找到 6 条结果 · IEEE Access
基于神经网络模仿学习的随机电池管理系统近似
Neural Network-Based Imitation Learning for Approximating Stochastic Battery Management Systems
Andrea Pozzi · Alessandro Incremona · Daniele Toti · IEEE Access · 2025年4月
锂离子电池在电动汽车中发挥关键作用，但优化充电过程以提升电池寿命、安全性和效率仍是重大挑战。传统预测控制方法依赖精确模型，受老化、生产变异和运行条件导致的参数不确定性限制。随机预测控制策略可通过将不确定性纳入优化过程解决该问题，但引入大量计算复杂性。本文提出新型方法，通过模仿学习高效近似随机预测控制策略，通过离线训练显著降低计算负担。该方法利用Dataset Aggregation算法克服分布偏移问题。基于详细电化学模型的仿真验证方法有效性，遵守概率约束，为先进电池管理系统提供可扩展且计算高效的...
解读: 该随机电池管理优化技术对阳光电源新能源汽车电驱控产品线有重要价值。阳光车载OBC和BMS面临电池参数不确定性和复杂工况的挑战。模仿学习方法可将高计算复杂度的随机优化控制策略离线训练为轻量化神经网络模型，部署到阳光嵌入式BMS硬件中。该技术可提升阳光BMS在不确定条件下的充电优化性能，延长电池寿命，提...
两电平电压源逆变器的PWM技术：比较研究
PWM Techniques for Two-Level Voltage Source Inverters: A Comparative Study
Battur Batkhishig · Pedro F. da Costa Gonçalves · Giorgio Pietrini · Babak Nahid-Mobarakeh 等5人 · IEEE Access · 2025年4月
脉宽调制（PWM）技术广泛应用于电力电子变换器中半导体开关的控制。本文对两电平电压源逆变器的多种常用PWM技术进行了系统综述与比较分析，包括正弦PWM、零序分量注入PWM、三次谐波注入PWM、空间矢量调制以及选择性谐波抑制的优化脉冲模式。在详尽文献回顾的基础上，结合实验结果，从输出电能质量、直流母线电压利用率、动态响应及实现复杂度等关键指标评估各类方法的性能。针对交通领域电气化趋势，重点聚焦于电机驱动应用，并探讨数字控制器、宽禁带半导体器件和模型预测控制对PWM技术的影响，同时分析该领域的挑战与...
解读: 该PWM技术比较研究对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器中，零序分量注入PWM和SVPWM可提升直流母线电压利用率，降低系统成本；选择性谐波抑制技术可优化并网电能质量，满足严格的电网标准。在电动汽车驱动产品线，三次谐波注入PWM和模型预测控制结合可提升电机驱动效率和动态响应性能...
基于RLS算法的构网型虚拟同步机逆变器无模型预测控制
Model-Free Predictive Control Based on RLS Algorithm for Grid-Forming Inverters With Virtual Synchronous Generator
Min Huang · Huiying Zhang · Kangan Wang · Zhilei Yao 等5人 · IEEE Access · 2025年3月
作为连接可再生能源的关键元件，构网型逆变器GFI多采用下垂控制作为外环，但扰动时可导致系统频率快速变化。传统模型预测控制MPC广泛用于变流器内环控制，但严重依赖模型参数。为克服上述缺陷，本研究提出虚拟同步机无模型预测控制VSG-MFPC。该方案使用基于自回归外生输入ARX模型的自回归MFPC作为内环控制结构进行电压预测，结合简化虚拟同步机VSG作为外环控制结构实现功率分配和惯量支撑控制系统。MFPC实施提升系统参数鲁棒性。在此基础上，进一步研究算法参数初始化、延迟补偿和限流能力的改进方案。此外，...
解读: 该无模型预测控制技术与阳光电源构网型储能系统高度相关。阳光ST储能变流器采用GFM控制技术支持弱电网和微电网场景。该VSG-MFPC方案的参数自适应能力可显著提升阳光储能系统对电网参数变化的鲁棒性。传统MPC依赖精确模型，在电网阻抗变化或非线性负载场景下性能下降。该研究的无模型方法可集成到阳光GFM...
面向客户满意度的需求响应未来规划中负荷失配与电网电压行为
Loads Mismatch and Network Voltage Behavior for Future Planning of Demand Response With Customer Satisfaction
Ismail Arafat · Eduardo Castillo-Guerra · Julian Meng · IEEE Access · 2025年1月
温控负荷TCL聚合为通用虚拟电池VB提供系统化方法优化管理此类设备。然而，运行条件过度简化或忽略时会导致预期与实际结果失配。本文深入研究削峰负荷管理背景下的需求响应失配DRM挑战，探讨外部管理和聚合商控制导致的功率削减影响。引入客户满意度指数评估削减对客户舒适度的影响。采用综合VB模型管理聚合商，确保遵守所有运行约束。在标准运行条件和削峰策略下评估DRM百分比。研究根据设备运行和成本调查不同类型客户不适。负荷DRM百分比预测分析是未来削峰规划的宝贵工具。研究进一步分析电压变化对以客户负荷为终端的...
解读: 该需求响应研究对阳光电源虚拟电厂和负荷管理具有指导意义。阳光工商业储能系统通过需求响应参与电网调峰，需要平衡电网需求和用户体验。该研究的客户满意度指数和虚拟电池模型可集成到阳光EMS能量管理系统，优化负荷控制策略。在工商业储能场景下，阳光PowerTitan系统可根据用户舒适度阈值调整充放电功率，实...
面向并网逆变器的新型宽带阻抗测量方法与稳定性分析
Stepper Motor Position Control Using PD and MPC Algorithms Embedded in Programmable Logic Controller
Anshul Jaswal · Ma’moun Abu-Ayyad · Yash Lad · Anilchandra Attaluri · IEEE Access · 2025年2月
并网逆变器的阻抗特性对系统稳定性具有关键影响,传统阻抗测量方法存在频带受限和注入干扰问题。本文提出一种新型宽带阻抗测量方法,采用多频率并行注入技术,实现1Hz至10kHz频段的快速阻抗辨识。
解读: 该阻抗测量技术可应用于阳光电源SG系列光伏逆变器的并网稳定性分析。通过在线阻抗监测技术,评估逆变器与电网的交互稳定性,优化控制参数设计,预防谐振和振荡问题,提升弱电网条件下的并网适应性。...
基于机器学习和可解释人工智能的分布式智能电网可解释预测
Interpretable Prediction of a Decentralized Smart Grid Based on Machine Learning and Explainable Artificial Intelligence
Ahmet Cifci · IEEE Access · 2025年2月
分布式智能电网概念已成为高效管理和分配电能的可行方法。确保电网稳定性和可靠性，特别是在可再生能源集成和产消者数量增加的情况下，是该领域的主要挑战。本研究通过利用机器学习ML模型和可解释人工智能XAI技术预测分布式智能电网稳定性来应对该挑战。研究实施分布式智能电网控制DSGC概念的四节点星型网络，使用基于该网络仿真的数据集。对比十种ML模型包括AdaBoost、ANN、GBoost、k-NN、LR、NB、RF、SGD、SVM和XGBoost在预测电网稳定性方面的性能。采用XAI方法特别是SHAP和...
解读: 该智能电网稳定性预测技术对阳光电源虚拟电厂和智能电网解决方案有重要应用价值。阳光iSolarCloud平台管理分布式光伏储能资源，需要准确的电网稳定性预测。机器学习模型可集成到阳光平台的智能调度系统中，提前识别潜在稳定性风险。可解释AI技术SHAP可增强阳光智能决策系统的透明度和可信度。产消者管理是...