← 返回
| 作者 | Saikat Dey · Ayan Mallik |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年10月 |
| 技术分类 | 控制与算法 |
| 技术标签 | DAB 双向DC-DC 机器学习 储能变流器PCS |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | DAB DC-DC变换器 物理信息神经网络 PINN 三重移相 TPS调制 参数估计 |
语言:
中文摘要
本文提出了一种针对双有源桥(DAB)DC-DC变换器的损耗优化及参数敏感型三相移(TPS)调制方案。该方法利用物理信息神经网络(PINN)实时估计电路参数,并据此动态调整控制策略,从而实现变换器在不同工况下的高效运行。
English Abstract
This article presents the development, implementation, and validation of a loss-optimized and circuit parameter-sensitive triple-phase-shift (TPS) modulation scheme for a dual-active-bridge (DAB) dc–dc converter. The proposed approach dynamically adjusts control parameters based on circuit parameters estimated using a physics-informed neural network (PINN). For this purpose, first, a precise frequ...
S
SunView 深度解读
该技术对阳光电源的储能系统(如PowerTitan、PowerStack系列)及PCS产品线具有重要价值。DAB变换器是储能变流器的核心拓扑,传统的控制策略在参数漂移(如电感老化、温度变化)下难以维持最优效率。引入PINN进行参数在线辨识与自适应调制,能显著提升储能系统在全功率范围内的转换效率,并增强系统对复杂工况的鲁棒性。建议研发团队关注该技术在iSolarCloud运维平台中的应用,通过云端数据与边缘侧PINN算法结合,实现储能资产的精细化健康管理与性能优化。