找到 2 条结果 · IEEE Journal of Emerging and Selected Topics in Power Electronics

排序:
电动汽车驱动 ★ 5.0

用于提高轻载至超轻载效率的有源钳位反激变换器三模控制方案

Triple-Mode Control Scheme for an Active-Clamp Flyback Converter to Improve Efficiency at Light-to-Ultralight Loads

Thanh Nhat Trung Tran · Hong-Ji Li · Huang-Jen Chiu · Jian-Min Wang · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月

有源钳位反激(ACF)变换器因结构简单、成本低而广泛应用于小功率场合。传统互补控制策略在重载下效率较高,但在轻载至超轻载时因辅助开关导通损耗显著而导致效率下降。本文提出一种工作于断续导通模式(DCM)的ACF变换器,采用三模控制策略,针对不同负载条件分别应用互补与非互补控制。中重载时采用互补控制以降低开关损耗;轻载时采用非互补控制以缩短辅助开关导通时间;超轻载时启用突发模式进一步提升效率。该方案确保主开关在整个负载范围内实现软开关,辅助开关在中重载时亦实现软开关。实验结果表明,在65 W原型样机...

解读: 该三模控制ACF变换器技术对阳光电源车载OBC充电机和光伏优化器产品具有重要应用价值。在OBC充电机中,车辆长时停放时处于超轻载待机状态,该技术的突发模式和非互补控制可显著降低待机功耗,提升整体能效等级。在组件级光伏优化器中,早晚低辐照和阴影遮挡场景下常工作于轻载,三模控制策略可确保轻载效率达90%...

储能系统技术 储能系统 SiC器件 深度学习 ★ 5.0

基于软Actor-Critic算法的强化学习控制器改进交错并联DC-DC升压变换器电压调节

Improving Voltage Regulation of Interleaved DC-DC Boost Converter via Soft Actor-Critic Algorithm Based Reinforcement Learning Controller

Jian Ye · Di Zhao · Xuewei Pan · Sinan Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月

本文提出采用基于软Actor-Critic(SAC)算法的强化学习(RL)控制器作为三相交错并联DC-DC升压变换器的唯一主控制器,以提升输出电压的动态性能。阐述了最大熵学习的优势及SAC算法原理,给出了神经网络结构与奖励函数的设计方案。SAC智能体经离线训练后,在工作点处进行稳定性分析,并在物理平台上部署测试。与现有方法的对比表明,该方法显著提升了变换器的电压控制能力,且对参数、参考值及负载变化具有强鲁棒性。

解读: 该SAC强化学习控制技术对阳光电源DC-DC变换器产品具有重要应用价值。在ST系列储能变流器中,交错并联Boost拓扑广泛用于电池侧DC-DC升压环节,该方法可显著提升电压动态响应速度和参数鲁棒性,优化储能系统功率爬坡能力。在车载OBC充电机中,面对电池SOC变化和负载突变工况,SAC算法的最大熵学...