找到 2 条结果 · 控制与算法
基于网络深度迁移学习的无通信IPT系统恒流/恒压充电控制
Constant Current/Voltage Charging Control for Communication-Free IPT Systems via Network-Based Deep Transfer Learning
Yilin Liu · Pan Sun · Jun Sun · Zhuangsheng Xiao 等7人 · IEEE Transactions on Power Electronics · 2026年4月
本文针对无通信感应电能传输（IPT）系统，提出了一种基于深度迁移学习的恒流/恒压充电控制策略。该方法旨在解决传统参数辨识方法在互感和负载电阻估计中存在的误差问题，通过深度学习模型提高控制精度与响应速度，实现无需通信链路的稳定充电控制。
解读: 该技术对阳光电源的电动汽车充电桩业务具有重要参考价值。目前充电桩行业正向无线充电（IPT）领域拓展，该研究提出的无通信控制策略能有效降低系统复杂度和成本，提高充电的鲁棒性。建议研发团队关注其在车载无线充电模块中的应用，通过引入深度迁移学习算法，优化充电桩在不同负载和耦合条件下的输出特性，提升用户充电...
基于网络化深度迁移学习的无通信感应式无线充电恒流/恒压控制
Constant Current/Voltage Charging Control for Communication-Free IPT Systems via Network-Based Deep Transfer Learning
Yilin Liu · Pan Sun · Jun Sun · Zhuangsheng Xiao 等7人 · IEEE Transactions on Power Electronics · 2025年11月 · Vol.41
针对无通信感应式无线充电系统中参数辨识误差导致恒流/恒压控制精度低、响应慢的问题，提出一种无需辨识互感与负载电阻的深度迁移学习控制策略。仅需少量离线数据训练，即可在线估计输出电压/电流，实现动态工况下的高精度CV/CC控制。实验表明静态误差1.5%，响应时间≤24ms。
解读: 该技术可提升阳光电源ST系列PCS及PowerTitan储能系统在V2G、光储充一体化场景中的智能充放电控制精度与动态响应能力，尤其适用于无通信条件下的多设备协同充放电管理。建议将该深度迁移学习框架嵌入iSolarCloud平台，赋能充电桩与储能变流器的自适应恒流/恒压控制，增强户用及工商业光储充系...