DFIG

使用深度学习控制的故障电流限制器

本研究解决了整合可再生能源（尤其是风能）时网格稳定性的挑战。它专注于使用高级策略（例如故障电流限制器和深度学习），增强双喂养发电机（DFIG）风能系统中的瞬态稳定性。该研究包括对故障场景，模拟和解决方案评估的彻底分析，强调了维持可再生能源网格稳定性的关键需求。随着风能需求的增加，优化系统性能至关重要。许多风力涡轮机依靠DFIG，需要稳健的故障乘车。引入了一个被动故障电流限制器，以增强DFIG系统瞬态稳定性。这个没有主动控制器的限制器具有内在的弹性。该研究引入了一种新型算法，以计算最佳断层电流限制性，并在参考水平的±10％以内保持电压。瞬态稳定性通过涉及对称和不对称断层的模拟进行评估，并结合了深度学习。MATLAB/SIMULINK证实了所提出的限制器和算法在提高基于DFIG的风能系统的瞬时稳定性方面的功效。该研究强调了故障电流限制器和深度学习在无缝将可再生能源整合到电网中的作用。