找到 4 条结果 · IEEE Transactions on Industry Applications
一种带重复和PI环节的线性机器学习模型预测控制方法在三相逆变器中的应用
A Linear Machine Learning-Based Model Predictive Control With Repetitive and PI Elements for a Three-Phase Inverter
Jianwu Zeng · Wei Qiao · IEEE Transactions on Industry Applications · 2025年6月
现有的基于机器学习（ML）的模型预测控制（MPC）方法要么不如采用二次规划（QP）的在线优化MPC，要么计算复杂度高，无法在资源受限的数字信号处理器（DSP）中实现。本文通过使用线性ML方法并添加额外的可解释特征来解决这两个问题。首先，从理论上证明了由QP - MPC生成的训练数据具有内在线性，因此可以使用线性ML方法，如线性神经网络（LNN）和线性支持向量回归（LSVR）来捕捉训练数据集的线性特征。线性运算将计算复杂度从 O(2n) 显著降低至 O(1)，从而使其能够在DSP中实现。其次，将具...
解读: 该线性ML-MPC技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过线性化模型降低计算复杂度，可显著减轻控制器DSP/FPGA的运算负担，降低硬件成本；引入重复控制环节能有效抑制周期性谐波，提升并网电流THD性能，满足严格的电能质量标准；PI反馈增强的鲁棒性可应对电网阻抗波动...
通过数值天气预报模型的偏差校正技术提升风力发电预测精度
Enhancing Wind Power Forecasts via Bias Correction Technologies for Numerical Weather Prediction Model
Cheng-Liang Huang · Yuan-Kang Wu · Quoc-Thang Phan · Chin-Cheng Tsai 等5人 · IEEE Transactions on Industry Applications · 2025年2月
摘要：随着能源转型的持续推进以及风力发电装机容量的不断增加，近期研究进展表明，准确的数值天气预报（NWP）能够提高风电功率预测的质量。虽然大多数研究主要关注经过偏差校正的数值天气预报对风速的影响，但很少有研究探讨经过偏差校正的数值天气预报与风电功率预测之间的关系。因此，本研究旨在通过对数值天气预报得出的风速应用偏差校正技术来改进风电功率预测。具体而言，本研究制定了一种合理的后处理策略来修正数值天气预报的输出结果。采用衰减平均法和概率匹配均值法，系统地对三种不同的数值天气预报模型——即雷达天气研究...
解读: 该研究对阳光电源的风电和储能产品线具有重要应用价值。通过数值天气预报偏差校正技术，可显著提升风电场发电功率预测精度，这对我司ST系列储能变流器和PowerTitan储能系统的调度策略优化至关重要。具体而言，精确的风功率预测可用于：1)优化储能系统的充放电调度，提高风储联合运行效率；2)完善iSola...
基于机器学习代理的手动与自动开关在配电网中的优化配置
Optimal Placement of Manual and Automatic Switches in Power Distribution Systems Using a Machine Learning Proxy
Mehrdad Ebrahimi · Mohammad Rastegar · Kiana Karami · IEEE Transactions on Industry Applications · 2025年2月
故障管理涉及在故障发生后尽快恢复停电用户的操作，而优化开关布局有助于实现这一目标。然而，由于问题的非线性和巨大的搜索空间，开关优化问题需要大量的计算工作。因此，对于大规模配电系统而言，该问题可能难以求解。本文提出了一种基于机器学习的代理方法，用于确定实际配电系统中手动和自动开关的最佳数量和位置。目标函数包含设备成本和可靠性指标，包括系统平均停电频率指标（SAIFI）、系统平均停电持续时间指标（SAIDI）和未供电量（ENS）指标。所提出的模型是一个堆叠集成模型，其中基于卷积神经网络（CNN）的模...
解读: 从阳光电源的业务视角来看，这项基于机器学习的配电网开关优化技术具有重要的战略价值。随着公司在分布式光伏、储能系统及综合能源解决方案领域的深度布局，配电网的智能化管理已成为提升系统可靠性和经济性的关键环节。 该技术的核心价值在于通过堆叠集成学习模型，大幅降低开关优化问题的计算复杂度，这对阳光电源的配...
电力系统中数据驱动型变流器动态建模应用综述
Applications of Data-Driven Dynamic Modeling of Power Converters in Power Systems: An Overview
Sunil Subedi · Yonghao Gui · Yaosuo Xue · IEEE Transactions on Industry Applications · 2025年1月
基于电力电子变流器（PEC）的资源在电力系统中日益普及，因此迫切需要精确的动态模型来理解其在不同事件和控制策略下的动态特性。不准确的建模可能导致系统不稳定、成本增加和可靠性问题。预计在不久的将来，电力电子变流器的数量将不断增加，详细建模在计算和数学上变得复杂，需要强大的计算能力和特定供应商电力电子变流器的相关知识。为了克服这些挑战，数据驱动的机器学习/人工智能（ML/AI）方法被广泛应用，这些方法可以在有限的知识条件下跟踪处于各种运行模式的电力电子变流器的动态响应。这些模型可应用于保护、稳定性分...
解读: 从阳光电源的业务视角来看，这篇关于电力变换器数据驱动动态建模的综述论文揭示了新能源行业技术演进的关键趋势。随着光伏逆变器、储能变流器等电力电子设备在电网中的渗透率持续攀升，传统基于物理模型的建模方法正面临计算复杂度高、需要详尽厂商参数等瓶颈，这与阳光电源在全球部署的海量设备运维现状高度契合。 论文...