找到 7 条结果 · 储能系统技术
一种用于低总谐波失真和高功率因数PFC控制器的新型乘法器电路
A Novel Multiplier Circuit for PFC Controllers With Low Total Harmonic Distortion and High Power Factor
Qiang Wu · Linjun Wu · Jingbao Zhou · Yongyuan Li 等6人 · IEEE Transactions on Power Electronics · 2025年11月
功率因数校正（PFC）技术对于提升交直流转换器的性能至关重要，它通过提高功率因数并最小化输入电流的总谐波失真（THD），确保输入电流紧密跟踪输入电压。本文提出了一种基于可变导通时间控制策略、带有总谐波失真增强器的新型乘法器。该乘法器能够补偿反向谐振电流和交越失真，并实现精确的平均电流控制。这种方法能在每个电源周期内有效恢复平均电感电流的正弦波形。基于所提出的方案，采用0.35μm BCD工艺实现了一款PFC控制器。实验结果表明，该原型的功率因数大于0.99，最小总谐波失真为0.66%，峰值效率为...
解读: 从阳光电源的业务视角来看，这项基于可变导通时间控制策略的新型功率因数校正（PFC）乘法器技术具有重要的应用价值。该技术通过THD增强器有效补偿反向谐振电流和交越失真，实现了功率因数大于0.99、最低THD仅0.66%和峰值效率98%的优异性能，这些指标直接契合我们在光伏逆变器和储能变流器产品中对高效...
一种基于决策导向学习的神经优化器用于最优储能运行
A Neural Optimizer With Decision-Focused Learning for Optimal Energy Storage Operation
Hyeonjin Kim · Avijit Das · Di Wu · IEEE Transactions on Industrial Informatics · 2025年8月
本文介绍了一个基于神经优化器的框架，用于优化电池储能系统（BESS）为电网服务的控制策略，包括降低需求费用和能源成本。通过利用以决策为中心的学习（DFL）方法，所提出的框架确保了无缝集成与自适应能力，显著提升了控制性能。该框架采用了一种补丁时间序列变压器进行峰值负荷预测，并结合了偶然不确定性量化，以在决策过程中考虑预测的不确定性。框架运用一种“求解器在环”的方法来生成电池储能系统的最优动作，然后利用这些动作来训练基于神经优化器的智能体。通过在神经网络中共同优化电池储能系统的运行模式和输出功率，该...
解读: 从阳光电源储能系统业务视角看，这项基于神经优化器和决策聚焦学习的储能控制技术具有显著的商业应用价值。该技术针对电池储能系统（BESS）在需量电费管理和能源成本削减等电网服务场景的优化控制，与阳光电源PowerStack、PowerTitan等储能产品的核心应用场景高度契合。 技术创新点在于通过决策...
数字孪生驱动的高可靠性电力电子系统特刊主编寄语
Guest Editorial Special Issue on Digital Twin Driven High-Reliability Power Electronic Systems
Jiangbiao He · Paolo Mattavelli · Fernando Briz · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月
为满足全球零排放可持续能源发展需求，交通和公用电力等行业正经历快速变革，电力电子在电动汽车、电动船舶、飞机、太阳能/风能发电和储能等众多功率转换系统中发挥支柱作用。然而电力电子可靠性尚未受到足够重视，特别是在安全关键应用中可靠性应是首要设计优先级。工业4.0和5.0着重互联性、自动化、智能和实时状态监测，数字在线预防性维护和优化至关重要。数字孪生是物理系统的数字复制品，可准确预测和反映物理系统的实时健康状况，通过物理组件与数字孪生模型间的实时双向数据流实现。该特刊发表10篇文章涵盖数字孪生参数估...
解读: 该数字孪生特刊与阳光电源智能运维战略高度契合。特刊涵盖的Buck/Boost变换器数字孪生参数估计、五电平ANPC逆变器故障诊断和SiC MOSFET模块电-热-机械建模与阳光iSolarCloud平台的智能诊断和预测性维护功能发展方向一致。数字孪生技术在直流电容、电感、开关管寄生电阻实时估计方面的...
异构需求侧储能的分层灵活性聚合用于二次频率调节
Hierarchical Flexibility Aggregation of Heterogeneous Demand-side Energy Storages for Secondary Frequency Regulation
Peixuan Wu · Di Liu · Songyan Zhang · Chao Lu 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月
家庭电池和电动汽车等需求侧储能（DESs）在提供快速频率调节服务方面具有巨大潜力。本文提出一种三层分层灵活性聚合框架，以全面评估并可靠实现异构DESs在二次频率调节（SFR）中的聚合灵活性。设备层将单个DES的调节能力建模为考虑实时荷电状态约束与调节信号统计特征的二维可行域，并据此对DES进行聚类。集群层采用基于原型的最大内逼近法（MIA）高效聚合各集群的调节容量、动态响应模型及成本。聚合层通过凸优化在每个可行运行点建立多集群协同SFR灵活性的解析表达式，为聚合商经济参与SFR提供综合模型。仿真...
