找到 2 条结果 · IEEE Journal of Emerging and Selected Topics in Power Electronics
用于储能式有轨电车的具有中点电压自恢复功能的三级SiC DC–DC变换器
Three-Level SiC DC–DC Converter With Midpoint Voltage Self-Recovery for Energy-Storage Trams
Wei Li · Wenlu Zhang · Chunyang Chen · Xinxin Tang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
储能式有轨电车对其储能装置供电系统提出了高要求，充电系统需具备高电压、大功率输出以实现快速充电。采用三级DC–DC拓扑与碳化硅（SiC）MOSFET等宽禁带半导体器件可提升耐压等级与开关频率，适用于高压大功率场景。本文提出一种三级不对称混合钳位DC–DC变换器，通过“串联充电、并联放电”电路结构，在特定条件下实现输入侧中点电压自平衡。设计了满足储能电车充电需求的控制算法，并研制基于SiC器件的样机模块。相比前代系统，体积减小32.85%，质量降低30.70%。仿真与实验验证了中点电压自恢复能力及...
解读: 该三电平SiC DC-DC变换器技术对阳光电源储能与充电业务具有重要应用价值。中点电压自恢复功能可直接应用于ST系列储能变流器的DC-DC级联架构，解决三电平拓扑中点电位漂移难题，提升系统可靠性。SiC器件应用与高频化设计实现32.85%体积缩减，契合PowerTitan储能系统的高功率密度需求。非...
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...