找到 3 条结果
面向弱电网谐波交互的逆变器虚拟模型预测控制及灵活输出阻抗整形
Virtual Model Predictive Control for Inverters to Achieve Flexible Output Impedance Shaping in Harmonic Interactions With Weak Grids
Zhenwei Li · Haoyu Li · Shaohua Sun · IEEE Transactions on Power Electronics · 2024年9月
基于阻抗的方法是研究弱电网谐波交互的有效手段。针对有限控制集模型预测控制（FCS-MPC）逆变器因非线性动态导致输出阻抗建模困难的问题，本文提出了一种虚拟模型预测控制策略，实现了逆变器输出阻抗的灵活整形，从而提升了弱电网下的并网稳定性。
解读: 该研究直接针对阳光电源核心产品（如组串式逆变器和大型地面电站逆变器）在弱电网环境下的并网稳定性挑战。随着全球光伏渗透率提升，电网强度普遍下降，谐波交互引发的振荡问题日益突出。本文提出的阻抗整形技术可有效优化逆变器在弱电网下的动态响应，建议研发团队将其应用于iSolarCloud智能运维平台的仿真模型...
不平衡电网条件下基于非理想比例谐振控制器的MMC-HVDC环流抑制策略
Circulating Current Suppressing Strategy for MMC-HVDC Based on Nonideal Proportional Resonant Controllers Under Unbalanced Grid Conditions
Shaohua Li · Xiuli Wang · Zhiqing Yao · Tai Li 等5人 · IEEE Transactions on Power Electronics · 2015年1月
模块化多电平换流器（MMC）是高压直流输电（HVDC）的关键拓扑。本文针对不平衡电网工况，提出了一种基于静止αβ坐标系下非理想比例谐振（PR）控制器的内环电流控制策略，有效抑制了MMC内部环流，提升了系统在复杂电网环境下的运行稳定性。
解读: 该研究针对MMC拓扑在复杂电网环境下的控制优化，对阳光电源的集中式逆变器及大型储能系统（如PowerTitan系列）具有重要参考价值。随着光伏与储能电站向高压、大容量方向发展，MMC技术在大型光储电站并网及直流输电场景的应用日益广泛。该文提出的非理想PR控制策略能够提升系统在电网电压不平衡时的抗扰动...
可解释的物理深度学习模型用于架空输电线路覆冰厚度预测
Explainable Physical Deep-Learning Model for Overhead Transmission Line Icing-Thickness Prediction
Hui Hou · Yi Wan · Zhenguo Wang · Shaohua Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
全球变暖导致极端天气事件频发，其中频繁发生的冰灾对电力系统的稳定性构成了重大威胁。随着预测模型复杂度的增加，必须同时确保其准确性和可解释性。因此，我们提出了一种用于架空输电线路覆冰厚度预测的可解释物理深度学习模型。首先，通过白鲸优化（BWO）方法构建了一个优化模型，该模型可使预测误差最小化。其次，将深度学习预测模型与物理模型和长短期记忆网络（LSTM）模型相结合。物理模型考虑了诸如风偏角、风荷载和冰荷载等物理定律。此外，我们使用沙普利加性解释法来阐释输入特征对输出特征及模型预测结果的影响。最后，...
解读: 该覆冰预测技术对阳光电源户外电力设备具有重要防护价值。针对ST系列储能变流器和PowerTitan大型储能系统的户外部署场景，可通过集成气象传感器与物理深度学习模型，实现设备覆冰风险的提前预警，触发主动加热或功率调节策略。对于SG系列光伏逆变器，该可解释AI方法可借鉴至iSolarCloud智能运维...