找到 7 条结果 · IEEE Transactions on Industry Applications

排序:
电动汽车驱动 DC-DC变换器 双向DC-DC ★ 5.0

高轻载效率双级双向800V-14V变换器设计

Design of High light-load efficiency Two stage Bidirectional 800V-14V Converter

Jinfeng Zhang · Xufu Ren · Zhenshuai Rong · Junwen Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年8月

本文提出一种适用于电动汽车(EV)应用的 800 至 14 V 双向 DC - DC 转换器架构。该架构通过采用低压电力电子器件和一种新型集成磁路设计,有助于在轻载时实现高效率并减小体积。该原型在 10%负载下的效率达到 93.5%,峰值效率为 95%,功率密度为 9.18 kW/L。

解读: 该双向800V-14V变换器技术对阳光电源新能源汽车产品线具有直接应用价值。双级LLC+Buck/Boost架构可应用于车载OBC充电机的辅助电源模块,实现动力电池与12V/14V车载低压系统的高效能量双向传输。其轻载高效特性契合车辆待机、怠速等工况需求,可显著降低静态功耗。谐振变换器的软开关技术与...

电动汽车驱动 DAB ★ 5.0

基于扩展移相控制的DAB变换器改进谐振死区模型

An Improved Resonant Dead-Time Model of DAB Converter Based on Extended-Phase-Shift Control

Shanshan Gao · Yixue Zhang · Jianxing Liu · Dianguo Xu · IEEE Transactions on Industry Applications · 2025年8月

双有源桥(DAB)变换器具有双向功率传输和易于实现软开关的优点。对于DAB变换器而言,死区时间是避免短路和实现零电压开关(ZVS)所必需的。随着变换器对高功率密度的需求不断增加,开关频率越来越高,死区时间所占的比例也越来越大。因此,包括电磁干扰加剧和功率传输模型偏差在内的死区时间效应不容忽视。本文详细分析了基于扩展移相控制的DAB变换器的死区时间效应。提出了一种考虑寄生电容和励磁电感的改进分析模型,用以解释谐振死区时间效应并完善以往的理论。为验证理论分析的正确性,搭建了一台额定输出功率为250W...

解读: 该改进谐振死区模型对阳光电源DC-DC变换器产品具有重要应用价值。DAB拓扑广泛应用于ST储能变流器的DC-DC级联、车载OBC充电机的隔离变换以及光储充一体化系统的双向功率接口。精确的死区建模可优化ZVS软开关设计,降低开关损耗5-8%,提升SiC/GaN器件应用效益。扩展移相控制策略可改进Pow...

光伏发电技术 储能系统 ★ 5.0

基于动态加权功率预测误差分配的混合储能系统配置优化

Configuration Optimization of Hybrid Energy Storage System Based on Dynamic Weighted Power Prediction Error Distribution

Xinxue Zhang · Guowei Dong · Jie Shi · Yanni Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年5月

为了量化风电和光伏(PV)功率波动性对风光储系统容量配置的影响,本文聚焦于动态功率预测分布特征,对最优容量配置进行了研究。首先,提出了一种动态加权的非参数核密度估计 - 高斯混合模型(NKDE - GMM)算法。基于上述分布算法,应用了一种基于改进人工鱼群算法(AFSA)的风光储容量优化模型。该模型的目标是使储能系统的生命周期成本最小化,同时考虑与风电和光伏能源预测功率不确定性相关的惩罚成本。最后,通过所提出的综合评价指标(CEI)对不同置信水平下的优化配置结果进行了比较。案例研究表明,综合评价...

解读: 该动态加权功率预测误差分配技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究提出的混合储能配置优化方法可直接应用于阳光电源液冷储能系统中电池与超级电容的协同控制策略,通过多时间尺度功率预测偏差分析,优化功率分配算法,延长电池循环寿命。该技术可集成至iSolarC...

储能系统技术 储能系统 强化学习 ★ 5.0

基于多智能体深度强化学习的氢储能系统参与式分散电压控制

Hydrogen Energy Storage System Participated Decentralized Voltage Control With Multi-Agent Deep Reinforcement Learning Method

Xian Zhang · Changlei Gu · Hong Wang · Guibin Wang 等6人 · IEEE Transactions on Industry Applications · 2025年1月

随着电力电子技术的发展,智能逆变器和储能系统正逐步应用于有源配电网(ADN)的电压调节。本文将氢能储能系统(HESS)纳入配电网电压控制,并提出一种协同电压控制框架。首先,考虑不同电压调节设备的特性,构建了一个双时间尺度电压控制问题。对HESS进行精确建模并引入快速时间尺度。为了实现该问题的分散高效求解,将其重新表述为双时间尺度马尔可夫博弈问题,然后提出一种改进的多智能体软演员 - 评论家(MASAC)算法来求解。具体而言,将优先经验回放引入MASAC算法,即PER - MASAC,以增强训练过...

