← 返回
利用神经网络最小化非对称交错式DC-DC变换器的纹波
Ripple Minimization in Asymmetric Interleaved DC–DC Converters Using Neural Networks
| 作者 | Ozturk Sahin Alemdar · Mustafa Umit Oner · Ogun Altun · Ozan Keysan |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年3月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | DC-DC变换器 PWM控制 机器学习 储能变流器PCS |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 交错并联 DC-DC 变换器 纹波最小化 非对称工况 人工神经网络 移相 电力电子 多相变换器 |
语言:
中文摘要
本文提出了一种基于人工神经网络(ANN)的方法,旨在解决多相DC-DC变换器在非对称工况(如输入电压或负载不平衡)下的纹波最小化问题。通过动态调整各相开关时序的相移,该方法有效抑制了输出纹波,提升了变换器的性能。
English Abstract
Interleaving can be employed to reduce ripples in multiphase dc–dc converters although phases are operated under asymmetric conditions, such as different input voltages or loads. To allow ripple minimization under asymmetric conditions, phase shifts between the switch timings of phases have to be appropriately adjusted. This study presents a method based on artificial neural networks (ANNs) that c...
S
SunView 深度解读
该技术对阳光电源的储能变流器(如PowerTitan、PowerStack系列)及组串式光伏逆变器中的DC-DC级具有重要参考价值。在多路MPPT或多模块并联储能系统中,由于组件老化或环境差异导致的输入不平衡是常见挑战。引入神经网络优化相移控制,可进一步降低输出电流纹波,减小滤波电感体积,从而提升功率密度并降低系统损耗。建议研发团队评估该算法在嵌入式DSP/MCU上的算力开销,探索其在iSolarCloud智能运维平台辅助下的自适应参数优化应用。