找到 7 条结果 · IEEE Journal of Emerging and Selected Topics in Power Electronics
一种用于带并联功率变换器大型风力发电机的快速开路故障诊断方法
A Fast Open-Circuit Fault Diagnosis Method for Large Wind Turbines with Parallel Power Converters
Huimin Huang · Zhen Li · Haoyu Chen · Yimin Zhang 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月
海上风力发电机单机容量不断增大，其故障穿越能力对系统可靠性至关重要。并联功率变换器常用于满足大功率需求，但其存在的零序环流会干扰故障特征，使传统故障检测方法失效。本文揭示了开路故障下零序环流会引起相电流残差波动，导致基于阈值的传统诊断方法性能下降；进而推导出故障相与健康相电流残差之比在零序环流扰动下仍近似保持恒定。基于该特性，提出一种适用于风电机组并联变换器的故障诊断方法，通过滑动窗均方根归一化与卷积特征增强实现动态残差比提取，完成自适应阈值校准，检测时间仅数个采样周期。仿真与实验验证了该方法在...
解读: 该故障诊断方法对阳光电源的大功率产品线具有重要参考价值。首先，文中提出的零序环流干扰下的故障特征提取技术,可直接应用于ST系列储能变流器和PowerTitan系统中的并联模块故障检测。其次，基于残差比的自适应诊断思路可优化SG系列光伏逆变器的可靠性设计,特别是在1500V大功率系统中的多路并联应用场...
协同分布对齐神经网络用于高性能变流器故障定位
Synergetic Distribution Align Neural Network for High-Performance Power Converters Fault Location
Wu Fan · Qiu Gen · Zhang Gang · Sheng Hanming 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
基于深度学习的数据驱动方法在变流器故障诊断中表现优异，但普遍存在依赖故障样本、精度与鲁棒性不足的问题，限制了其在工业系统中的应用。本文提出一种小样本学习理论，通过共享特征提取器实现严格的跨域特征分布对齐，以同时获取域不变性与故障判别性特征，从而提升诊断性能。基于该理论，设计了一种具有嵌入式结构和参数分离训练机制的渐近特征分布对齐神经网络。该结构通过多层渐近特征约束实现严格分布对齐，并结合渐近损失函数提升训练稳定性。在多种变流器上的实验表明，即使在零样本条件下，该方法仍能准确识别多个开路故障位置，...
解读: 该协同分布对齐神经网络技术对阳光电源ST系列储能变流器和SG系列光伏逆变器的智能运维具有重要应用价值。其零样本/小样本学习能力可解决工业现场故障数据稀缺问题，直接应用于iSolarCloud云平台的预测性维护模块。针对IGBT/SiC功率模块开路故障的精准定位能力，可显著提升PowerTitan大型...
奇偶时间对称磁耦合无线电力传输系统的功率和距离增强
Power and Distance Enhancement in Parity-Time Symmetric Magnetic Coupling Wireless Power Transfer Systems
Jun Hang · Xiaodong Wang · Zhengzheng Tian · Jie Fang 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
提出通过负阻结构和高阶补偿拓扑增强奇偶时间对称磁耦合无线电力传输系统输出功率和传输距离的方法。该方法利用PT对称特性突破传统WPT系统传输距离限制，同时提高功率传输能力。理论分析和实验结果验证所提方法显著提升系统性能。
解读: 该PT对称WPT研究对阳光电源长距离无线充电技术创新有前瞻价值。突破传统传输距离限制的技术可应用于阳光探索特殊场景无线供电方案，如工业设备远距离充电。对阳光拓展WPT应用边界有启发意义。...
基于电压矢量轨迹畸变特性的三电平T型逆变器开路故障诊断方法
A Fault Diagnosis Method for Open-Circuit Fault-Based Voltage Vector Trajectory Distortion Characteristics in Three-Level T-Type Inverters
Rongkun Wang · Minxuan Liao · Liming Song · Xinhua Guo 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年3月
三电平T型逆变器因损耗低、谐波小而广泛应用，但开关器件增多导致故障率上升，影响可靠性。本文通过分析单相单管开路故障下的电压矢量轨迹，结合矢量旋转与叠加，获得双管开路故障的电压矢量轨迹畸变特征，并推导其与故障位置的关系。提出一种基于轨迹畸变特征的诊断方法：利用畸变角度定位故障相，结合平均电压Park矢量变换提取相电压均值归一化值和直轴电压均值误差两个特征量，实现故障开关精确定位。采用自适应阈值，诊断时间0.05～0.55个基波周期，复杂度低、速度快，可识别同相单/双管故障，降低负载敏感性与误诊率。
解读: 该三电平T型逆变器开路故障诊断技术对阳光电源ST系列储能变流器和SG系列大功率光伏逆变器具有重要应用价值。基于电压矢量轨迹畸变特征的诊断方法，诊断时间仅0.05～0.55个基波周期，可快速识别同相单/双管故障，显著提升PowerTitan等大型储能系统的可靠性。该方法采用自适应阈值、复杂度低，适合集...
