找到 4 条结果 · IEEE Transactions on Industry Applications
一种增强型无源性控制在波浪能转换系统混合储能中的应用
An Enhanced Passivity-Based Control of Hybrid Energy Storage Applied to Wave Energy Conversion System
Peiwen Tan · Lei Huang · Wenjun Zheng · Shixiang Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
直驱式波浪能转换器（DDWEC）的输出功率本质上受实际海况影响，具有显著的间歇性。这种可变性给向负载提供稳定电力带来了挑战，进而使控制策略变得复杂。本文提出了一种用于含直驱式波浪能转换器和混合储能系统（HESS）的孤岛微电网应用的互联阻尼评估 - 基于无源性的控制器（IDA - PBC）。与其他控制方法不同，IDA - PBC 不将控制策略分为外环和内环，这使得控制策略更高效，能够确保系统稳定性。结合基于无源性的控制，本文提出了一种非线性干扰观测器（NDO），以增强系统在参数不匹配和负载条件变化...
解读: 该增强型无源性控制策略对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要借鉴价值。文章提出的超级电容-蓄电池混合储能架构与基于端口受控哈密顿模型的控制方法，可直接应用于光储、风储等新能源并网场景的功率平抑。其渐近稳定性保证与鲁棒控制特性，可增强阳光电源储能系统在电网扰动下的动态响...
采用CDD辅助电路的单向隔离谐振开关电容变换器
Unidirectional Isolated Resonant Switched Capacitor Converter With CDD Auxiliary Circuit
Yan Liu · Xiaofeng Yang · Wentao Mu · Haixia Tan 等6人 · IEEE Transactions on Industry Applications · 2025年2月
为满足高压应用中直流 - 直流转换器的需求，本文提出了一种单向隔离谐振开关电容转换器（UI - RSCC）。此外，采用 CDD 辅助电路来抑制电压振荡并消除占空比损失。实现了直流电容器的电压自平衡，从而简化了控制。通过复用部分开关器件，减少了所需的开关器件数量。首先，介绍了 UI - RSCC 拓扑结构。在分析寄生电容和占空比损失的基础上，将 CDD 辅助电路引入 UI - RSCC 以抑制电压振荡，并讨论了其工作原理和软开关条件。最后，通过仿真和实验验证了该拓扑结构和控制方法的合理性和有效性。...
解读: 从阳光电源的业务视角来看，这项单向隔离谐振开关电容变换器技术具有显著的应用价值。该技术通过CDD辅助电路有效抑制电压振荡并消除占空比损耗，在高电压应用场景中展现出独特优势，这与我司光伏逆变器和储能系统的核心技术需求高度契合。 在光伏发电领域，该技术的电压自平衡特性可简化控制系统设计，降低多电平逆变...
内在与外在学习框架用于多设备初期故障检测与分类
Intrinsic and Extrinsic Learning Framework for Multi-Equipment Incipient Fault Detection and Classification
Lixian Shi · Yang Weng · Qiushi Cui · Xiaodong Zheng 等6人 · IEEE Transactions on Industry Applications · 2024年9月
早期故障（IFs）是电力设备故障的先兆。由于发生频率低，早期故障数据十分稀缺。早期故障数据的稀缺导致识别早期故障存在困难。传统方法缺乏学习早期故障数据丰富且有意义表征的能力，尤其是在早期故障数据有限的情况下。此外，一些将波形转换为图像的方法在捕捉时间关系和分析波形失真方面并无优势。为解决这些问题，本文开发了一个名为INTEL - IFD的智能框架。在数据处理过程中，提出了一种加权早期故障格拉姆矩阵表达方法，以获得增强了早期故障特征的加权格拉姆图像，用于进一步基于图像的智能识别。为应对故障数据有限...
解读: 该内在与外在学习框架对阳光电源的功率器件故障预测具有重要应用价值。可应用于ST系列储能变流器、SG系列光伏逆变器中的SiC功率模块故障预警,以及PowerTitan大型储能系统的预测性维护。通过挖掘有限故障样本的深层特征并引入外部知识,可提升iSolarCloud平台对功率器件初期故障的诊断准确率。...
基于物理雅可比信息的编码器-解码器神经网络用于非线性潮流回归
Physically Jacobian-Informed Encoder-Decoder ANNs for Nonlinear Power Flow Regression
Hao Yang · Kai Zheng · Wendong Su · Zhenglong Sun 等6人 · IEEE Transactions on Industry Applications · 2024年7月
潮流（PF）是电力系统稳态分析与控制的基础。传统的基于一组隐式非线性方程构建的模型驱动潮流计算方法采用牛顿 - 拉夫逊法进行迭代求解。然而，潮流计算的速度和收敛性会受到合适初值以及迭代过程效率的影响。数据驱动的潮流回归方法可以通过从潮流数据集学习显式映射函数来克服上述问题。但是，该方法仅实现了从潮流输入到输出的非线性映射，忽略了潮流计算中的物理规则，这可能导致精度和泛化能力较差。本文提出了一种基于物理雅可比信息的编解码器神经网络（NNs）用于潮流非线性回归。基于正向和反向潮流模型，构建了一种采用...
解读: 从阳光电源的业务实践来看，这项基于物理雅可比信息的神经网络潮流计算技术具有显著的工程应用价值。在新能源电站并网运行中，快速准确的潮流计算是实现主动电压支撑、功率调度优化和故障预判的基础。传统牛顿-拉夫逊迭代方法在高比例新能源接入场景下常面临收敛性问题，特别是在光伏、储能等分布式资源大规模并网时，系统...