找到 17 条结果 · IEEE Transactions on Industrial Electronics
基于故障诱导状态方程建模的三电平T型变换器容错模型预测控制
Fault-Tolerant Model Predictive Control for Three-Level T-Type Converters Based on Fault-Induced State Equation Modeling
Tianxu Cao · Dehao Kong · Chaohui Zhang · Bo Long 等5人 · IEEE Transactions on Industrial Electronics · 2025年10月 · Vol.73
本文提出一种面向三电平T型变换器的容错模型预测控制方法，构建统一的故障诱导状态空间模型，融合电网侧电流与中点电压成本函数，并采用双环结构提升故障下系统可靠性与电能质量。
解读: 该研究直接支撑阳光电源ST系列储能变流器（PCS）及PowerTitan液冷储能系统的高可靠性运行需求。三电平T型拓扑广泛应用于其1500V高压PCS产品，而开路故障容错能力对电站级储能系统长期免维护运行至关重要。建议将该MPC容错算法集成至iSolarCloud智能运维平台的实时控制层，优先在Po...
计算高效的长时域预测控制在电力变换器中的应用：一种强化学习方法
Computationally Efficient Long-Horizon Predictive Control for Power Converter: A Reinforcement Learning Approach
Yihao Wan · Yang Zhang · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年4月
长预测时域有限控制集模型预测控制（FCS - MPC）在闭环稳定性、谐波失真和开关频率方面表现出卓越的性能。然而，对于传统的穷举法，实际实施时的计算负担会随着预测时域的增加呈指数级增长。传统方法包括将其重新表述为整数最小二乘（ILS）问题，以及采用基于人工神经网络（ANN）的有监督模仿学习技术，以减轻长预测时域带来的计算负担问题。在本文中，通过将强化学习（RL）框架与长预测时域相结合，开发了一种新型自主控制器用于变流器控制。通过这种方式，RL智能体通过与变流器系统进行交互，自主学习最优开关策略。...
解读: 从阳光电源的业务视角来看，这项基于强化学习的长预测时域模型预测控制技术具有重要的战略价值。该技术针对功率变换器控制中的核心痛点——长预测时域带来的计算复杂度问题，提出了创新性解决方案，这与我们在光伏逆变器和储能变流器产品中追求高性能控制的需求高度契合。 技术价值方面，长预测时域控制能够显著改善闭环...
基于有限差分域-混合半机理建模的风力机自适应域调度多模型预测控制
Adaptive Domain Scheduling-Multiple Model Predictive Control for Wind Turbine Based on Finite Difference Domain-Hybrid Semi Mechanism Modelling
Zihao Li · Yang Hu · Weiran Wang · Fang Fang 等5人 · IEEE Transactions on Industrial Electronics · 2025年3月
为解决复杂不确定运行工况下考虑功率跟踪与载荷抑制的风力发电机组优化控制问题，提出了一种有限差分域 - 混合半机理（FDD - HSM）建模方法。基于该模型，针对自由输出（FO）和受限输出（LO）模式设计了一种自适应域调度 - 多模型预测控制（ADS - MMPC）策略。利用高性能实时目标机并与实际风力发电机组的全运行特性进行对比，验证了 FDD - HSM 方法的准确性。通过仿真进一步验证了 ADS - MMPC 算法的有效性，并将其与传统基于模型预测控制（MPC）的算法进行了对比。
解读: 从阳光电源的业务视角来看，这项针对风电机组的自适应域调度-多模型预测控制技术具有重要的跨领域借鉴价值。尽管研究对象是风力发电系统，但其核心思想与我司在光伏逆变器、储能系统及综合能源管理方面的技术需求高度契合。 该论文提出的有限差分域-混合半机理建模方法(FDD-HSM)解决了复杂工况下的精确建模难...
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...
