找到 3 条结果
人工智能辅助的三相单级光伏逆变器系统黑箱建模
Artificial Intelligence Aided Black-Box Modeling of Three-Phase Single-Stage Photovoltaic Inverter Systems
Yuxi Men · Junhui Zhang · Xiaonan Lu · Tianqi Hong · IEEE Transactions on Industry Applications · 2025年1月
随着太阳能在配电系统中的渗透率不断提高，对光伏（PV）发电系统进行精确建模和适当控制变得越来越重要。然而，基于逆变器的电源（IBR）的建模和系统辨识颇具挑战性，因为制造商可能不会提供敏感信息（如电气元件的拓扑结构或参数）。仅利用经验数据而无需系统内部细节的黑箱建模方法，可能是解决上述问题的有效途径。同时，鉴于人工神经网络（ANN）具有强大的逼近能力，其可增强用于逆变器主导系统辨识的传统建模方法。本文对电力电子变换器（PEC）的黑箱建模方法进行了综述。此外，本文提出了一种使用非线性自回归外生神经网...
解读: 从阳光电源的业务视角来看，这项基于人工智能的光伏逆变器黑箱建模技术具有重要的战略价值和应用前景。 **业务价值方面**，该技术解决了逆变器系统建模中的核心痛点。在实际应用场景中，电网公司、系统集成商或第三方运维机构往往难以获取逆变器的详细拓扑结构和控制参数，而这项技术仅依靠输入输出数据即可建立精确...
基于耗散的动力学感知学习方案用于网络化黑箱构网型逆变器的暂态稳定性分析
Dissipation-Based Dynamics-Aware Learning Scheme for Transient Stability Analysis of Networked Black-Box Grid-Forming Inverters
Zhong Liu · Jialin Zheng · Xiaonan Lu · IEEE Transactions on Power Electronics · 2025年9月
基于耗散性的稳定性分析方法借助李雅普诺夫函数，在评估基于逆变器的电力系统暂态稳定性方面应用广泛。然而，特定厂商的逆变器控制方案具有专有性，这常常导致逆变器模型成为“黑箱”，透明度有限。同时，目前仍需要一个“通用”的暂态稳定性评估框架，以替代当前实践中通常采用的针对特定案例的设计。为克服这些局限性，本文提出了一种基于耗散性的动态感知学习方案，用于对含网络化黑箱型电网形成逆变器的电网进行暂态稳定性分析。与传统的黑箱建模方法不同，传统方法学习逐点轨迹映射作为输出特性，而所提出的方法直接学习状态变量的导...
解读: 从阳光电源的业务视角来看，这项基于耗散理论的黑箱构网型逆变器暂态稳定性分析技术具有重要的战略价值。随着我司大规模储能系统和构网型逆变器在高比例新能源电网中的广泛应用，系统暂态稳定性评估已成为制约项目落地的关键技术瓶颈。 该技术的核心创新在于突破了传统方法对精确数学模型的依赖，通过神经网络直接学习系...
面向高比例逆变器电力系统的耦合全阶动态整体小信号稳定性分析
Holistic Small-Signal Stability Analysis for Large-Scale Inverter-Intensive Power Systems With Coupled and Full-Order Dynamics From Control Systems and Power Networks
Lizhi Ding · Yuzhu Ouyang · Xiaonan Lu · Junjie Qin 等6人 · IEEE Transactions on Industry Applications · 2024年10月
基于逆变器的电源（IBR）在现有电力系统中的渗透率不断提高，这为增强可持续性带来了巨大益处，但同时也在惯性不足、潜在不稳定以及复杂的网络动态等方面带来了不可避免的挑战。然而，电网跟随型（GFL）和电网形成型（GFM）IBR 与其他组件（即同步发电机 [SG]、负载和网络等）之间的相互作用所引入的额外耦合尚未得到清晰的探究。目前仍缺乏一个涵盖控制系统和电网的全面、可扩展且定量的稳定性分析框架。为填补这一技术空白，本文建立了一个包含旋转发电单元和 IBR 的整个系统的整体小信号模型。提出了一个扩展的...
解读: 从阳光电源的业务视角来看，这项关于大规模逆变器密集型电力系统小信号稳定性的全局分析技术具有重要战略价值。随着公司光伏逆变器和储能系统在全球电网中的渗透率持续提升，该研究所关注的跟网型（GFL）和构网型（GFM）逆变器之间的耦合交互问题，正是阳光电源在高比例新能源接入场景下亟需解决的核心技术挑战。 ...