Ahmed Djamel Ayad · Ahmed Safa · Abdelmadjid Gouichiche · Saad Mekhilef · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月

本文提出了一种优化的相电流形状因子—人工神经网络（PCSF-ANN）实现方法，通过动态调节PWM信号间的相位差，以最小化多相DC-DC变换器的总电流纹波。该方法对参数变化、非对称设计、开路故障（OCF）、电压波动和负载变化具有强鲁棒性。为提升性能，首先采用线性近似建模三角形相电流波形，降低数据采集复杂度；其次将OCF检测与主ANN解耦，并采用更小、高效的网络结构，显著减少内存占用并加快执行速度。实验结果表明，新方法在保持纹波抑制性能的同时，将计算时间由373 μs降至136 μs。

解读: 该增强型ANN纹波抑制技术对阳光电源ST系列储能变流器和PowerTitan系统的DC-DC变换器优化具有直接应用价值。通过动态调节多相交错PWM相位差，可显著降低电流纹波，减小滤波器体积，提升功率密度。其对参数变化、开路故障和电压波动的强鲁棒性，契合储能系统宽工况运行需求。136μs的快速计算响应...