基于子空间预测器的预测电压控制方法
Subspace Predictor-Based Predictive Voltage Control for Power Converters
Zeyu Zhang · Jien Ma · Lin Qiu · Xing Liu 等6人 · IEEE Transactions on Industrial Electronics · 2025年2月
有限控制集模型预测控制（FCS-MPC）因性能优异、实现简单和动态响应快，在电力变换器中备受关注。然而，传统FCS-MPC对模型参数依赖性强。为此，本文提出一种基于有限集子空间预测器的电压控制策略，旨在提升系统鲁棒性的同时保留FCS-MPC的优点。该方法在各运行点采用子空间预测器替代物理模型，仅利用历史输入输出数据直接根据参考输出轨迹获取最优控制量，无需知晓系统结构与负载参数，有效避免了参数变化导致的性能下降。三电平中点钳位逆变器实验验证了所提方法的有效性。
解读: 该基于子空间预测器的预测电压控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。传统MPC对参数依赖性强，在储能系统电池老化、光伏逆变器负载波动等工况下性能易劣化。该方法仅依赖历史数据即可实现最优控制，无需精确模型参数，可显著提升PowerTitan大型储能系统在全生命周期的控...
基于虚拟中压矢量和无权重因子的三电平中性点钳位逆变器有限集模型预测控制
Finite-Set Model Predictive Control With Virtual Medium Voltage Vectors and Eliminated Weighting Factors for 3L-NPC Inverters
Qingle Sun · Zifan Lin · Zhifu Wang · Herbert Ho Ching Iu 等6人 · IEEE Transactions on Industrial Electronics · 2025年1月
摘要：为提高有限集模型预测控制（FS - MPC）的系统性能，研究了离散空间矢量调制（DSVM）和权重因子消除方法。然而，现有的基于DSVM且无权重因子的三电平逆变器FS - MPC存在计算负担重、算法灵活性低以及工作范围大幅缩小等问题。为解决这些问题，本文提出了一种基于虚拟中压矢量（MVV）的新型基于DSVM的FS - MPC方法，该方法大大降低了电流谐波和计算负担，实现了DSVM中时间间隔数量的灵活调整，消除了权重因子，同时在全工作频率范围和负载条件下确保了中性点电压（NPV）的平衡。引入的...
解读: 从阳光电源的业务视角来看，这项针对三电平中点钳位型（3L-NPC）逆变器的有限集模型预测控制技术具有重要的应用价值。3L-NPC拓扑是我司中高功率光伏逆变器和储能变流器的核心架构，该技术通过引入虚拟中电压矢量和消除权重因子，直接解决了当前产品面临的关键技术痛点。 技术价值方面，该算法显著降低了电流...
基于稳定性的强化学习控制在电力电子变换器中的应用：一种李雅普诺夫方法
Stability-Guided Reinforcement Learning Control for Power Converters: A Lyapunov Approach
Yihao Wan · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年1月
强化学习（RL）因其处理非线性和自学习能力而在电力电子领域受到关注。合理配置下，RL智能体可通过与变换器系统交互自主学习最优控制策略。类似于传统的有限控制集模型预测控制（FCS-MPC），RL可学习最优开关策略并实现良好控制性能。然而，RL控制器改变闭环动态特性，给系统稳定性保障与评估带来挑战。为此，本文提出构造李雅普诺夫函数以引导智能体在提升控制性能的同时确保闭环稳定性，并通过推导电压控制误差收敛的紧致集量化系统的实用稳定域。最后，在实验平台上验证了所提方法的有效性，仿真与实验结果均表明该方法...
解读: 该李雅普诺夫引导的强化学习控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。相比传统FCS-MPC，该方法通过李雅普诺夫函数保障闭环稳定性，同时利用RL自学习能力优化开关策略，可显著提升储能变流器在复杂工况下的动态响应和鲁棒性。技术可直接应用于构网型GFM控制器...
用于储能系统的三电平级联非反相升降压变换器的模型预测控制
A Model Predictive Control of Three-Level Cascaded Noninverting Buck–Boost Converter for Energy Storage System
Qiaoling Peng · Simiao Zhou · Fujun Ma · Gelin Huang 等5人 · IEEE Transactions on Industrial Electronics · 2024年11月
三级级联非反相升降压变换器（TL - CNIBBC）具有多种运行模式，尤其适用于储能的宽范围电压双向转换。如何选择合适的运行模式并实现平滑的模式切换是亟待解决的关键问题。本文分析了TL - CNIBBC的工作原理，并引入了基于传统工作模式的两种扩展模式，以消除输入电压接近输出电压时的死区。其次，提出了一种以电感电流为代价函数的模型预测控制（MPC）方法，采用滞环控制避免模式跳变，并定义了模式切换规则以实现多模式平滑过渡。最后，针对三级变换器中的电容电压不平衡问题，提出了一种占空比修正方法。实验结...
