← 返回
基于Levenberg–Marquardt神经网络与DC–DC变换器功率路由的寿命延长方法
Lifetime Extension Approach Based on the Levenberg–Marquardt Neural Network and Power Routing of DC–DC Converters
| 作者 | Jiusi Zhang · Jilun Tian · Abraham M. Alcaide · Jose I. Leon · Sergio Vazquez · Leopoldo G. Franquelo · Hao Luo · Shen Yin |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年8月 |
| 技术分类 | 可靠性与测试 |
| 技术标签 | 可靠性分析 机器学习 双向DC-DC 储能变流器PCS |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 寿命延长 Levenberg–Marquardt神经网络 DC-DC变换器 健康状态 功率路由 可靠性 |
语言:
中文摘要
针对模块化电力转换系统，本文提出了一种基于LM-BP神经网络的健康状态（SOH）估计与功率路由寿命延长策略。该方法无需建立复杂的系统数学模型，通过动态调整功率分配，有效延长了电力电子系统的使用寿命。
English Abstract
The power conversion system based on the modular connection has widespread applications in various power electronic systems. To accurately estimate the state of health without recognizing the systematic mathematical model and to extend the lifetime, this article proposes a lifetime extension approach based on the Levenberg–Marquardt back propagation neural network (LM-BPNN) and power routing of in...
S
SunView 深度解读
该研究对阳光电源的储能系统（如PowerTitan、PowerStack）及组串式逆变器具有重要参考价值。储能PCS通常采用模块化并联架构，利用LM-BPNN进行SOH在线监测，可实现更精准的故障预警。同时，通过功率路由策略动态分配各模块负载，能有效缓解热应力不均，显著提升系统全生命周期可靠性。建议研发团队在iSolarCloud运维平台中集成此类AI算法，实现从“被动维修”向“主动健康管理”的转型，降低运维成本，提升产品在长寿命储能场景下的竞争力。