找到 5 条结果
基于双矢量的无权重系数感应电机模型预测转矩控制
Two-Vector-Based Model Predictive Torque Control Without Weighting Factors for Induction Motor Drives
Yongchang Zhang · Haitao Yang · IEEE Transactions on Power Electronics · 2016年2月
传统模型预测转矩控制（MPTC）因转矩与磁链单位不同需设置权重系数，且电压矢量有限导致转矩脉动较大。本文提出一种改进的无权重系数MPTC方法，将转矩和磁链幅值参考值转换为等效的定子磁链参考矢量，有效简化了控制逻辑并提升了稳态性能。
解读: 该文献提出的无权重系数模型预测控制（MPC）算法，核心在于优化多目标控制的性能与计算复杂度。对于阳光电源而言，该控制策略不仅适用于感应电机驱动，其核心思想（如消除权重系数、多矢量合成）可迁移至光伏逆变器及储能变流器（PCS）的电流控制中。在PowerTitan等储能系统中，采用此类先进MPC算法可进...
基于电压跟踪误差的无权重系数双矢量模型预测转矩控制
Double Vectors Model Predictive Torque Control Without Weighting Factor Based on Voltage Tracking Error
Xiaoguang Zhang · Benshuai Hou · IEEE Transactions on Power Electronics · 2018年3月
为降低传统模型预测转矩控制（MPTC）的计算负担并消除权重系数设计难题，本文提出了一种改进的无权重系数MPTC算法。该方法基于无差拍直接转矩与磁链控制，通过预测下一周期所需的参考电压矢量，避免了对所有可行电压矢量的遍历测试，从而优化了控制性能与计算效率。
解读: 该技术对阳光电源的核心产品线（如组串式光伏逆变器、PowerTitan储能变流器及风电变流器）具有重要应用价值。模型预测控制（MPC）是提升逆变器动态响应速度的关键技术，但传统方法计算量大且权重系数整定复杂。本文提出的无权重系数双矢量预测控制方案，能够显著降低DSP/FPGA的计算负载，提升系统在弱...
基于GRA-TOPSIS的无权重系数感应电机模型预测转矩控制
GRA-TOPSIS-Based Model Predictive Torque Control for Induction Motor Without Weighting Factors
Yanqing Zhang · Danyang Jia · Zhonggang Yin · Peien Luo · IEEE Transactions on Power Electronics · 2025年9月
模型预测转矩控制（MPTC）在感应电机驱动中极具潜力，但其权重系数的调节通常依赖工程经验。本文提出一种基于灰色关联分析（GRA）与逼近理想解排序法（TOPSIS）的无权重系数MPTC策略，有效解决了不同工况下权重系数难以整定的问题，提升了控制系统的鲁棒性与动态性能。
解读: 该算法优化了模型预测控制（MPC）中权重系数的整定过程，对阳光电源的电机驱动类产品（如风电变流器及部分储能系统中的辅助电机控制）具有参考价值。虽然阳光电源核心业务侧重于电力电子变换，但该算法在提升变流器控制精度、减少对经验参数依赖方面具有通用性。建议研发团队关注该算法在复杂工况下的计算开销，评估其在...
一种无需权重因子分配的开口绕组感应电机驱动增强型预测转矩控制
Enhanced Predictive Torque Control for Open End Winding Induction Motor Drive Without Weighting Factor Assignment
Ravi Eswar Kodumur Meesala · Venkata Praveen Kumar Kunisetti · Vinay Kumar Thippiripati · IEEE Transactions on Power Electronics · 2019年1月
本文针对开口绕组感应电机（OEWIM）驱动系统，提出了一种改进的预测转矩控制（PTC）策略。传统PTC依赖多目标代价函数，需复杂权重因子设计。本文方法通过优化控制策略，消除了权重因子整定难题，在提升转矩与磁链控制性能的同时，简化了控制器设计复杂度。
解读: 该研究提出的无权重因子预测控制算法，在电机驱动控制领域具有较强的学术价值。虽然阳光电源目前的核心业务聚焦于光伏逆变器、储能PCS及风电变流器，而非直接的感应电机驱动，但该算法中“多目标优化”与“无权重因子设计”的思路，可迁移至阳光电源的储能变流器（PCS）或风电变流器控制策略中。特别是在提升变流器动...
DFIG并网系统中CCS-MPC加权因子设计
Weighting Factors Design of CCS-MPC for a Grid-Connected DFIG Systems
Yuri O. Cota · Jefferson S. Costa · Angelo Lunardi · Igor Oliani 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年3月
模型预测控制（MPC）因其固定开关频率和多变量控制能力，广泛应用于电力系统特别是可再生能源发电中。在双馈感应发电机（DFIG）系统中的应用可有效抑制转矩与电流振荡，提升动态稳定性。然而，MPC加权因子的设计对成本函数具有直接影响，不当选择将恶化系统性能。本文提出一种基于根轨迹法（RLM）的加权因子设计方法，通过确保闭环特征值稳定，优化功率调节与电能质量性能，并构建性能图谱分析加权因子与预测时域对系统动态的影响。最后通过实验平台验证所提MPC控制策略在调节DFIG转子电流、保障并网能量稳定性与性能...
解读: 该研究的CCS-MPC加权因子设计方法对阳光电源的风电变流器和储能变流器产品具有重要参考价值。特别是在ST系列储能变流器和大型储能系统中,该方法可优化并网控制性能,提升系统动态响应能力。通过根轨迹法设计加权因子,能够有效改善功率调节精度和电能质量,这对构建高性能的GFL/GFM控制系统具有重要指导意...