Black-Box-Modellierung von PMSG-basierten Windenergieumwandlungssystemen auf der Grundlage neuronaler ODEs

Zusammenfassung Die Integration erneuerbarer Energiequellen wie Windkraft in das Stromnetz verbessert die dynamischen Wechselwirkungen zwischen Anlagen zur Erzeugung erneuerbarer Energien, was zu neuen technologischen Herausforderungen für das Stromnetz führt. Modellierung und Simulation sind entscheidend, um die Stabilität des aufkommenden Stromnetzes zu gewährleisten, erfordern jedoch eine präzise dynamische Komponentenmodellierung, die oft aufgrund technischer Vertraulichkeit und anderer Faktoren nicht verfügbar ist. Konventionelle Hardware-in-the-Loop (HIL) Simulation kann die Dynamik eines einzelnen erneuerbaren Energiegeräts genau simulieren, jedoch nicht die komplexe Dynamik mehrerer Geräte. Diese Forschung stellt eine Methode vor, die klassische Mechanismusmodellierung und differenzielle neuronale Netzwerkmodellierung kombiniert, um genaue Windturbinenmodelle unter Verwendung von Gerätedaten oder HIL-Simulationsdaten zu erstellen. Ein realistisches elektromagnetisches Transienten-Simulationsmodell einer spezifischen Turbinensorte wird entwickelt und validiert, indem es mit dem IEEE-39-Knotensystem verbunden wird, was die Genauigkeit des Modells bestätigt.