找到 5 条结果
利用神经网络最小化非对称交错式DC-DC变换器的纹波
Ripple Minimization in Asymmetric Interleaved DC–DC Converters Using Neural Networks
Ozturk Sahin Alemdar · Mustafa Umit Oner · Ogun Altun · Ozan Keysan · IEEE Transactions on Power Electronics · 2024年3月
本文提出了一种基于人工神经网络（ANN）的方法，旨在解决多相DC-DC变换器在非对称工况（如输入电压或负载不平衡）下的纹波最小化问题。通过动态调整各相开关时序的相移，该方法有效抑制了输出纹波，提升了变换器的性能。
解读: 该技术对阳光电源的储能变流器（如PowerTitan、PowerStack系列）及组串式光伏逆变器中的DC-DC级具有重要参考价值。在多路MPPT或多模块并联储能系统中，由于组件老化或环境差异导致的输入不平衡是常见挑战。引入神经网络优化相移控制，可进一步降低输出电流纹波，减小滤波电感体积，从而提升功...
用于SiC MOSFET瞬态仿真的一种快速准确的混合数据驱动建模方法
Hybrid Data-Driven Modeling Methodology for Fast and Accurate Transient Simulation of SiC MOSFETs
Peng Yang · Wenlong Ming · Jun Liang · Ingo Ludtke 等6人 · IEEE Transactions on Power Electronics · 2022年1月
为实现SiC MOSFET瞬态仿真的快速与高精度，本文提出了一种混合数据驱动建模方法。不同于基于复杂非线性方程的传统建模，该方法利用人工神经网络（ANN）进行建模。通过在全工作区域测量I-V特性来训练模型，从而在保证精度的同时显著提升了仿真效率。
解读: SiC MOSFET是阳光电源组串式光伏逆变器、PowerTitan储能系统及电动汽车充电桩提升功率密度和效率的核心器件。该建模方法利用机器学习替代复杂的物理方程，能显著缩短研发阶段的电路仿真周期，并提升对高频开关瞬态过程的预测精度。建议研发团队将其应用于高频功率模块的优化设计中，以辅助评估SiC器...
基于K-means聚类算法与人工神经网络模型的并网型微电网优化能量管理
Optimized energy management in Grid-Connected microgrids leveraging K-means clustering algorithm and Artificial Neural network models
Peter Anuoluwapo Gbadeg · Yanxia Sun · Olufunke Abolaji Balogu · Energy Conversion and Management · 2025年7月 · Vol.336
摘要 随着可再生能源（RESs）在并网型微电网中的不断集成，亟需先进的能量管理策略以提升系统的效率、可靠性与可持续性。本研究提出了一种基于一对一优化器（One-to-One-Based Optimizer, OOBO）的优化能量管理框架，用于微电网调度，并结合K-means聚类算法与人工神经网络（Artificial Neural Networks, ANNs）实现负荷预测。所提出的方法能够动态调度分布式能源（DERs）、电池储能系统（BESS）以及柴油发电机，在最小化运行成本和碳排放的同时实现...
解读: 该研究的OOBO优化算法与AI负荷预测技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。研究验证储能系统可降低38%碳排放,与我司ESS解决方案的调度优化方向一致。K-means聚类与ANN模型可集成至iSolarCloud平台,提升微电网实时调度能力。OOBO算法30-4...
一种基于等效辐照度与温度的光伏组件性能估算新方法
A Novel Method for Performance Estimation of PV Modules Using Equivalent Irradiance and Temperature
Jinlong Zhang · Zhenguang Liang · Yunpeng Zhang · Hai Zhou 等6人 · IEEE Journal of Photovoltaics · 2025年1月
光伏（PV）组件的发电量受多种环境因素影响，尤其是太阳辐照度和温度。然而，所测量的太阳辐照度并不能准确代表不同类型太阳能电池实际吸收的光强，所测量的温度也不能代表光伏组件中电池的实际温度。本文提出了等效辐照度和等效温度，并将其用于提高光伏组件输出性能估算的准确性。首先，利用具有收敛保证的粒子群优化算法对测量的I - V数据进行拟合，得到不同运行条件下的等效辐照度和等效温度。其次，通过人工神经网络（ANN）模型建立等效辐照度和等效温度与环境因素之间的关系。提出了两种具有不同输入向量的人工神经网络来...
解读: 该等效辐照度估算方法对阳光电源SG系列光伏逆变器和iSolarCloud智能运维平台具有重要应用价值。在辐照传感器故障或缺失场景下，可通过组件温度和环境参数反推等效辐照度，实现MPPT算法的持续优化和发电性能实时评估。该技术可集成到iSolarCloud平台的智能诊断模块，提升预测性维护能力，降低传...
人工智能辅助的三相单级光伏逆变器系统黑箱建模
Artificial Intelligence Aided Black-Box Modeling of Three-Phase Single-Stage Photovoltaic Inverter Systems
Yuxi Men · Junhui Zhang · Xiaonan Lu · Tianqi Hong · IEEE Transactions on Industry Applications · 2025年1月
随着太阳能在配电系统中的渗透率不断提高，对光伏（PV）发电系统进行精确建模和适当控制变得越来越重要。然而，基于逆变器的电源（IBR）的建模和系统辨识颇具挑战性，因为制造商可能不会提供敏感信息（如电气元件的拓扑结构或参数）。仅利用经验数据而无需系统内部细节的黑箱建模方法，可能是解决上述问题的有效途径。同时，鉴于人工神经网络（ANN）具有强大的逼近能力，其可增强用于逆变器主导系统辨识的传统建模方法。本文对电力电子变换器（PEC）的黑箱建模方法进行了综述。此外，本文提出了一种使用非线性自回归外生神经网...
解读: 从阳光电源的业务视角来看，这项基于人工智能的光伏逆变器黑箱建模技术具有重要的战略价值和应用前景。 **业务价值方面**，该技术解决了逆变器系统建模中的核心痛点。在实际应用场景中，电网公司、系统集成商或第三方运维机构往往难以获取逆变器的详细拓扑结构和控制参数，而这项技术仅依靠输入输出数据即可建立精确...