一种基于FCS-MPC的无阈值牵引逆变器开路故障诊断方法
An FCS-MPC-Based Threshold-Free Diagnosis Method for Open-Circuit Faults in Traction Inverters
Hongwei Tao · Yunquan Song · Zhen Huang · Yunjun Yu · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年1月
针对牵引系统中两电平逆变器常见的开路故障，提出一种基于有限控制集模型预测控制（FCS-MPC）的无阈值故障诊断方法。通过分析正常与故障工况下的代价函数估计值生成残差序列，遍历该序列获取最小残差以定位故障，并引入残差变化率进行故障结果的二次确认。该方法无需设定阈值，也无需额外硬件。实验结果表明，该方法在参数失配情况下具有较强鲁棒性，可在八分之一个电周期内准确诊断开路故障，验证了其有效性和可行性。
解读: 该无阈值开路故障诊断技术对阳光电源储能变流器和新能源汽车产品线具有重要应用价值。针对ST系列储能变流器和PowerTitan系统，该方法可在八分之一电周期内快速诊断IGBT开路故障，无需额外传感器即可提升系统可靠性，降低硬件成本。对于车载OBC和电机驱动产品，基于FCS-MPC的诊断方法与现有控制策...
嵌入式系统电驱动故障诊断的平均池化降采样数据融合方法
Fault Diagnosis for Electric Drives Using Averagely Pooled and Downsampled Data Fusion on Embedded Systems
Jaehoon Shim · Gyu Cheol Lim · Sangwon Lee · Jung-Ik Ha · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年12月
提出嵌入式系统电驱动故障诊断的数据驱动方法,无需额外传感器或外部计算资源诊断霍尔电流传感器偏置/比例误差和功率开关开路故障。首先识别并建议电驱动系统中故障信息丰富的数据类型,使用统计分析提出候选输入数据类型的有效融合方法创建诊断模型。其次引入利用平均池化(AP)的降采样方法从DSP处理的大量原始数据中有效采样,保留关键信息同时减小数据量。最后提出采用神经网络(NN)分类器的诊断方案使用降采样数据准确诊断故障。通过分析和统计验证证明从采样到诊断的有效性。使用TMS320F28379S DSP展示实...
解读: 该嵌入式电驱动故障诊断技术对阳光电源电机驱动产品有重要应用价值。平均池化降采样方法可应用于新能源汽车OBC和电机控制器的实时故障诊断,在资源受限的嵌入式系统中实现高准确度诊断。神经网络分类器对ST储能系统的功率开关和传感器故障检测有借鉴意义,可提高系统可靠性和可维护性。该技术对阳光电源智能运维平台的...
基于CGAN视觉Transformer的F型逆变器少样本开路故障诊断
A Few-Shot Open-Circuit Fault Diagnosis of F-Type Inverters Using CGAN-Based Vision Transformer
Mahmoud S. Mahmoud · Ahmed Salem · Van Khang Huynh · Kjell G. Robbersmyr · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年10月
多电平逆变器因结构特点广泛应用于各工业领域，但其元件增多导致故障率升高。深度学习模型虽可自动提取特征并实现精确故障诊断，但依赖大量训练样本，而实际工程中故障数据获取困难。为此，本文提出一种融合条件生成对抗网络（CGAN）与视觉Transformer（ViT）的少样本开路故障诊断方法。首先将测量信号转化为时频图像，利用CGAN生成具有相似分布的二维样本图像，再通过改进ViT结合原始与生成样本，采用多头自注意力机制提取局部与全局特征并完成故障分类。在F型逆变器实验平台上验证表明，每类仅用6个样本时，...
解读: 该少样本故障诊断技术对阳光电源多电平逆变器产品线具有重要应用价值。针对ST系列储能变流器和SG系列光伏逆变器普遍采用的三电平及多电平拓扑，功率器件数量增多导致开路故障概率上升，而实际运行中故障样本稀缺。该方法通过CGAN数据增强结合ViT特征提取，仅需6个样本即可达98.46%诊断准确率，可直接集成...