找到 2 条结果 · IEEE Transactions on Industrial Electronics
基于预测扰动观测器的鲁棒重复控制在时滞系统中的应用——以恒压恒频逆变器为例
Robust Predictive Disturbance Observer-Based Repetitive Control for Time-Delay Systems With Application to CVCF Inverters
Wei Xiong · Zuo Wang · Jing Na · Baoyong Zhang 等5人 · IEEE Transactions on Industrial Electronics · 2024年7月
本文针对存在不匹配扰动的时滞系统，通过预测扰动观测器（PDO）提出了一种复合重复控制（RC）方法。重复控制框架由一个内部正反馈回路和一个外部反馈回路组成。在内环中，利用系统模型和固有时间延迟构建周期性参考信号的内模。在外环中，设计了一个简单的控制器来稳定闭环系统。时滞波动和模型不确定性会在提出的内模中引入扰动，这些扰动可能同时包含周期性和非周期性成分。为解决这一问题，在内模中引入了一种新型预测扰动观测器来估计这些扰动。因此，可在存在时滞的情况下实现一种用于周期性参考跟踪的鲁棒控制方案，即PDO ...
解读: 从阳光电源的业务视角来看，这项基于预测扰动观测器的鲁棒重复控制技术对我司光伏逆变器和储能系统产品具有重要应用价值。该技术针对恒压恒频（CVCF）PWM逆变器的输出电压调节问题，通过创新性地将预测扰动观测器（PDO）融入重复控制（RC）框架，有效解决了时滞系统中周期性参考跟踪的难题。 技术价值方面，...
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"...