找到 2 条结果 · IEEE Transactions on Power Electronics
基于集成机器学习的串联直流电弧故障检测
Series DC Arc Fault Detection Based on Ensemble Machine Learning
Vu Le · Xiu Yao · Chad Miller · Bang-Hung Tsao · IEEE Transactions on Power Electronics · 2020年8月
串联直流电弧故障若无法及时检测与隔离，将引发火灾隐患并影响配电母线。由于故障电流小、无过零点以及现代电力电子负载下电弧行为的不确定性，检测难度极大。本文提出了一种实用的集成机器学习方法，旨在提升直流电弧故障的检测精度与鲁棒性。
解读: 该技术对阳光电源的核心业务至关重要。直流电弧检测是光伏逆变器（尤其是组串式逆变器）和储能系统（如PowerTitan/PowerStack）实现安全防护的关键功能（AFCI）。随着光伏系统电压等级提升，电弧风险增加，集成机器学习算法能有效解决传统阈值法在复杂负载下的误报与漏报问题。建议将该算法集成至...
基于未知输入观测器的直流微电网串联直流电弧故障检测
Unknown Input Observer-Based Series DC Arc Fault Detection in DC Microgrids
Xiu Yao · Vu Le · Inhwan Lee · IEEE Transactions on Power Electronics · 2022年4月
本文提出了一种针对直流微电网中串联电弧故障的检测与隔离技术，利用未知输入观测器（UIO）实现。通过图论及关联矩阵对包含多种电力电子负载的直流微电网进行线性化建模，并假设线路为Pi型电路，有效提升了复杂直流系统下的故障识别精度。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及工商业/户用光伏系统中的直流侧安全防护具有重要参考价值。直流电弧故障是光储系统火灾隐患的主要来源，传统的检测方法易受负载波动干扰。引入未知输入观测器（UIO）技术，能够有效解耦负载动态与故障特征，提升系统在复杂工况下的故障诊...