找到 8 条结果
最小化传感器使用的三相永磁同步电机驱动控制
Control of Three-Phase PMSM Drive With Minimum Sensor Usage
Shaowei Ren · Hui Song · Ruihui Chen · Dianxun Xiao 等6人 · IEEE Transactions on Power Electronics · 2025年11月
本文研究了最小化传感器使用的三相永磁同步电机（PMSM）驱动控制。为减少电流传感器数量，提出了用于相电流重构的双空间矢量调制（SVM）策略，在一个控制周期内同步执行两次矢量合成。此外，结合扩展卡尔曼滤波等方法，实现了高性能的电机驱动控制。
解读: 该技术主要针对电机驱动控制，与阳光电源的电动汽车充电桩及风电变流器业务具有技术关联性。在充电桩的功率模块散热风扇控制或风电变流器的电机侧控制中，通过减少电流传感器数量可有效降低硬件成本并提高系统可靠性。建议研发团队关注该电流重构算法在高性能变流器中的应用潜力，以优化系统成本结构，同时评估该算法在复杂...
用于次同步振荡监测的自适应重置扩展卡尔曼滤波方法
Adaptive-Reset Extended Kalman Filter Method for Subsynchronous Oscillation Monitoring
Xi Chen · Xi Wu · Qingfeng Li · Jinyu Zhou 等8人 · IEEE Transactions on Power Electronics · 2024年5月
随着可再生能源发电占比提升，电力系统次同步振荡（SSO）问题日益严峻。由于SSO的频率和幅值具有时变特性，监测难度极大。本文提出了一种自适应重置扩展卡尔曼滤波（AREKF）方法，旨在实现对SSO的高精度实时监测，为后续控制策略的制定与振荡抑制提供有效支撑。
解读: 该技术对阳光电源的组串式及集中式光伏逆变器、PowerTitan储能系统在弱电网环境下的稳定性至关重要。随着高比例新能源接入，电网阻抗波动易引发次同步振荡，影响设备安全。该AREKF算法可集成至iSolarCloud智能运维平台或逆变器控制固件中，实现对振荡的实时感知与预警。建议研发团队将其应用于构...
基于八分圆牛顿-拉夫逊法与降阶扩展卡尔曼滤波的永磁同步电机无传感器控制
Sensorless Control of PMSM Drives Using Octant Newton–Raphson Method and Reduced-Order EKF Considering Speed Reversal and Noise
Fuyuan Xiang · Ke Yu · Congyan Chen · Shihua Li · IEEE Transactions on Power Electronics · 2025年8月
针对永磁同步电机（PMSM）无传感器控制中传统锁相环（PLL）在反转时存在位置估计误差的问题，本文提出了一种基于八分圆牛顿-拉夫逊法（ONRM）的PLL。该方法通过定义新的目标函数和位置八分圆法，有效解决了反转过程中的位置估计偏差，并结合降阶扩展卡尔曼滤波（EKF）提升了抗噪性能。
解读: 该技术主要针对永磁同步电机（PMSM）的无传感器控制，虽然阳光电源的核心业务侧重于光伏逆变器和储能变流器（PCS），但该算法在电机驱动控制领域具有通用性。对于阳光电源的风电变流器产品线，电机控制算法的鲁棒性至关重要。ONRM-PLL方法能显著提升电机在动态工况（如风速波动引起的反转）下的控制精度与稳...
基于扩展卡尔曼滤波与自适应线性自抗扰控制的连续波脉冲发生器双自由度策略
Double DOF Strategy for Continuous-Wave Pulse Generator Based on Extended Kalman Filter and Adaptive Linear Active Disturbance Rejection Control
Zhenyu Yang · Zhidan Yan · Yunfeng Lu · Weiliang Wang 等6人 · IEEE Transactions on Power Electronics · 2021年1月
永磁同步电机（PMSM）在连续波脉冲发生器中应用广泛，但常受负载冲击和测量分辨率限制。本文提出一种结合扩展卡尔曼滤波（EKF）与自适应线性自抗扰控制（LADRC）的双自由度控制策略，有效提升了系统的抗扰动能力与控制精度。
解读: 该研究提出的EKF与自适应LADRC控制策略，在提升电机控制精度和抗负载扰动方面具有显著优势。对于阳光电源而言，该技术可应用于风电变流器及储能系统中的PCS电机驱动控制模块，特别是在应对复杂电网环境下的负载波动时，能有效提升系统运行的平稳性与鲁棒性。建议研发团队关注该算法在复杂工况下的动态响应优化，...
