找到 2 条结果 · IEEE Access
在宽工况范围提高谐振变换器族效率的设计程序和控制方法
A Design Procedure and Control Method for Improving Efficiency of a Family of Resonant Converters Over Wide Operating Conditions
Jasem Shahsevani · Reza Beiranvand · IEEE Access · 2025年1月
谐振变换器被公认为高效变换器,在电动汽车、电池充电器和光伏电池等各行业有众多应用。然而轻载或空载条件下效率低是主要挑战之一,当开关频率在输出电压调节期间显著偏离谐振频率时出现,导致高循环电流和开关谐波值。本文针对谐振网络电路中具有并联元件的谐振变换器提出新设计程序和控制方法,解决轻载或空载低效率问题。该控制算法基于频率调制方法,同时利用谐振网络电路中的可变电容或电感。通过设计各变换器在开路和短路谐振频率间运行,并通过改变电压增益-频率特性在谐振频率附近运行调节输出电压,循环电流得到良好限制。为验...
解读: 该谐振变换器设计技术对阳光电源车载OBC和储能DC-DC变换器产品线有重要应用价值。阳光OBC需要在宽输入电压和负载范围保持高效率。LLC谐振拓扑与阳光DC-DC产品技术路线一致。可变电容或电感的控制方法可应用于阳光谐振变换器的效率优化。轻载高效率特性对阳光待机功耗降低和能效提升有价值。该研究验证的...
高密度NOMA网络中网络切片的子信道分配和功率分配优化：Q学习方法
Optimizing Subchannel Assignment and Power Allocation for Network Slicing in High-Density NOMA Networks: A Q-Learning Approach
Suhare Solaiman · IEEE Access · 2025年1月
高密度环境下连接设备数量增长给不同网络切片服务带来严峻挑战，如超可靠低延迟通信和大规模机器类型通信，每种服务有独特QoS要求。主要困难是分配网络资源最大化频谱利用同时满足mMTC大规模连接需求和URLLC超可靠低延迟通信需求。本研究利用非正交多址网络切片在各种服务间共享无线资源，改善大规模设备部署连接性。提出优化算法用于高密度NOMA网络中URLLC和mMTC设备的子信道分配和功率分配，采用Q学习算法优化决策过程确保URLLC和mMTC设备间高效资源共享并满足各自QoS要求。大量仿真显示所提算法...
解读: 该网络切片优化技术可应用于阳光电源虚拟电厂通信系统。阳光管理的大规模分布式光伏储能资源需要低延迟高可靠的通信网络，该NOMA和Q学习方法可优化海量设备接入和实时调度指令传输。阳光可将该技术应用于iSolarCloud平台边缘通信，实现储能聚合和需求响应，提升系统实时响应能力和调度灵活性。...