找到 11 条结果
一种低频LC谐振逆变器架构及其在无刷直流电机驱动中的应用演示
A Low-Frequency LC-Resonant Inverter Architecture and its Demonstration in BLDC Drive Application
Junhong Li · Zhiqi Wang · Xiao Liu · Da Xu 等6人 · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种用于无刷直流（BLDC）电机驱动的低频LC谐振逆变器架构。该拓扑取消了传统的三相半桥结构，避免了高侧驱动的复杂性。通过仅使用低侧功率器件并利用LC谐振机制，该方案能直接从方波输入合成正弦绕组电流，简化了驱动电路设计并降低了系统成本。
解读: 该研究提出的低侧驱动拓扑在简化逆变器硬件设计、降低高侧驱动成本方面具有创新性。对于阳光电源而言，虽然目前核心业务聚焦于光伏和储能逆变器，但该拓扑中关于“简化驱动电路”和“谐振合成电流”的思路，可为未来电动汽车充电桩（EV Charger）的功率模块设计提供参考，特别是在降低辅助电源复杂度与提升功率密...
不平衡电网下基于电网电压调制直接功率控制的电压源逆变器功率解耦方法
Power Decoupling Method for Voltage Source Inverters Using Grid Voltage Modulated Direct Power Control in Unbalanced System
Zhen Gong · Chengxi Liu · Yonghao Gui · Filipe Faria da Silva 等5人 · IEEE Transactions on Power Electronics · 2023年3月
本文针对电网电压调制直接功率控制（GVM-DPC）在不平衡电网电压下存在有功与无功功率耦合的问题，提出了一种新型功率解耦方法。该方法有效改善了电压源逆变器（VSI）在不平衡工况下的瞬态性能，提升了并网系统的控制精度与稳定性。
解读: 该研究直接优化了并网逆变器的控制算法，对阳光电源的核心产品线（组串式及集中式光伏逆变器）具有重要价值。在弱电网或电网电压不平衡的复杂应用场景下，该解耦方法能显著提升逆变器的输出电能质量和动态响应速度，增强设备在恶劣电网环境下的适应性。建议研发团队将其引入iSolarCloud智能运维平台的控制策略库...
基于电压异常结合长短期记忆神经网络与等效电路模型的电动汽车电池故障诊断
Battery Fault Diagnosis for Electric Vehicles Based on Voltage Abnormality by Combining the Long Short-Term Memory Neural Network and the Equivalent Circuit Model
Da Li · Zhaosheng Zhang · Peng Liu · Zhenpo Wang 等5人 · IEEE Transactions on Power Electronics · 2021年2月
本文提出了一种结合长短期记忆（LSTM）神经网络与等效电路模型的电池故障诊断新方法。通过改进的自适应提升算法提高诊断精度，并利用预判模型降低计算负载，有效提升了电动汽车电池系统的运行安全性与可靠性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，其安全性与BMS（电池管理系统）的故障诊断能力直接相关。文中提出的LSTM与等效电路模型结合的方法，可优化阳光电源iSolarCloud平台对储能电站电池健康状态（SOH）...
基于异常发热与深度学习算法的电动汽车电池热失控故障预测
Battery Thermal Runaway Fault Prognosis in Electric Vehicles Based on Abnormal Heat Generation and Deep Learning Algorithms
Da Li · Peng Liu · Zhaosheng Zhang · Lei Zhang 等9人 · IEEE Transactions on Power Electronics · 2022年7月
针对电动汽车在复杂工况下电池热失控预测难的问题，本文提出了一种基于异常发热（AHG）的预测模型。该模型结合长短期记忆网络（LSTM）等深度学习算法，能够有效识别电池异常状态，提升电动汽车运行安全性。
解读: 该研究对阳光电源的储能系统（如PowerTitan、PowerStack）具有重要参考价值。储能系统本质上是大规模电池组的集成，热失控监测是BMS的核心安全功能。通过引入基于异常发热的深度学习预测模型，阳光电源可优化iSolarCloud平台的电池健康状态（SOH）评估与预警算法，从单纯的阈值报警升...