基于扩展卡尔曼滤波与马尔可夫链的感应电机转速与磁链观测器
A Speed and Flux Observer of Induction Motor Based on Extended Kalman Filter and Markov Chain
Zhonggang Yin · Guoyin Li · Yanqing Zhang · Jing Liu 等6人 · IEEE Transactions on Power Electronics · 2017年9月
本文提出了一种基于多模型扩展卡尔曼滤波（EKF）与马尔可夫链的感应电机（IM）无传感器转速与磁链估计方法。通过建立多模型EKF架构，利用马尔可夫链实现模型间的平滑切换，有效提升了感应电机驱动系统的估计精度与动态性能。
解读: 该技术主要针对感应电机（IM）的无传感器控制，虽然阳光电源的核心业务聚焦于光伏逆变器、储能变流器（PCS）及风电变流器，但其核心控制算法（如EKF、状态观测器）在风电变流器及储能系统电机驱动控制中具有借鉴意义。特别是对于风电变流器中发电机侧的控制优化，该算法提供的多模型切换思路可提升复杂工况下的鲁棒...
基于克拉默-拉奥界分析的锂离子电池荷电状态与健康状态联合估计电流剖面优化
Current Profile Optimization for Combined State of Charge and State of Health Estimation of Lithium Ion Battery Based on Cramer–Rao Bound Analysis
Ziyou Song · Xiaogang Wu · Xuefeng Li · Jing Sun 等6人 · IEEE Transactions on Power Electronics · 2019年7月
本文针对锂离子电池的荷电状态（SoC）与健康状态（SoH）在线估计问题，基于一阶等效电路模型（ECM），采用多尺度扩展卡尔曼滤波进行参数与状态估计。研究指出电池激励电流剖面对估计精度影响显著，通过克拉默-拉奥界（CRB）分析优化电流激励，旨在提升电池管理系统的估计效率与可靠性。
解读: 该研究直接服务于阳光电源储能业务的核心——电池管理系统（BMS）。在PowerTitan和PowerStack等大型储能系统中，精准的SoC/SoH估计是实现电池簇均衡管理、延长循环寿命及保障安全运行的关键。通过CRB理论优化电流激励剖面，可提升BMS在复杂工况下的状态感知精度，减少因估算偏差导致的...
基于温度相关扩展卡尔曼滤波与深度学习的锂离子电池荷电状态与健康状态联合估计方法
A State-of-Charge and State-of-Health Joint Estimation Method of Lithium-Ion Battery Based on Temperature-Dependent Extended Kalman Filter and Deep Learning
Shiquan Wang · Kai Ou · Wei Zhang · Ya-Xiong Wang · IEEE Transactions on Industrial Electronics · 2024年7月
准确估算荷电状态（SOC）和健康状态（SOH）对于改进电池管理技术至关重要。然而，电池会受到温度和老化的影响，导致其呈现出更难以表征的非线性关系。本文提出了一种基于温度相关扩展卡尔曼滤波器（EKF）和深度学习的锂离子电池SOC - SOH联合估算方法。首先，创建包含温度和容量变量的电池模型状态矩阵、控制矩阵和观测矩阵，以便在本地端使用EKF进行实时SOC估算。其次，利用卷积神经网络（CNN）和注意力机制提取并加权电池老化特征，并结合门控单元解决长序列记忆问题，从而在远程计算平台上进行SOH估算。...
解读: 从阳光电源储能系统业务视角看，这项基于温度依赖扩展卡尔曼滤波与深度学习的SOC-SOH联合估算技术具有显著的工程应用价值。该技术直击储能系统电池管理的核心痛点——在复杂温度环境和电池老化条件下实现精准状态估计，这对我司大规模储能电站和户用储能产品的安全性、经济性至关重要。 技术架构上，论文提出的"...
电动汽车锂离子电池基于等效电路模型的荷电状态估计
On Equivalent Circuit Model-Based State-of-Charge Estimation for Lithium-Ion Batteries in Electric Vehicles
Fatma Ahmed · Khalid Abualsaud · Ahmed M. Massoud · IEEE Access · 2025年4月
本文研究电动汽车锂离子电池SOC估计的先进模型方法。基于电化学阻抗谱建立三阶等效电路模型，采用粒子群算法辨识参数，对比扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF算法。结果显示UKF的RMSE和最大误差分别为1.06%和1.15%，优于EKF。EKF-UKF混合方法实现最优性能，RMSE仅0.2%，最大误差0.5%，为电动汽车实时电池监测提供高精度解决方案。
解读: 该SOC估计技术与阳光电源新能源汽车电驱控产品线高度相关。阳光电源车载OBC和电池管理系统需要高精度SOC估计算法来优化充电策略和电池保护。EKF-UKF混合算法可集成到阳光BMS中，提高电池状态估计准确性和充电效率。该技术结合阳光800V高压快充平台，可实现更安全高效的电池管理和更优的用户充电体验...