找到 2 条结果

排序:
储能系统技术 储能系统 ★ 5.0

迈向100%可再生能源电网:综述

Toward 100% Renewable Power Grids: A Review

Yayu Yang · Yan Wen · Zhengfa Zhang · Yuqing Dong 等6人 · IEEE Access · 2025年1月

本文综述100%可再生能源电网面临的技术挑战。可再生能源的波动性和不可预测性使电力平衡复杂化,逆变器型资源IBR渗透率提高引入谐振稳定性等新挑战。IBR的动态行为和故障响应与同步发电机显著不同,传统保护方案逐渐失效。文章综述电力平衡、电网灵活性、稳定性增强和先进保护策略的最新解决方案,评估近期技术进展,为实现弹性100%可再生电网提供关键研究方向。

解读: 该综述与阳光电源构网型储能技术发展方向一致。阳光电源PowerTitan2.0储能系统支持构网型GFM控制,可为高比例新能源电网提供惯量和电压支撑,解决逆变器型资源带来的稳定性问题。阳光1500V光伏逆变器和储能变流器具备低电压穿越、快速频率响应等先进电网支撑功能。结合阳光iSolarCloud智慧...

系统并网技术 深度学习 ★ 4.0

基于深度学习初始化与同伦延拓的牛顿-拉夫逊交流潮流收敛

Newton-Raphson AC Power Flow Convergence Based on Deep Learning Initialization and Homotopy Continuation

Samuel N. Okhuegbe · Adedasola A. Ademola · Yilu Liu · IEEE Transactions on Industry Applications · 2024年12月

潮流计算是许多电力系统研究的基础。随着可再生能源渗透率的提高,电网规划者倾向于在各种运行条件下进行多次潮流模拟,而不仅仅是在高峰或轻载条件下选取特定时刻进行模拟。对于电网规划者而言,尤其是在大型电网中,使交流潮流(ACPF)计算收敛仍是一项重大挑战。本文提出了一种两阶段方法来提高牛顿 - 拉夫逊交流潮流计算的收敛性,并将其应用于拥有6102个母线的得克萨斯州电力可靠性委员会(ERCOT)系统。第一阶段采用基于深度学习的初始化方法并进行数据再训练。在此阶段,开发了一个深度神经网络(DNN)初始化器...

解读: 从阳光电源的业务视角来看,这项基于深度学习和同伦延拓法改进牛顿-拉夫逊潮流计算收敛性的研究具有重要的战略价值。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,电网规划面临的潮流计算挑战日益严峻,这项技术为解决大规模新能源并网场景下的电网仿真难题提供了创新思路。 该研究在6102节点的ER...