← 返回
基于人工神经网络虚拟参考控制的开关电容单输入多输出变换器偏移抑制
Offset Mitigation of a Switched Capacitor Single-Input-Multioutput Converter Using an Artificial Neural Network Based Virtual Reference Control
| 作者 | Xiaojun Deng · Noven Lee · Junxiang Yang · Yajie Jiang · Yun Yang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年4月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | DC-DC变换器 机器学习 储能系统 充电桩 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 开关电容 SIMO 变换器 人工神经网络 虚拟参考控制 偏移补偿 电池充电系统 功率密度 |
语言:
中文摘要
开关电容（SC）单输入多输出（SIMO）变换器因其高转换比、高效率和高功率密度，在电池充电系统等领域应用广泛。然而，传统的PI主从控制在处理输出电流稳态误差时存在局限。本文提出了一种基于人工神经网络（ANN）的虚拟参考控制策略，有效抑制了SC-SIMO变换器的偏移误差，提升了系统的控制精度与稳定性。
English Abstract
The switched capacitor (SC) single-input-multioutput (SIMO) converter, known for its high conversion ratio, efficiency, and power density, has been widely adopted across various industrial sectors, including battery charging systems. However, the existing proportional-integral (PI) based master-slave control for the SC-SIMO converter may experience significant steady-state errors in the output cur...
S
SunView 深度解读
该技术对阳光电源的储能系统（如PowerStack）及电动汽车充电桩业务具有重要参考价值。在多路输出的电池管理或充电场景中，传统的PI控制难以兼顾多端口的动态响应与稳态精度。引入基于ANN的虚拟参考控制，可优化多端口DC-DC变换器的输出一致性，减少硬件冗余，提升系统功率密度。建议研发团队关注该算法在多端口储能PCS中的应用，以提升复杂工况下的电流分配精度，并探索其在iSolarCloud智能运维平台中实现参数自适应调节的可能性。