找到 3 条结果
基于机器学习的有源中点钳位逆变器多目标自动设计案例研究
A Case Study of Multiobjective Automatic Design for Active Neutral Point Clamped Inverter Based on Machine Learning
Jianing Wang · Ruiyuan Wang · Zhicheng Gao · Feishuang Sun 等5人 · IEEE Transactions on Industrial Electronics · 2024年12月
传统的变流器设计遵循顺序流程，通常包括拓扑设计、调制设计、元件设计、性能设计及其内部迭代。这种方法严重依赖人工经验且耗时较长，尤其是对于采用宽禁带器件所强调的多目标设计而言，宽禁带器件的使用加剧了设计目标之间的冲突。计算机辅助虚拟样机方法，简称为建模与优化，仍然受到建模过程中数值计算耗时较长的阻碍，并且在优化过程中无法响应设计要求的变化。为应对这些挑战，本文提出了一种基于机器学习的电力变流器自动设计的高级概念，将基于人工神经网络（ANN）的建模与基于深度强化学习（DRL）的优化相结合。所提出的方...
解读: 从阳光电源的业务视角来看，这项基于机器学习的有源中点钳位（ANPC）逆变器多目标自动设计技术具有重要的战略价值。该技术突破了传统逆变器设计中拓扑-调制-器件-性能的串行迭代模式，通过结合人工神经网络建模和深度强化学习优化，能够在效率、体积、成本、电流纹波和共模噪声等多维目标间实现智能权衡，这正契合阳...
低开关频率下电机驱动的预测电流控制
Predictive Current Control in Motor Drives Operating at Steady Low Switching Frequency
Xin Qi · Jiashi Ren · Yi Deng · Joachim Holtz 等6人 · IEEE Transactions on Industrial Electronics · 2024年12月
尽管多电平逆变器和宽带隙开关取得了进展，但让高功率逆变器在低开关频率下运行以降低开关损耗仍然非常有益，开关损耗对于提高系统效率和延长系统寿命至关重要。关于在低开关频率下控制电力驱动的问题已经开展了大量研究，尤其是预测方法提供了非常好的解决方案。本文探讨了一种经典的预测电流控制方法，即边界圆预测方案，并提出了改进措施，使开关频率接近预定水平。这通过控制边界电路的半径来实现。在从边界圆与开关频率之间的非线性相互作用中推导出线性关系后，所提出的方案动态调整边界圆，使逆变器运行接近预设的低频，从而在最大...
解读: 从阳光电源的业务视角来看，这项预测电流控制技术对我们在大功率光伏逆变器和储能变流器领域具有重要的应用价值。当前我们的MW级集中式逆变器和储能PCS系统面临着功率密度提升与开关损耗控制的矛盾，该技术通过边界圆预测控制方案在低开关频率下实现精确电流控制，为解决这一核心问题提供了新思路。 技术价值方面，...
基于数据驱动与机理模型的锂离子电池健康状态估计与拐点识别
State-of-health estimation and knee point identification of lithium-ion battery based on data-driven and mechanism model
Yulong Ni · Kai Song · Lei Pei · Xiaoyu Li 等8人 · Applied Energy · 2025年1月 · Vol.385
准确的健康状态（SOH）估计与拐点识别对于优化电池性能及生命周期管理至关重要。本文提出了一种结合改进的基于牛顿-拉夫逊优化算法优化支持向量回归与自适应提升算法（INRBO-SVR-AdaBoost）的SOH估计方法，以及一种基于最大垂直距离法并考虑失效阈值的拐点识别方法。首先，引入三项改进以增强标准NRBO算法的全局搜索能力与收敛速度，从而使SVR方法能够获得最优参数；随后，采用AdaBoost算法对INRBO-SVR方法进行集成，进一步提高SOH估计精度。实验结果表明，INRBO-SVR-Ad...
解读: 该锂电池SOH估计与拐点识别技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要价值。INRBO-SVR-AdaBoost算法可集成至iSolarCloud平台,实现储能系统电池健康状态精准预测(误差<0.89%),优化BMS管理策略。拐点识别方法可指导ESS全生命周期管理,精确判定电...