找到 2 条结果
基于采样序列重构方法的电力系统介质损耗因数测量
Dielectric Loss Factor Measurement in Power Systems Based on Sampling Sequence Reconstruction Approach
Jianmin Li · Zhaosheng Teng · Qiu Tang · Junhao Song 等5人 · IEEE Transactions on Power Electronics · 2017年6月
介质损耗因数（DLF）是评估高压电容设备绝缘状态的关键参数，其测量精度直接影响电网的安全稳定。本文提出了一种基于采样序列重构的新算法，旨在提高电力系统中DLF测量的准确性，为电力设备的在线监测与状态评估提供技术支持。
解读: 该技术主要涉及高压电力设备的绝缘状态监测，与阳光电源的组串式/集中式光伏逆变器及PowerTitan等大型储能系统中的高压电容组件密切相关。在逆变器和PCS的长期运行中，电容老化是影响可靠性的核心因素之一。该算法可集成至iSolarCloud智能运维平台或设备内置的自诊断系统中，通过更精准的介质损耗...
基于自适应KS变换与JetLeaf Synth网络的复杂电能质量扰动先进诊断框架
An Advanced Diagnose Framework for Complex Power Quality Disturbances Using Adaptive KS-Transform and JetLeaf Synth Network
Minjun He · Jun Ma · Alessandro Mingotti · Qiu Tang 等6人 · IEEE Transactions on Industrial Electronics · 2024年7月
准确识别电能质量扰动（PQDs）对提升能源效率和推动智能电网发展至关重要。针对可再生能源并网带来的复杂扰动问题，本文提出一种基于自适应Kaiser S变换（AKST）与JetLeaf Synth网络（JSTN）的自动检测框架。AKST通过优化Kaiser窗参数以实现最大能量聚集，显著提升时频分辨率；JSTN则融合双叶混合器的局部细节感知能力与喷流变压器的全局上下文建模能力，有效提取扰动特征。二者结合构成混合自适应时频JetLeaf SynthNet（HAJSTN），仿真与实验结果表明，该方法在多...
解读: 该电能质量扰动诊断框架对阳光电源的储能变流器和光伏逆变器产品线具有重要应用价值。AKST-JSTN方法可集成到ST系列储能变流器和SG系列光伏逆变器的监控系统中,提升对谐波、电压波动等并网扰动的识别精度。特别是在大型储能电站中,该技术可助力PowerTitan系统实现更精准的电网故障诊断。结合iSo...