找到 3 条结果 · IEEE Transactions on Industrial Electronics
基于边缘2D-CNN轻量部署的ANPC逆变器多开路故障实时诊断
Real-Time Diagnosis of Multiple Open-Circuit Faults in ANPC Inverters Based on Lightweight Deployment of Edge 2D-CNN
Guangtong Ma · Chunxing Yao · Shuai Xu · Guanzhou Ren 等6人 · IEEE Transactions on Industrial Electronics · 2025年4月
摘要：多个开路（OC）故障严重影响了有源中点钳位（ANPC）逆变器的可靠运行。为实现对三电平ANPC（3L - ANPC）逆变器多个OC故障的快速准确检测，本文将轻量级卷积神经网络（CNN）部署到边缘计算板上。具体而言，所提出的在线诊断方法包括离线训练和在线部署。在离线训练阶段，设计了多源信息融合方法以促进有效特征提取，从而提高所设计CNN的预测精度。此外，采用特定的优化框架来简化离线训练过程。在在线部署方面，通过使用TensorRT实现训练好的CNN的轻量级设计，以降低计算成本并加快诊断速度。...
解读: 从阳光电源的业务视角来看，这项基于边缘计算的ANPC逆变器多重开路故障实时诊断技术具有重要的应用价值。ANPC（有源中点钳位）拓扑作为三电平逆变器的重要技术路线，在我司大功率光伏逆变器和储能变流器产品中已有广泛应用，其效率和功率密度优势明显，但多重开路故障一直是影响系统可靠性的关键痛点。 该论文提...
基于长时域FCS-MPC训练的一维卷积神经网络用于FPGA平台电力电子变换器控制——以Si/SiC混合变换器为例
Long-Horizon FCS-MPC Trained 1-D Convolution Neural Networks for FPGA-Based Power-Electronic Converter Control With a Si/SiC Hybrid Converter Case Study
Ning Li · Hao Yu · Stephen Finney · Paul D. Judge · IEEE Transactions on Industrial Electronics · 2025年2月
传统的电力电子长时域有限控制集模型预测控制（FCS - MPC）在实时实现方面存在两个主要问题：1）计算负担和延迟；2）对现场可编程门阵列（FPGA）等实时平台的硬件资源要求较高。为解决这些问题，研究人员提出利用模型预测控制结果作为离线训练数据来训练人工神经网络（ANN），并将其应用于实时控制器中，以替代原有的模型预测控制模型。通过这种方式，人工神经网络减轻了在线计算负担和对硬件资源的需求。本文提出了一种基于FPGA的用于长时域FCS - MPC的一维卷积神经网络（CNN）。为进一步简化网络模型...
解读: 从阳光电源的业务视角来看，这项基于FPGA的一维卷积神经网络（CNN）控制技术对我们的核心产品线具有重要战略价值。该技术通过机器学习方法解决了长时域有限控制集模型预测控制（FCS-MPC）在功率电子变换器中的实时实现难题，这与我们在光伏逆变器、储能变流器等产品中面临的控制性能优化需求高度契合。 技...
基于温度相关扩展卡尔曼滤波与深度学习的锂离子电池荷电状态与健康状态联合估计方法
A State-of-Charge and State-of-Health Joint Estimation Method of Lithium-Ion Battery Based on Temperature-Dependent Extended Kalman Filter and Deep Learning
Shiquan Wang · Kai Ou · Wei Zhang · Ya-Xiong Wang · IEEE Transactions on Industrial Electronics · 2024年7月
准确估算荷电状态（SOC）和健康状态（SOH）对于改进电池管理技术至关重要。然而，电池会受到温度和老化的影响，导致其呈现出更难以表征的非线性关系。本文提出了一种基于温度相关扩展卡尔曼滤波器（EKF）和深度学习的锂离子电池SOC - SOH联合估算方法。首先，创建包含温度和容量变量的电池模型状态矩阵、控制矩阵和观测矩阵，以便在本地端使用EKF进行实时SOC估算。其次，利用卷积神经网络（CNN）和注意力机制提取并加权电池老化特征，并结合门控单元解决长序列记忆问题，从而在远程计算平台上进行SOH估算。...
解读: 从阳光电源储能系统业务视角看，这项基于温度依赖扩展卡尔曼滤波与深度学习的SOC-SOH联合估算技术具有显著的工程应用价值。该技术直击储能系统电池管理的核心痛点——在复杂温度环境和电池老化条件下实现精准状态估计，这对我司大规模储能电站和户用储能产品的安全性、经济性至关重要。 技术架构上，论文提出的"...