解读: 从阳光电源储能系统业务视角来看，这篇论文提出的三电平级联非反相Buck-Boost变换器技术具有重要的应用价值。该技术针对储能系统宽范围电压双向转换的核心需求，与我司ST系列储能变流器（PCS）的技术演进方向高度契合。 论文的核心贡献在于解决了传统Buck-Boost变换器在输入输出电压接近时的"...
基于强化学习的电力电子变换器预测控制
Reinforcement Learning-Based Predictive Control for Power Electronic Converters
Yihao Wan · Qianwen Xu · Tomislav Dragičević · IEEE Transactions on Industrial Electronics · 2024年10月
有限集模型预测控制（FS - MPC）似乎是一种很有前景且有效的电力电子变换器控制方法。传统的有限集模型预测控制存在权重因子选择耗时的问题，这会显著影响控制性能。有限集模型预测控制面临的另一个持续挑战是，要获得理想的控制性能，它依赖于预测模型。为克服上述问题，我们提议将强化学习（RL）应用于电力变换器的有限集模型预测控制。首先，采用强化学习算法对有限集模型预测控制进行自动权重因子设计，旨在最小化总谐波失真（THD）或降低平均开关频率。此外，通过用预测算法的成本函数为强化学习智能体制定激励机制，该...
解读: 从阳光电源的业务视角来看，这项基于强化学习的预测控制技术对我们的核心产品线具有重要战略价值。该技术针对有限集模型预测控制（FS-MPC）的两大痛点提出了创新解决方案，这与我们在光伏逆变器和储能变流器领域追求高效率、高可靠性的目标高度契合。 在实际应用层面，该技术的自动权重因子设计功能可显著缩短我们...
基于神经网络预测器与软演员-评论家算法的电力电子变换器预测控制方法
A Predictive Control Method Based on Neural Predictor and Soft Actor–Critic for Power Converters
Chenghao Liu · Jien Ma · Xing Liu · Lin Qiu 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
本文着重于将软强化学习（RL）技术引入有限控制集模型预测控制（FCS - MPC）框架，以提升鲁棒性能。更确切地说，在神经预测器的基础上，开发了一个使用软演员 - 评论家算法训练的智能体，用于探索嵌入在MPC框架内的最优控制输入。同时，在训练过程中引入了基于李雅普诺夫函数的约束条件，并给出了相应的权重更新法则。此外，所提出的方法保证了集成了RL智能体的系统的稳定性。最后，仿真和实验结果均验证了该方法相较于现有FCS - MPC方法的优越性。
解读: 从阳光电源的核心业务视角来看，这项基于软强化学习的预测控制技术具有重要的战略价值。该方法将软演员-评论家算法与有限集模型预测控制相结合，通过神经网络预测器实现智能决策，这与我们在光伏逆变器和储能变流器中广泛应用的MPC控制策略形成了技术演进路径。 对于阳光电源的产品线，该技术的核心价值体现在三个层...
基于重要性加权的模型预测控制增强型模仿学习
Enhanced Imitation Learning of Model Predictive Control Through Importance Weighting
作者未知 · IEEE Transactions on Industrial Electronics · 2024年9月
在电力电子研究领域，用神经网络模型近似模型预测控制（MPC）算法作为一种实现计算成本高昂方法实时应用的有效工具，已受到广泛关注。训练机器学习模型以模仿MPC算法通常遵循传统的监督学习流程，其静态训练数据集通过均匀采样或仿真生成。使用均匀分布的数据进行训练可使模型在整个运行空间保持一致的性能，但非常小的模型可能无法在对应预期运行的区域取得令人满意的结果。相反，使用仿真数据进行训练可以得到能够精确跟踪某些轨迹的模型，但在数据代表性不足的区域无法获得足够好的性能。本文提出了一种结合这两种方法优势的方法...
