找到 2 条结果
基于精确小信号建模的电网阻抗自适应VSG控制
Grid Impedance Adaptive VSG Control Based on Accurate Small-Signal Modelling
Minyang Wang · Yuxin Yang · Yuchen Zhang · Mir Nahidual Ambia 等6人 · IEEE Transactions on Industry Applications · 2025年3月
可再生能源的广泛整合增加了基于逆变器的发电，削弱了电网强度和惯性，给电力系统稳定性带来了挑战。为解决这些问题，虚拟同步发电机（VSG）控制作为一种现代电网形成（GFM）技术应运而生，它能够自主提供有功和无功功率，以支撑电网频率和电压。然而，当VSG逆变器在强电网条件下运行时，在固定参数设置下可能会出现功率振荡，使电网难以达到稳定状态。在这种情况下，基于频率变化率（RoCoF）的传统稳定性分析是不够的，需要基于系统阻抗变化的先进分析方法并进一步改进。本文提出了一种精确的VSG逆变器小信号模型以及一...
解读: 该电网阻抗自适应VSG控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过精确小信号建模实时识别电网阻抗变化，可显著提升弱电网环境下储能系统的构网型GFM控制性能。该自适应调节机制能够动态优化虚拟惯性和阻尼参数，增强系统在电网阻抗波动时的稳定裕度，特别适用于高...
训练集再应用:基于相似样本的电力系统主导失稳模式识别物理可靠框架
Reapplication of Training Set: A Physically Reliable Framework for Power Systems Dominant Instability Mode Identification Using Similar Samples
Yutian Lan · Shanyang Wei · Wei Yao · Yurun Zhang 等6人 · IEEE Transactions on Power Systems · 2025年8月
准确且在物理上可靠地识别主导不稳定模式（DIM）对于确保电力系统的安全稳定运行至关重要。数据驱动模型，尤其是深度学习（DL），在应对这一挑战方面取得了显著进展。然而，深度学习的“黑箱”特性限制了其可解释性，导致结果不可靠，这与电力系统严格的可靠性要求相冲突。为解决这一问题，本文提出了一种新颖的 DIM 识别框架，通过重新应用训练集样本提高识别的准确性和可靠性。首先，提出了一种训练方法，以增强 DIM 模型的抗噪声能力和对相似样本的聚类能力，实现高精度的 DIM 识别。此外，还开发了一种两阶段可解...
解读: 该失稳模式识别技术可应用于阳光电源智慧能源管理系统的稳定性监控。通过数据驱动的失稳模式识别,及时发现光伏并网系统和储能系统的潜在失稳风险,优化控制策略,提升大规模新能源并网的稳定性,为电网安全运行提供预警支持。...