具有万伏级以上电压隔离和兆瓦级以上直流能量变换能力的大容量直流变压器(high-power dc transformer,HDCT),是实现高/中/低压直流系统互联、构建直流电网的核心基础装备。文中提出基于IGCT-Plus器件和中频隔离的HDCT技术方案,给出IGCT...
详细信息
具有万伏级以上电压隔离和兆瓦级以上直流能量变换能力的大容量直流变压器(high-power dc transformer,HDCT),是实现高/中/低压直流系统互联、构建直流电网的核心基础装备。文中提出基于IGCT-Plus器件和中频隔离的HDCT技术方案,给出IGCT-HDCT拓扑结构,分析换流特性,提出实现软开通和准软关断的换流方法,可大幅降低开关损耗。在此基础上,对功率器件和变压器损耗进行系统分析,针对基于中频隔离的高压大容量直流变压器,提出的IGCT方案相比,Si C和IGBT方案具有更低的损耗。文中给出MW级IGCT-HDCT功率模块的设计方法,研制工程样机,并对子模块的大电流关断和大功率运行状态进行系统性的测试,验证IGCT-HDCT方案的正确性和有效性。
深度学习由于其强大的非线性建模能力，在输电断面极限传输容量(total transfer capability,TTC)评估问题中具有良好的应用前景。然而，由于电力系统的时变性和不确定性，需要快速更新数据和模型以满足在线应用需求。为充分利用历史场...
详细信息
深度学习由于其强大的非线性建模能力，在输电断面极限传输容量(total transfer capability,TTC)评估问题中具有良好的应用前景。然而，由于电力系统的时变性和不确定性，需要快速更新数据和模型以满足在线应用需求。为充分利用历史场景数据并减少在线更新的计算代价，提出一种基于主动迁移深度学习的输电断面TTC评估方法。该方法包括两个阶段：第一阶段引入迁移学习预训练，推导了迁移泛化误差界以及最优经验误差组合权重，用于指导预训练阶段得到具有最小泛化误差的新场景模型；第二阶段引入主动学习和模型微调，基于TTC评估网络灵敏度进行重要样本主动查询，显著降低了模型更新所需的新样本标注时间，并利用模型微调进一步提升了新场景模型的性能。算例分析表明，所提方法与传统的深度模型训练方法相比，大幅降低了将模型应用于新场景的标注样本需求与时间成本，提升了模型迁移的效率。
暂无评论