找到 4 条结果
基于初级侧EMF相量估计的IPT系统参数识别及输出电压和电流控制
Parameter Identification and Output Voltage and Current Control of the IPT System Based on the Primary-Side EMF Phasor Estimation
Shaishai Zhao · Jianfei Chen · Chengzhi Li · Jiaqi Chi · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月
提出基于初级侧反电动势EMF相量估计的感应电力传输IPT系统参数识别方法和输出电压电流控制策略。该方法无需实时通信即可实现恒压恒流CC/CV电池充电。通过估计初级侧EMF相量推导系统参数并设计控制算法。实验结果验证所提方法在LCC-S补偿IPT系统中的有效性。
解读: 该初级侧控制研究对阳光电源无线充电系统简化有重要价值。无需通信的CC/CV控制方法可降低阳光OBC无线充电系统复杂度和成本，提高可靠性。EMF相量估计技术可应用于阳光iSolarCloud平台智能充电算法。...
基于领域对抗时序网络的跨区域分布式光伏系统功率预测可迁移框架
A Transferable Framework of PV Power Forecasting for Cross-Regional Distributed PV Systems Using Domain Adversarial Temporal Network
Jiaqi Qu · Qiang Sun · Zheng Qian · Hamidreza Zareipour 等5人 · IEEE Transactions on Industrial Informatics · 2025年7月
气象预报数据的缺失增加了分布式光伏系统输出功率预测的不准确性。特别是对于跨地区新建的分布式站点而言，基于数据驱动方法的建模受到历史数据不足的限制。因此，本文提出了一种基于迁移学习（TL）的领域对抗性时间网络（DATN）框架，该框架包含两个主要模块，即功率时间预测器和领域分类器。其中，考虑长短期记忆网络隐藏层权重的领域分类器旨在减少源领域和目标领域之间的分布差异。DATN采用了跨领域对抗性预训练与特定目标预测调整的迁移学习策略。在四项跨区域迁移实验中，对领域自适应方法和迁移策略的效果进行了比较。本...
解读: 从阳光电源的业务视角来看，这项基于域对抗时序网络的跨区域光伏功率预测技术具有显著的战略价值。该技术通过迁移学习框架解决了分布式光伏系统中气象数据缺失和新建站点历史数据不足的核心痛点，这与我司在全球范围内快速部署分布式光伏解决方案的业务需求高度契合。 对于我司的智能光伏逆变器和iSolarCloud...
采用优化平衡寄生电感结构的并联分立式SiC MOSFET三电平T型APF
Three-level T-type APF with Parallelled Discrete SiC MOSFETs Using Optimized-balanced Parasitic Inductance Structure
Hu Tan · Yaqi Zhu · Weiming Tian · Jiaqi Zhao 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
针对高功率密度100 kVA有源电力滤波器（APF）在体积、损耗和成本约束下的设计挑战，本文提出了一种拓扑与器件选型的优化方法，并设计了寄生电感最小化且均衡的PCB结构，以抑制关断电压过冲（TTVO）并改善开通瞬态电流均流（TTCS）。通过对三电平T型（3LT²）与中点钳位（NPC）拓扑及多种SiC器件的量化评估，确定了满足综合约束的最优方案。实验结果表明，所提PCB结构将TTVO由1.06 kV降至780 V（降低26.4%），TTCS偏差从82.4%减小至3.7%（DC 800 V，负载电流...
解读: 该并联SiC MOSFET三电平T型拓扑技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。研究提出的寄生电感优化平衡PCB设计可直接应用于功率模块开发，将关断过冲降低26.4%、均流偏差降至3.7%，显著提升器件可靠性。4.27kW/L功率密度和98.16%效率指标契合Power...
基于安全运行机制的主动配电网人机协同强化学习电压/无功控制方法
Human-in-the-loop Reinforcement Learning Method for Volt/Var Control in Active Distribution Network with Safe Operation Mechanism
Yuechuan Tao · Zhao Yang Dong · Jing Qiu · Shuying Lai 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
针对分布式能源接入带来的主动配电网运行复杂性，传统调压方法难以应对。本文提出一种融合人类经验的人机协同深度强化学习（HITL-DRL）框架，并引入安全约束裁剪的近端策略优化（SC-PPO）算法以保障学习过程的安全性。通过人类示范、反馈与对抗设置三种干预策略，提升学习效率与可解释性。仿真表明，该方法在IEEE 33节点系统中相较传统DRL算法具有更快的收敛速度与更强的鲁棒性，电压越限率降低73.4%，决策时间小于1毫秒，接近最优解性能，具备实时应用潜力。
解读: 该人机协同强化学习电压/无功控制技术对阳光电源配电网侧储能系统具有重要应用价值。SC-PPO算法的安全约束机制可直接应用于PowerTitan储能系统的电压调节策略，保障分布式光伏并网场景下的安全运行。毫秒级决策响应能力契合ST系列储能变流器的实时控制需求，73.4%的电压越限率降低可显著提升含高比...