解读: 从阳光电源的业务角度来看，这项基于重要性加权的模型预测控制（MPC）模仿学习技术具有重要的应用价值。该技术针对电力电子系统中MPC算法计算复杂度高、难以实时实现的痛点，通过神经网络模型近似MPC算法，并创新性地采用核密度估计对训练数据进行重要性加权，实现了模型性能的显著提升。 对于阳光电源的核心产...
基于Adaline神经网络的数据使能有限状态预测控制用于电力变换器
Data-Enabled Finite State Predictive Control for Power Converters via Adaline Neural Network
Wenjie Wu · Lin Qiu · Xing Liu · Jien Ma 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
有限控制集模型预测控制（FCS-MPC）在电力变换器与电机驱动中展现出良好前景，但受限于模型依赖性。本文从动态建模角度提出一种数据使能的有限集预测控制方案。采用动态线性化数据模型在各运行点等效重构系统，并通过自适应线性神经网络在线更新时变参数，提升建模精度与实现性能。同时提出一种改进的无电容电压平衡方法以调节中点电位。由于负载电流与电容电压的无参数预测仅依赖系统输入输出测量及历史数据，有效规避了参数变化带来的不利影响。通过在三电平中点钳位逆变器上的仿真与实验验证了所提方法的优越性。
解读: 该数据驱动的有限集预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器的三电平拓扑控制具有重要应用价值。通过Adaline神经网络实现无参数化预测控制，可有效解决储能系统在宽工况运行时的参数漂移问题，提升PowerTitan大型储能系统在温度变化、器件老化等复杂工况下的控制鲁棒性。改进的中点电位...
功率变换器的FCS-MPC：一种事件驱动的脑情绪学习方法
FCS-MPC of Power Converters: An Event-Driven Brain Emotional Learning Approach
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
针对系统不确定性与低开关频率（SF）下的有限控制集模型预测控制（FCS-MPC）框架，本文提出一种事件驱动的脑情绪在线学习方法。该方法包含三个关键特征：采用双向模糊脑情绪在线学习机制并结合鲁棒控制项以逼近理想控制器；引入基于事件驱动的管状模型预测控制机制实现低SF运行；加入积分误差项以提升低SF下的跟踪性能。所提方法无需权重因子即可有效抑制不确定性、降低开关频率并减小跟踪误差，并给出了闭环系统的收敛性分析。通过多个文献中的基准实例验证了其有效性。
解读: 该事件驱动FCS-MPC技术对阳光电源多条产品线具有重要应用价值。在ST储能变流器中，低开关频率运行可直接降低SiC/GaN功率器件的开关损耗，提升系统效率；无权重因子设计简化了多目标控制参数整定难度。在SG光伏逆变器的MPPT控制中，脑情绪学习机制可增强参数摄动与电网扰动下的鲁棒性。在电动汽车驱动...
双环连续控制集模型预测控制在高压大功率储能系统中的应用
Dual-Loop Continuous Control Set Model Predictive Control for a High-Voltage and High-Power Energy Storage System
Zihe Meng · Dongyang Sun · Shuai Wang · Li Sun · IEEE Transactions on Industrial Electronics · 2024年8月
本文针对基于直流动态电压调节器（dc - DVR）的高压大功率储能系统（ESS），提出了一种双环连续控制集模型预测控制（CCS - MPC）方法。与传统控制方法不同，该控制方法在内、外控制环采用级联双模型预测控制。建立了储能系统的数学模型。内环模型预测控制（MPC）控制器基于电感特性方程，用于控制直流动态电压调节器的电感电流；外环模型预测控制（MPC）控制器基于电容特性方程，用于控制输出电压跟踪参考值。在该方案中，内环和外环模型预测控制控制器的参数在每个控制周期都会更新，以提高对负载变化和参数不...
解读: 从阳光电源储能系统业务视角来看，这项基于DC动态电压调节器（dc-DVR）的双环连续控制集模型预测控制技术具有重要的应用价值。该技术针对高压大功率储能系统的控制难题，提出了内外双环级联MPC架构，内环控制电感电流、外环控制输出电压，这与我司大型储能变流器PCS产品的控制需求高度契合。 该技术的核心...