解读: 该多智能体深度强化学习的分散电压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。氢储能系统的无功调节策略可直接迁移至电化学储能PCS控制,增强ST储能变流器在配电网中的自主电压支撑能力。多智能体协同框架可应用于PowerTitan多机并联场景,实现分布式协同控...

功率器件技术 SiC器件 ★ 5.0

基于Koopman算子的物理信息数据驱动可再生能源主导电力系统振荡抑制策略

Physics Informed Data-Driven Oscillation Stabilization Strategy for Renewable-Dominant Power Systems Based on Koopman Operator

Zihan Wang · Gengyin Li · Ziyang Huang · Xiaonan Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年1月

随着波动性可再生能源发电(REGs)的高比例接入,振荡现象在全球范围内频繁出现。与传统电力系统中的低频振荡不同,以可再生能源为主导的电力系统中的振荡频率更高,涉及更多非线性因素,严重威胁着系统的稳定运行。振荡稳定控制设计的主要技术挑战在于以可再生能源为主导的电力系统具有非线性、复杂性,且难以获取其模型。为应对这一范式转变,本文提出了一种基于柯普曼算子(KO)的物理信息驱动的数据驱动振荡稳定控制(PDOS)策略,该策略具有强可解释性和高计算效率的优点。首先,基于柯普曼算子实现了非线性动态的全局线性...

解读: 从阳光电源的业务视角来看,这项基于Koopman算子的物理信息驱动振荡稳定技术具有重要的战略价值。随着全球新能源渗透率持续攀升,我们在实际项目中已观察到高频振荡问题日益突出,这与传统电力系统的低频振荡特性存在本质差异,对我们的光伏逆变器和储能系统控制策略提出了新挑战。 该技术的核心价值在于通过Ko...

电动汽车驱动 ★ 5.0

提高电磁暂态仿真中插值算法精度:基于帕德逼近与开关定理的方法

Improving Accuracy of Interpolation Algorithm in EMT Simulation: A Padé Approximation and Switching Theorem Based Approach

Yang Cao · Wei Gu · Mingwang Xu · Fei Zhang 等6人 · IEEE Transactions on Industry Applications · 2024年10月

随着可再生能源和电力电子设备在电力系统中日益普及,电力系统的特性如今由电力电子技术所塑造,这给电磁暂态(EMT)仿真中使用的加速算法带来了新的挑战。在此背景下,本文提炼了插值算法的五个关键技术要点,并提出了一种改进的插值算法。具体而言,采用帕德近似并将其与数值积分方法相结合,建立离散模型以提高精度和稳定性。利用开关定理进行重新初始化,这进一步降低了开关误差,并能更真实地反映开关暂态过程。此外,通过李雅普诺夫稳定性分析从理论上证明了该算法的稳定性。使用改进的插值算法,能够在保持高仿真效率和稳定性的...

解读: 该EMT仿真插值算法对阳光电源电力电子产品开发具有重要价值。在ST储能变流器和SG光伏逆变器设计阶段,高精度EMT仿真可准确预测高频开关暂态、谐波特性及并网交互行为,优化SiC/GaN器件开关策略与死区时间设计。对于构网型GFM控制器开发,精确的暂态仿真能验证虚拟惯量响应与故障穿越性能。在电动汽车O...

电动汽车驱动 深度学习 ★ 4.0

基于卷积神经网络的功率器件结温监测

Junction Temperature Monitoring of Power Devices Using Convolutional Neural Networks

Zhiliang Xu · Huimin Wang · Xinglai Ge · Yichi Zhang 等6人 · IEEE Transactions on Industry Applications · 2025年3月

基于温度敏感电参数(TSEP)的方法能够实现功率器件结温的精确监测(JTM)。然而,大多数温度敏感电参数易受负载电流和器件老化的影响而产生误差,从而降低了结温监测的准确性。为解决这一问题,本文提出了一种基于卷积神经网络(CNN)模型的结温监测方法,以应对这两个因素带来的不利影响。在该方法中,选择开通集电极电流($I_{C}$)作为温度敏感电参数,并通过数学模型深入分析了开通集电极电流的温度特性。此外,通过大量双脉冲测试全面研究了开通集电极电流的参数相关性。考虑到实际中负载电流影响显著且频繁变化的...

解读: 该CNN结温监测技术对阳光电源功率器件热管理具有重要应用价值。可直接应用于ST系列储能变流器和SG系列光伏逆变器的SiC/GaN功率模块,通过实时监测IGBT/MOSFET结温实现预测性维护。相比传统TSEP方法,CNN自动特征提取克服了非线性补偿难题,无需额外传感电路即可从开关波形获取温度信息,适...