解读: 该分层灵活性聚合技术对阳光电源储能与充电业务具有重要应用价值。在PowerTitan大型储能系统中，可借鉴其三层聚合架构实现异构储能单元（电池簇、PCS模组）的协同调频控制，通过二维可行域建模优化ST系列储能变流器的AGC响应策略。对于户用光伏储能场景，该方法可集成至iSolarCloud平台，实现...
面向二次频率调节的异构用户侧储能分层灵活性聚合方法
Hierarchical Flexibility Aggregation of Heterogeneous Demand-Side Energy Storages for Secondary Frequency Regulation
Peixuan Wu · Di Liu · Songyan Zhang · Chao Lu 等5人 · IEEE Transactions on Sustainable Energy · 2025年6月 · Vol.17
本文提出三层分层灵活性聚合框架，建模用户侧储能（如户用电池、电动汽车）的实时SOC约束与响应特性，通过原型基最大内逼近法聚类聚合，并以凸优化构建多集群协同调频能力模型，兼顾精度、低损耗与计算效率。
解读: 该研究高度契合阳光电源ST系列PCS及PowerTitan在用户侧储能参与电网辅助服务的应用场景。其分层聚合与MIA建模方法可直接赋能iSolarCloud平台对分布式储能集群的SFR能力在线评估与指令分解，提升PCS动态响应调度精度；建议将MPC嵌入ST-PCS固件升级路径，并在PowerTita...
基于深度强化学习的储能控制用于区域间振荡阻尼
Deep Reinforcement Learning-Based Control of Energy Storage for Interarea Oscillation Damping
Abu Shouaib Hasan · Rui Fan · Di Wu · IEEE Transactions on Industrial Informatics · 2025年2月
随着电力消耗的不断增加以及输电投资的不足，如今的电力系统运行状态更接近其极限，这引发了对影响系统稳定性的区域间振荡问题的担忧。本文提出了一种用于增强区域间振荡阻尼的新型储能配置与控制方法。通过结合留数分析和主导模式分析，我们能够确定有利于提升阻尼性能的储能配置位置。为应对控制参数固定和阻尼不足等挑战，我们提出采用基于深度强化学习的方法进行储能控制。利用先进的基于引导替代梯度的进化策略，以稳健、高效且可重复的方式训练学习智能体。同时采用并行计算来加快训练过程。所提出的策略已在中型和大型系统上进行了...
解读: 从阳光电源储能系统业务视角来看，这项基于深度强化学习的区域间振荡抑制技术具有重要战略价值。随着新能源渗透率提升和电网运行接近极限状态，区域间振荡已成为威胁大规模新能源并网稳定性的关键问题，这与我司储能系统的核心应用场景高度契合。 该技术的核心价值在于两个维度的突破：首先，通过残差分析与主导模态分析...
基于时空知识蒸馏的居民用户电力负荷预测
Electric Load Forecasting for Individual Households via Spatial-Temporal Knowledge Distillation
Weixuan Lin · Di Wu · Michael Jenkin · IEEE Transactions on Power Systems · 2024年4月
随着电网安全运行和家庭能源管理系统的发展，居民用户的短期负荷预测（STLF）日益重要。尽管机器学习在住宅STLF中表现有效，但本地设备的数据与资源限制制约了个体用户预测的精度。相比之下，电力公司拥有更丰富的数据和更强的计算能力，可部署基于图神经网络（GNN）等复杂模型，挖掘用户间的时空关联以提升预测性能。本文提出一种高效且保护隐私的知识蒸馏框架，通过将基于公用数据预训练的GNN模型中的时空知识迁移至轻量级个体模型，在不访问其他用户数据的前提下提升个体预测精度。在真实住宅负荷数据集上的实验验证了该...
解读: 该时空知识蒸馏负荷预测技术对阳光电源户用储能系统（如ST系列）和iSolarCloud平台具有重要应用价值。可将云端基于海量用户数据训练的GNN预测模型压缩至本地ESS控制器，在保护用户隐私前提下实现高精度负荷预测，优化储能充放电策略和光储协同控制。该轻量化模型可嵌入户用逆变器DSP/ARM芯片，降...