找到 24 条结果
基于深度强化学习的考虑网络重构的多时间尺度电压/无功控制
Deep Reinforcement Learning Based Multi-Timescale Volt/Var Control in Distribution Networks Considering Network Reconfiguration
Hexiang Peng · Kai Liao · Jianwei Yang · Bo Pang 等5人 · IEEE Transactions on Sustainable Energy · 2025年5月
针对配电网中不同响应特性的设备带来的多时间尺度电压/无功控制（VVC）难题，本文提出一种新型双层数据驱动的多时间尺度VVC方法。该方法将光伏等连续型设备的短时间尺度控制与电容器组及网络重构等离散型设备的长时间尺度控制相协调，构建双层部分可观测马尔可夫决策过程（POMDP）模型。内层采用TD3算法控制连续变量，外层利用DDQN算法处理离散动作与网络重构。通过统一奖励信号并传递内层动作为外层状态实现协同训练，并引入图神经网络（GNN）识别代表性拓扑以缩减重构空间，抑制过度探索。在IEEE 33节点和...
解读: 该多时间尺度Volt/Var控制技术对阳光电源配电侧产品具有重要应用价值。在SG系列光伏逆变器中，可利用TD3算法实现连续无功功率的快速调节，优化现有MPPT算法与无功控制的协同；在ST系列储能变流器及PowerTitan大型储能系统中，可通过DDQN算法协调储能充放电与电容器组的离散控制决策。该方...
基于45 μm多外延层超结柱的1200 V沟槽型场截止载流子存储半超结IGBT实验评估
Experimental Evaluation on 1200 V Trench-FS CS-SemiSJ-IGBT With 45 μm Multi-Epi SJ-Pillar
Luping Li · Qiansheng Rao · Zehong Li · Yuanzhen Yang 等12人 · IEEE Transactions on Electron Devices · 2026年1月 · Vol.73
本文首次实验验证两款采用45 μm多外延超结柱（SemiSJ-pillar）结构的1200 V/15 A沟槽场截止载流子存储IGBT，相较商用NDBT器件，导通压降、寄生电容及开关时间等关键参数全面优化，短路耐受时间与FOM显著提升。
解读: 该研究聚焦高压IGBT结构创新，直接支撑阳光电源组串式逆变器（如SG系列）、ST系列储能变流器及风电变流器中核心功率模块的性能升级。45 μm超结柱设计可降低Von与Esw，提升效率与热可靠性，建议在下一代高功率密度ST3.0+ PCS及SG320HX组串逆变器中开展Si-based IGBT模块替...
一种面向大电流应用的高性价比混合Si/SiC双桥并联LLC谐振变换器
A Cost-Effective Hybrid Si/SiC Dual Bridge Parallel LLC Resonant Converter for High-Current Application
Zipeng Ke · Jun Wang · Bo Hu · Chao Zhang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
基于SiC的双桥并联LLC谐振变换器具有低电流应力和高效率的优点，但成本较高。本文提出一种低成本混合Si/SiC双桥并联LLC变换器，由大电流低成本Si IGBT桥臂与小电流SiC MOSFET桥臂构成，显著降低系统成本。得益于Si IGBT桥臂的软开关特性，该混合结构在开关损耗方面可媲美全SiC设计。同时，通过拓扑重构减少了谐振元件数量，进一步降低损耗与成本。实验研制了6 kW样机，结果表明，在高输出功率下总损耗相当，而开关器件成本降低51.7%，谐振元件成本降低22.9%，总体成本降低31....
解读: 该混合Si/SiC双桥并联LLC技术对阳光电源储能与充电产品具有重要应用价值。在ST系列储能变流器的DC/DC隔离级，可采用此混合方案替代全SiC设计，在保持高效率的同时降低31.6%成本，显著提升PowerTitan大型储能系统的性价比。对于大电流充电桩（如液冷超充），该拓扑的低电流应力特性与谐振...
基于特征谱与扩张因果卷积及Squeeze-Excitation ShuffleNet轻量级深度学习的区域风电场日前低功率输出事件预测
Prediction of Day-Ahead Low-Power Output Events in Regional Wind Farms Using Feature Spectrums with Dilated Causal Convolution and Squeeze-Excitation ShuffleNet Lightweight Deep Learning
Zimin Yang · Xiaosheng Peng · Xiaobin Zhang · Guoyuan Qin 等6人 · IEEE Transactions on Power Systems · 2025年5月
区域风电场低功率输出事件的准确预测对电力系统的电网调度至关重要。然而，传统的风电预测方法主要侧重于提高整体预测精度，因此很少单独讨论风电低功率输出事件。本文提出了一种创新的区域风电场日前低功率输出事件预测方法，该方法利用特征频谱，结合扩张因果卷积（DCC）和挤压 - 激励（SE）改进的ShuffleNet网络。首先，将时间序列区域特征转换为频谱图像，在特征创建和选择后，引入并讨论了三种可能的特征排列方式。其次，提出了DCC - SE - ShuffleNet轻量级深度学习神经网络作为低功率输出事...
解读: 该研究的深度学习预测方法对阳光电源的新能源发电及储能产品具有重要应用价值。特征谱分析与轻量级深度学习模型可集成到ST系列储能变流器和SG系列光伏逆变器的控制系统中,提升功率预测精度。具体应用包括:(1)优化储能系统的充放电调度策略,提高PowerTitan等大型储能系统的经济性;(2)改进光伏/风电...
第 2 / 2 页