一种适用于平面变压器应用的低漏感部分交错绕组结构设计方法
A Design Method of Partially Interleaved Winding Structure With Low Leakage Inductance for Planar Transformer Application
Xuetong Zhou · Yufei Tian · Yuhua Quan · Xuefei Zhang 等10人 · IEEE Transactions on Power Electronics · 2023年5月
针对匝比非1:1的平面变压器，全交错绕组结构并非漏感最优。本文提出了一种部分交错绕组设计方法，通过磁动势分析，实现了任意匝比下的漏感最小化，为高功率密度变换器设计提供了理论指导。
解读: 该研究直接服务于阳光电源的高功率密度电力电子产品研发。在组串式光伏逆变器及PowerTitan/PowerStack储能变流器（PCS）中，高频磁性元件的体积与效率是提升功率密度的关键。通过优化平面变压器的漏感，可显著降低开关损耗并改善变换器（如LLC谐振或双向DC-DC）的动态性能。建议研发团队在...
基于异常内阻与混合神经网络的电动汽车电池安全风险评估
Battery Safety Risk Assessment in Real-World Electric Vehicles Based on Abnormal Internal Resistance Using Proposed Robust Estimation Method and Hybrid Neural Networks
Da Li · Junjun Deng · Zhaosheng Zhang · Zhenpo Wang 等6人 · IEEE Transactions on Power Electronics · 2023年6月
电池安全是电动汽车推广的主要障碍。内阻（IR）是反映电池安全的关键参数，异常内阻会导致发热增加，诱发热失控。本文提出了一种基于鲁棒估计方法和混合神经网络的电池安全风险评估模型，通过监测内阻异常实现对电池热失控风险的早期预警。
解读: 该研究提出的内阻异常监测与风险评估算法对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有重要参考价值。储能系统的核心在于电池安全，通过引入鲁棒估计与混合神经网络，可显著提升iSolarCloud智能运维平台对电芯级健康状态（SOH）和安全风险的预测精度。建议将该算法集成至B...
三相四线制有源电力滤波器开路故障的电压矢量误差故障诊断
Voltage Vector Error Fault Diagnosis for Open-Circuit Faults of Three-Phase Four-Wire Active Power Filters
Hui Zhang · Chuan- da Sun · Zhi-xin Li · Juan Liu 等6人 · IEEE Transactions on Power Electronics · 2017年3月
针对三相四线制有源电力滤波器（APF），本文提出了一种基于交流侧输出电压数学模型的IGBT开路故障诊断算法。该方法通过分析APF交流侧输出电压矢量与故障状态间的映射关系，实现了对功率器件故障的快速、准确检测与定位，有效提升了电力电子系统的运行安全与可靠性。
解读: 该研究提出的基于电压矢量误差的故障诊断技术，对于阳光电源的组串式逆变器及储能变流器（PCS）产品具有重要的工程参考价值。在PowerTitan等大型储能系统及高功率密度逆变器中，功率模块（IGBT）的可靠性是系统长效运行的核心。该算法无需额外传感器，仅通过数学模型即可实现故障定位，有助于iSolar...
基于电压定向矢量控制的光伏逆变器接入弱电网下的强迫振荡分析
Forced Oscillation Analysis of Voltage-Oriented Vector Control-Based PV Inverter Connected to Weak Power Grids
Zhen Gong · Xiaorong Xie · Chengxi Liu · Yonghao Gui 等6人 · IEEE Transactions on Power Delivery · 2025年7月
基于同步旋转坐标系的矢量控制（SRF-VC）广泛应用于单级光伏（PV）逆变器并网。然而，最大功率点跟踪（MPPT）引起的有功功率参考值（Pref）间谐波会引发挥发性振荡源，结合SRF-VC中的超调效应与有功-无功功率耦合（RRPC），可能导致振荡放大与强迫振荡问题。本文建立频域解析模型，分析MPPT引发Pref振荡时超调与RRPC对强迫振荡的影响。通过相量图揭示弱电网下锁相环动态缓慢导致的功率耦合机理，推导计及RRPC通道的频域模型，解析次/超同步频率下振荡放大特性，并利用Bode图研究不同控制...
解读: 该研究对阳光电源SG系列光伏逆变器在弱电网并网场景具有重要指导意义。文章揭示的MPPT引发Pref间谐波振荡与SRF-VC控制中超调效应、有功-无功功率耦合（RRPC）导致的强迫振荡机理，可直接应用于优化SG系列逆变器的矢量控制策略。建议：1）在MPPT算法中增加功率参考滤波环节，抑制间谐波注入；2...
