分析过程。所提出的框架结合了物理信息驱动的深度算子神经网络（PI-DeepONet），以实现故障条件下快...
解读: 该电-气耦合系统级联故障预测技术对阳光电源储能系统具有重要价值。基于物理信息深度学习的实时故障预测方法可应用于PowerTitan储能系统与iSolarCloud平台,实现多能源系统协同控制。其隐私保护数据压缩技术可增强ST系列PCS在综合能源场景的安全性,支持虚拟电厂VPP应用中电储气多系统协调。...