找到 2 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Koopman算子的物理信息数据驱动可再生能源主导电力系统振荡抑制策略
Physics Informed Data-Driven Oscillation Stabilization Strategy for Renewable-Dominant Power Systems Based on Koopman Operator
Zihan Wang · Gengyin Li · Ziyang Huang · Xiaonan Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年1月
随着波动性可再生能源发电（REGs）的高比例接入，振荡现象在全球范围内频繁出现。与传统电力系统中的低频振荡不同，以可再生能源为主导的电力系统中的振荡频率更高，涉及更多非线性因素，严重威胁着系统的稳定运行。振荡稳定控制设计的主要技术挑战在于以可再生能源为主导的电力系统具有非线性、复杂性，且难以获取其模型。为应对这一范式转变，本文提出了一种基于柯普曼算子（KO）的物理信息驱动的数据驱动振荡稳定控制（PDOS）策略，该策略具有强可解释性和高计算效率的优点。首先，基于柯普曼算子实现了非线性动态的全局线性...
解读: 从阳光电源的业务视角来看，这项基于Koopman算子的物理信息驱动振荡稳定技术具有重要的战略价值。随着全球新能源渗透率持续攀升，我们在实际项目中已观察到高频振荡问题日益突出，这与传统电力系统的低频振荡特性存在本质差异，对我们的光伏逆变器和储能系统控制策略提出了新挑战。 该技术的核心价值在于通过Ko...