基于数字孪生与自演化补偿器的电力电子系统在线健康监测及改进参数辨识能力
Digital Twin-Based Online Health Monitoring of Power Electronics Systems With Self-Evolving Compensators and Improved Parameter Identification Capability
Yi-Hua Liu · Zong-Zhen Yang · Min-Chen Liu · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
电力电子系统（PES）在航空航天、可再生能源和电动汽车等领域至关重要。本文比较了粒子群优化（PSO）、灰狼优化和蜻蜓算法三种元启发式方法的参数估计性能，并提出一种结合物理行为的两阶段元启发式方法，显著提升了寄生电阻估计精度与参数识别速度。相较于传统PSO，MOSFET和电感寄生电阻估计误差分别由31%和45%降至1.5%和2.3%，计算时间减少逾60%。该方法在外部扰动下仍具高鲁棒性，平均使MOSFET和电感寄生电阻识别误差分别降低11.8%和16.7%。此外，引入自演化补偿器可在线自动调节控制...
解读: 该数字孪生健康监测技术对阳光电源ST储能变流器和SG光伏逆变器产品线具有重要应用价值。两阶段元启发式方法可精准辨识SiC MOSFET和电感寄生参数（误差降至1.5%/2.3%），直接提升PowerTitan储能系统功率模块的状态监测精度。自演化补偿器能在线自适应调节控制参数，可集成至iSolarC...
基于无人机的通信-负荷联合恢复策略以增强配电系统韧性
A Joint Communication-Load Restoration Strategy Based on UAVs For Resilient Distribution System
Haochen Zhang · Chen Chen · Jian Zhong · Zhaohong Bie 等5人 · IEEE Transactions on Power Systems · 2025年6月
自然灾害后，由于通信设施损坏导致配电自动化功能失效，常使负荷恢复过程延长。本文提出一种基于无人机（UAV）的通信与负荷联合恢复策略。构建考虑UAV与馈线终端单元（FTU）等地面设备间通信链路与干扰的应急通信系统，采用概率性视距/非视距（LoS/NLoS）信道模型描述传播环境；同时建立基于高效辐射状拓扑模型的微网重构与负荷恢复模型。通过块坐标下降法将联合优化问题分解为子问题，结合线性规划松弛、逐次凸逼近与二进制展开法求解。结果表明，该策略可充分挖掘UAV在通信恢复中的潜力，显著提升配电系统的韧性。
解读: 该无人机通信-负荷联合恢复策略对阳光电源PowerTitan储能系统和微电网解决方案具有重要应用价值。在极端灾害场景下，当地面通信中断时，可通过UAV应急通信网络快速恢复储能变流器与EMS能量管理系统的数据链路，实现ST系列储能变流器的孤岛运行控制与微网重构。该策略中的辐射状拓扑优化算法可直接应用于...
一种新颖的数据驱动多步风功率点-区间预测框架，集成基于滑动窗口的双层自适应分解与多目标优化以平衡预测精度与稳定性
A novel data-driven multi-step wind power point-interval prediction framework integrating sliding window-based two-layer adaptive decomposition and multi-objective optimization for balancing prediction accuracy and stability
Xiwen Cui · Xiaoyu Yuab · Haowei Niu · Dongxiao Niu 等5人 · Applied Energy · 2025年11月 · Vol.397
摘要 风能对大规模并网和实现碳中和至关重要，因此需要准确且稳定的预测方法来应对风电数据固有的随机性和复杂耦合特性。本研究提出了一种创新的数据驱动型点-区间预测框架，旨在克服现有模型仅关注预测精度而忽略预测所需稳定性的局限性，从而减少由此带来的不确定性。该框架首先引入异常值处理机制，并采用一种新的基于滑动窗口的双层自适应分解策略，在避免信息泄露的同时将风电数据分解为规律性子序列。随后通过Lempel-Ziv复杂度分析对这些子序列进行分类，以最小化计算冗余。进一步地，有针对性地部署先进模型——包括倒...
解读: 该多目标优化风电预测框架对阳光电源储能系统(ST系列PCS、PowerTitan)具有重要应用价值。其点-区间预测方法可显著提升储能系统充放电策略的准确性与稳定性,MAE降低27-58%为iSolarCloud平台的预测性维护提供可靠的不确定性量化能力。多层自适应分解策略可集成至GFM/GFL控制算...