找到 3 条结果 · IEEE Transactions on Industrial Electronics

排序:
控制与算法 并网逆变器 构网型GFM ★ 5.0

基于无源性的构网型多逆变器电站稳定性控制

Passivity-Based Control for the Stability of Grid-Forming Multi-inverter Power Stations

Ming Li · Enjun Liu · Hua Geng · Yongtao Mao 等6人 · IEEE Transactions on Industrial Electronics · 2025年2月

现有并网逆变器在面对电网非线性变化时会遇到稳定性问题,当前的解决方案难以有效应对复杂的电网环境。我们提出一种基于无源性的控制策略,以提高构网型多逆变器电站的稳定性和动态性能,从而应对这些挑战。从能量重塑的角度设计的内环,确保了逆变器输出的稳定性。采用微分无源性设计的外环,显著增强了对扰动的响应能力,并在多台逆变器并联运行时无需通信即可确保功率分配和相位同步。非线性扰动观测器估计并网点的非线性扰动,并将此信息反馈到内环进行参数补偿。我们基于李雅普诺夫稳定性准则证明了整个控制器的无源性。这确保了电站...

解读: 从阳光电源的业务视角来看,这项基于无源性控制的构网型多逆变器协同控制技术具有重要的战略价值。随着我司在全球光伏逆变器和储能系统市场份额的持续扩大,大规模新能源电站面临的电网稳定性问题日益凸显,该技术为解决这一核心痛点提供了系统性方案。 该技术的核心创新在于三层协同控制架构:能量重塑的内环控制确保单...

电动汽车驱动 模型预测控制MPC ★ 5.0

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...

电动汽车驱动 ★ 4.0

一种面向功率半导体器件的在线换流器级老化故障模式分离方法

An Online Converter-Level Wear-Out Failure Mode Separation Method for Power Semiconductor Devices

Yingzhou Peng · Kaichun Wang · Xing Wei · Zhikang Shuai 等5人 · IEEE Transactions on Industrial Electronics · 2024年10月

引线键合功率半导体器件有两种主要的与封装相关的老化模式:键合线脱落和焊点退化。在运行的功率变换器中区分这两种老化模式非常重要,这样可以定位退化点,并分别监测老化过程。因此,这有助于实现功率半导体器件封装的优化设计以及开发更精确的寿命模型。本文重点研究功率器件运行时主要老化模式的分离问题。通过变换器级导通电压测量电路,获取功率器件输出电流 - 电压(I - V)特性曲线上的两个点,从而实现功率变换器中所有功率器件老化模式的分离。与传统方法相比,该方法是一种在线解决方案,从变换器层面来看适用于不同类...

解读: 从阳光电源的业务视角来看,这项功率半导体器件在线失效模式分离技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中,IGBT、MOSFET等功率器件是决定系统可靠性和寿命的关键部件。该技术能够在设备运行状态下区分键合线脱落和焊层退化两种主要失效模式,这为我们实现预测性维护和精准故障定位提供了新...