找到 3 条结果
一种基于模型预测控制的光伏功率平抑储能控制方法
An MPC-Based ESS Control Method for PV Power Smoothing Applications
Mingyu Lei · Zilong Yang · Yibo Wang · Honghua Xu 等7人 · IEEE Transactions on Power Electronics · 2018年3月
随着光伏渗透率提升，光伏发电的随机波动性对电网稳定性造成挑战。本文提出一种基于模型预测控制（MPC）的储能系统（ESS）控制策略，旨在通过储能平抑光伏波动，提升并网微电网系统的可行性与电能质量。
解读: 该研究直接契合阳光电源PowerTitan和PowerStack液冷储能系统在平抑光伏波动方面的核心应用。MPC算法相比传统PI控制具有更优的动态响应和多约束处理能力，可显著提升PCS在应对光伏出力快速波动时的调节精度。建议研发团队将此MPC策略集成至iSolarCloud智能运维平台及PCS控制器...
用于模块化直流固态断路器中压功率器件的紧凑型无线取能门极驱动系统
Compact Wireless Energy Pick-Up System Coupled Gate-Drive for Medium-Voltage Power Devices in Modular DC Solid-State Circuit Breakers
Shuyan Zhao · Yao Wang · Reza Kheirollahi · Yang Zheng 等8人 · IEEE Transactions on Power Electronics · 2023年10月
本文提出了一种用于模块化直流固态断路器（SSCB）中压功率器件的紧凑型无线取能门极驱动系统（WEPUS）。通过采用LCL-S补偿的感应电能传输（IPT）技术，为SSCB中的十个子模块提供恒压辅助电源，有效解决了高压隔离环境下的驱动供电难题，提升了系统的集成度与可靠性。
解读: 该技术对于阳光电源的PowerTitan及PowerStack等大型储能系统具有重要参考价值。在模块化多电平储能变流器（PCS）设计中，高压侧功率器件的驱动电源隔离与供电一直是提升功率密度的瓶颈。该无线取能方案可简化驱动电路的绝缘设计，减少物理布线，提升系统在复杂电磁环境下的可靠性。建议研发团队关注...
基于物理信息生成式深度学习的风力机分层动态尾流建模
Hierarchical dynamic wake modeling of wind turbine based on physics-informed generative deep learning
Qiulei Wang · Zilong Ti · Shanghui Yang · Kun Yang 等6人 · Applied Energy · 2025年1月 · Vol.378
摘要 随着电力需求的不断增长，风电场的规模远超以往。功率与载荷预测是风电场布局优化中最关键的两个课题。传统的尾流建模方法，如解析模型和计算流体动力学（CFD）模拟，在准确性和效率方面均难以有效应对如此大规模的问题。本研究提出了一种新颖的基于生成式深度学习的风力机分层动态尾流建模方法——PHOENIX（PHysics-infOrmed gEnerative deep learniNg for hIerarchical dynamic wake modeling eXploration），用于捕捉风...
解读: 该深度学习风电尾流建模技术对阳光电源风电变流器及储能系统具有重要价值。通过精准预测风机功率输出的时空特性,可优化ST系列储能PCS的充放电策略,提升风储协同效率。该物理信息神经网络方法可借鉴应用于iSolarCloud平台的预测性维护算法,结合GFM控制技术实现风电场群级功率平滑输出。动态尾流模型的...