找到 2 条结果 · IEEE Transactions on Power Electronics
一种用于直流微网恒功率负载前馈补偿的新型无源性模型预测控制
A Novel Passivity Model Predictive Control for Predefined-Time Feedforward Compensation in DC Microgrids Feeding Constant Power Loads
Zehua Zhang · Panbao Wang · Jiyao Zhou · Wei Wang 等5人 · IEEE Transactions on Power Electronics · 2024年12月
恒功率负载（CPLs）的负增量阻抗会对直流微电网的稳定运行产生不利影响。另一方面，电力电子变换器在应对源-负载侧扰动时应具备出色的瞬态性能。因此，本文针对为直流微电网恒功率负载供电的直流/直流升压变换器，提出了一种自适应无源模型预测控制器。首先，设计了预定义时间非线性干扰观测器，用于在线估计未知且时变的输入电压和负载功率。该观测器不仅能实现收敛时间上界的自由设定，还减少了传感器的使用需求。然后，将基于无源的控制与模型预测控制相结合，提出了一种综合两者优点并弥补各自不足的复合控制方法。此外，所提出...
解读: 从阳光电源的业务视角来看，这项基于预定时间前馈补偿的无源模型预测控制技术对我司直流微网系统和储能变流器产品具有重要应用价值。 该技术针对恒功率负载（CPL）的负阻抗特性导致的直流微网稳定性问题提供了创新解决方案。在我司光储一体化系统中，DC/DC变换器连接的电动汽车充电桩、数据中心等典型CPL负载...
全仿真数据驱动的多相变换器故障诊断领域泛化方法
Fully Simulated Data-Driven Domain Generalized Method for Multiphase Converters Fault Diagnosis
Haoxiang Xu · Zicheng Liu · Guangyu Wang · Dong Jiang 等5人 · IEEE Transactions on Power Electronics · 2024年9月
本文研究了深度学习模型在多相变换器功率开关器件故障诊断中的泛化能力。传统的故障诊断方法严重依赖真实世界的故障数据进行模型训练。然而，在工业环境中，多相变换器故障发生频率低，且故障实验成本高昂，导致实际故障数据极为匮乏。这一局限使得仅基于仿真数据训练的模型在实际应用中的可靠性降低。为克服这一挑战，本文提出了一种创新方法，无需依赖实验域样本即可提高跨域故障诊断效率。首先，该研究采用一种利用相电流重构的归一化预处理策略，以减小样本间的时间差异。然后，使用卷积自编码器从多相电流信号中提取深度特征。此外，...
解读: 从阳光电源的业务视角来看，这项基于纯仿真数据的多相变流器故障诊断技术具有重要的应用价值。在光伏逆变器和储能变流器等核心产品中，功率开关器件的开路故障是影响系统可靠性的关键因素。该技术通过深度学习实现跨域泛化诊断，有效解决了实际故障数据稀缺这一长期困扰行业的痛点。 该方法的核心价值在于仅依靠仿真数据...