基于单元级的有限控制集模型预测控制在并联三相三电平逆变器中的应用
Cell-by-Cell-Based Finite Control Set Model Predictive Control for Paralleled Three-Phase Three-Level Inverters
Hanbin Zhou · Jian Yang · Xiaojiao Chen · Liansheng Huang 等6人 · IEEE Transactions on Industrial Electronics · 2024年7月
针对有低开关频率要求的高功率并联三相三电平逆变器，本文提出了一种基于逐个单元（CBCB）的新型有限控制集模型预测控制算法。首先，CBCB架构包含两个控制时序交错半个周期的独立逆变器。其次，在CBCB架构内，阐述了一种估计误差更小的延迟补偿方案。此外，为每个独立逆变器设计了一种新型代价函数，使等效控制频率提高一倍。第三，为提高计算效率，在相电压跃变约束和低相环流（PCC）要求下预选候选电压矢量。与传统的分散式有限控制集模型预测控制（FCS - MPC）算法和现有的优化算法相比，所提算法在低平均开关...
解读: 从阳光电源的业务视角来看，该论文提出的"逐单元"有限集模型预测控制算法对我司大功率光伏逆变器和储能系统产品线具有重要应用价值。 在技术层面，该算法针对并联三相三电平逆变器的控制难题提出了创新性解决方案。通过错开半个周期的交错控制时序设计，使等效控制频率提升一倍，这对我司1500V大功率光伏逆变器和...
一种用于并网逆变器模型预测控制的鲁棒电感估计方法
A Robust Inductance Estimation Method for Model Predictive Control of Grid-Connected Inverters
作者未知 · IEEE Transactions on Industrial Electronics · 2024年7月
电感参数对于实现并网逆变器（GCI）的高精度模型预测控制（MPC）至关重要，而传统的电感估计方法对电网频率偏差较为敏感，且在有功功率为零时无法正常工作。为解决这些问题，本文提出一种基于全阶滑模电压观测器（FSMVO）的新型电感在线估计方法。首先，分析了传统基于FSMVO的电感估计方法的缺点。其次，提出了一种新的电感估计方法，该方法利用观测到的电网电压与经过滤波器后的实际电网电压之间的误差，该滤波器的传递函数与FSMVO的传递函数相同。因此，这种新的电感估计方法不受电网频率偏差的影响。此外，本文还...
解读: 从阳光电源的业务视角来看，这项基于全阶滑模电压观测器的电感在线估计技术对我们的并网逆变器产品具有重要应用价值。该技术直接解决了模型预测控制（MPC）中的核心痛点——电感参数精确估计问题，这对提升我们光伏逆变器和储能变流器的并网性能至关重要。 该技术的创新性在于克服了传统方法的两大局限：一是对电网频...
用于五端口变换器接口直流微电网高效运行的混合模型预测控制框架
Hybrid Model Predictive Control Framework for Efficient Operation of a Five-Port Converter Interfaced DC Microgrid
Arghya Mallick · Atanu Mondal · Ashish R. Hota · Debaprasad Kastha 等5人 · IEEE Transactions on Industrial Electronics · 2024年12月
本文提出了一种基于混合模型预测控制（MPC）的直流微电网新型能量管理框架，旨在有效管理光伏（PV）电源、电池、燃料电池和超级电容器之间的功率分配，同时满足关键负载需求并符合运行约束条件。特别地，该框架缓解了制造商所规定的燃料电池和电解槽在实际运行中的某些难题。由于转换阶段少、体积紧凑、成本效益高且易于控制，采用多端口变换器拓扑来集成分布式能源（DER），而非使用多个变换器。为使多端口变换器平稳运行，开发了一个分层控制单元，用于与基于混合MPC的监督控制器和基于比例 - 积分（PI）补偿器的本地控...
解读: 从阳光电源的业务视角来看，该论文提出的混合模型预测控制（MPC）框架与五端口变换器技术，对我司在分布式光储氢一体化系统领域具有重要参考价值。 该技术的核心优势在于通过多端口拓扑替代传统多变换器架构，实现光伏、电池、燃料电池、超级电容器等多种能源的协同管理。这与阳光电源当前推进的"光储氢充"一体化解...