找到 2 条结果
计及频率安全约束的输配一体化系统两阶段鲁棒机组组合
Incorporating Frequency Security Constraints in Two-Stage Robust Unit Commitment of Integrated Transmission and Distribution System
Rufeng Zhang · Yanjing Chen · Kefei Yan · Zhengmao Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月
随着高比例可再生能源的接入，输电与配电系统独立运行难以实现优化调度并保障频率安全。为此，本文提出一种计及频率约束的两阶段鲁棒机组组合（TRO-FCUC）模型。考虑分布式能源（DERs）在惯性响应和一次频率响应中的调节能力，构建了基于热电机组、风电场与DERs协同作用的动态频率约束。基于不确定性集合，建立TRO-FCUC模型，并采用列与约束生成（C&CG）算法结合强对偶理论，将其转化为混合整数二阶锥规划（MISOCP）模型进行迭代求解。算例分析表明，输配系统协同运行可充分挖掘DERs的调频潜力，在...
解读: 该输配一体化频率安全约束技术对阳光电源ST系列储能系统和SG光伏逆变器产品线具有重要应用价值。研究提出的DERs惯性响应与一次调频协同控制策略，可直接应用于PowerTitan储能系统的频率支撑功能优化，通过虚拟同步机VSG技术实现快速惯性响应。两阶段鲁棒优化方法为iSolarCloud平台的输配协...
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...