找到 2 条结果 · IEEE Transactions on Industry Applications
浮动电容电压对开绕组同步磁阻电机驱动转矩-速度特性的影响
Effects of the Floating Capacitor Voltage on the Torque-Speed Characteristic of an Open-End Winding Synchronous Reluctance Motor Drive
Jacopo Riccio · Filippo Gemma · Luca Rovere · Giulia Tresca 等6人 · IEEE Transactions on Industry Applications · 2025年1月
本论文研究了采用开口绕组（OEW）结构的同步磁阻电机驱动系统的转矩 - 转速特性。该电机由标准的两电平电压源逆变器（VSI）供电，其中一个逆变器由直流电源供电，另一个则连接到一个浮动电容（FC）。分析过程考虑了通过实验确定的同步磁阻电机的磁链图，以考虑自饱和和交叉饱和现象的影响。研究表明，采用浮动电容的双逆变器（DI）结构能够显著扩展恒转矩转速范围并实现单位功率因数。此外，分析显示，与标准的单逆变器（SI）结构相比，在恒功率转速范围内，转矩能够显著提高。借助开口绕组驱动装置的完整模型，可以有目的...
解读: 从阳光电源的业务视角来看，该论文提出的开放式绕组同步磁阻电机双逆变器驱动技术具有显著的应用价值。该技术通过浮动电容器与双逆变器配置，有效拓展了恒转矩速度范围并实现单位功率因数运行，这与我司在光伏逆变器和储能系统领域积累的多电平拓扑控制经验高度契合。 从产品创新角度，该技术可直接应用于我司新能源汽车...
基于增量贝叶斯随机配置网络的漂移环境概率风力预测
Probabilistic Wind Power Prediction Using Incremental Bayesian Stochastic Configuration Network Under Concept Drift Environment
Jizhong Zhu · Le Zhang · Di Zhang · Yixi Chen · IEEE Transactions on Industry Applications · 2024年9月
传统数据驱动的概率风力预测方法通常假设外部环境静态不变，而实际工业数据常受概念漂移影响，导致模型性能下降。为此，本文提出一种增量贝叶斯随机配置网络方法。该方法利用无需迭代的轻量级随机权值神经网络SCN建模变量与目标间的潜在关系，并结合贝叶斯推断更新输出层参数，构建概率预测模型BSCN。通过最大均值差异与连续排序概率评分检测虚拟与真实漂移，以真实漂移触发BSCN的增量学习，并设计特定更新策略实现模型自适应。实验表明，该方法在动态漂移环境中能持续学习新模式且不遗忘旧知识，显著提升预测精度。
解读: 该增量贝叶斯预测方法对阳光电源风电和储能产品线具有重要应用价值。首先可用于ST系列储能变流器的功率预测与调度优化，提升储能系统对风电波动的平抑效果。其次可集成到iSolarCloud平台，通过实时漂移检测和自适应学习提高风电场发电预测准确度，优化PowerTitan储能系统的调度策略。该方法的轻量级...