找到 13 条结果
面向功率变换器的数据驱动迭代学习预测控制
Data-Driven Iterative Learning Predictive Control for Power Converters
Wenjie Wu · Lin Qiu · Xing Liu · Feng Guo 等7人 · IEEE Transactions on Power Electronics · 2022年12月
本文提出了一种用于功率变换器的数据驱动迭代学习预测控制架构。旨在解决有限控制集模型预测控制（FCS-MPC）在未建模动态和参数失配条件下的鲁棒性与性能保持问题。通过引入迭代动态线性化技术，有效提升了控制系统的适应性与稳态性能。
解读: 该技术对阳光电源的核心产品线（如组串式/集中式光伏逆变器、PowerTitan/PowerStack储能变流器）具有极高的应用价值。FCS-MPC因其快速动态响应在电力电子领域备受关注，但参数敏感性一直是工程落地的痛点。本文提出的数据驱动迭代学习方法，能够显著提升逆变器在复杂电网环境（如弱电网、参数...
基于准比例谐振控制的IPMSM无差拍预测电流谐波抑制方法
A Deadbeat Predictive Current Harmonics Suppression Method for IPMSM Based on Quasi Proportional Resonant Control
Chao Du · Shuang Yang · Lin Qiu · Yue Wang 等8人 · IEEE Transactions on Power Electronics · 2024年11月
针对内置式永磁同步电机（IPMSM），无差拍预测电流控制具有动态响应快、数学模型简单的优点。然而，在抑制低次电流谐波时，往往会引入额外的高次谐波，从而削弱整体谐波抑制效果。本文提出了一种改进的无差拍预测电流谐波抑制方法，旨在优化谐波性能。
解读: 该文献提出的无差拍预测控制与谐波抑制算法主要应用于电机驱动领域。对于阳光电源而言，该技术可延伸至风电变流器（风机侧电机控制）以及未来可能涉及的储能/光伏系统中的高性能电机驱动应用。通过引入准比例谐振控制，能够有效提升变流器在复杂工况下的电流质量，降低谐波损耗，从而提升变流器效率及电机运行的平稳性。建...
一种基于在线神经网络逼近器的无模型预测控制方法
An Online Neural Network Approximator-Based Model-Free Predictive Control Approach for Power Converters
Pengbo Zhao · Jien Ma · Xing Liu · Lin Qiu 等7人 · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种基于在线神经网络逼近器的无模型预测控制（MFPC）方法，旨在解决传统基于超局部模型的MFPC对电感、电容等参数的依赖问题。该方法通过在线学习机制增强了功率变换器控制系统的鲁棒性，无需精确的系统模型参数即可实现高性能控制，为电力电子变换器的控制策略优化提供了新思路。
解读: 该技术对阳光电源的核心产品线（如组串式逆变器、PowerTitan/PowerStack储能变流器）具有极高的应用价值。目前阳光电源产品在复杂电网环境下（如弱电网）对参数鲁棒性要求极高，传统的基于模型的MPC受参数漂移影响较大。引入在线神经网络逼近的无模型控制，可有效提升逆变器在电网阻抗波动时的动态...
三相双有源桥变换器的无模型移动离散控制集预测控制
Model-Free Moving-Discretized-Control-Set Predictive Control for Three-Phase Dual-Active-Bridge Converters
Jiahao Sun · Lin Qiu · Xing Liu · Jien Ma 等6人 · IEEE Transactions on Power Electronics · 2024年8月
针对双有源桥（DAB）变换器，移动离散控制集模型预测控制（MPC）虽具备动态响应快和多目标优化的优势，但易受系统模型精度影响且控制器设计复杂。本文提出一种无模型控制方案，旨在降低建模依赖性，提升DAB变换器在复杂工况下的控制性能与鲁棒性。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack系列PCS）具有极高的应用价值。DAB拓扑是高压储能变流器的核心，传统的模型预测控制依赖精确参数，而无模型控制方案能有效解决储能系统在宽电压范围运行及参数漂移下的控制精度问题。建议研发团队关注该算法在PCS功率模块中的嵌入，以提...
基于神经预测器的模块化多电平变换器低开关频率FCS-MPC及在线权重系数调整
Neural Predictor-Based Low Switching Frequency FCS-MPC for MMC With Online Weighting Factors Tuning
Xing Liu · Lin Qiu · Wenjie Wu · Jien Ma 等7人 · IEEE Transactions on Power Electronics · 2022年4月
本文提出了一种针对模块化多电平变换器（MMC）的新型预测控制框架。该方法结合了基于神经预测器的低开关频率有限控制集模型预测控制（FCS-MPC），并实现了权重系数的在线自适应调整，以增强系统的鲁棒性。研究旨在维持低开关频率运行的同时，优化变换器的动态性能与控制精度。
解读: 该技术对阳光电源的集中式逆变器及大型储能系统（如PowerTitan系列）具有重要参考价值。MMC拓扑在大型光伏电站及高压大功率储能系统中应用广泛，但其计算负担重、开关频率控制难。引入神经预测器可有效降低开关损耗，提升系统效率；在线权重调整机制能增强系统在弱电网环境下的鲁棒性。建议研发团队关注该算法...
基于陷波滤波器和二阶广义积分器的IPMSM交叉解耦电流谐波抑制方法
A Cross-Decoupled Current Harmonics Suppression Method for IPMSM Based on Notch Filter and Second-Order Generalized Integrator
Chao Du · Shuang Yang · Lin Qiu · Jien Ma 等6人 · IEEE Transactions on Power Electronics · 2025年4月
针对内置式永磁同步电机（IPMSM）电流谐波抑制问题，本文提出了一种结合陷波滤波器与二阶广义积分器（SOGI）的交叉解耦控制方法。该方法解决了传统SOGI在动态响应速度与稳态收敛精度之间的权衡矛盾，有效提升了电机电流谐波抑制的性能。
解读: 该文献提出的SOGI与陷波滤波器结合的谐波抑制算法，主要针对电机控制领域。对于阳光电源而言，该技术可迁移应用于风电变流器（风机侧电机控制）以及电动汽车充电桩内部的功率模块控制。通过优化电流环控制算法，能够有效降低谐波含量，提升变流器输出电能质量，并改善电机驱动系统的动态响应性能。建议研发团队关注该算...
基于数据驱动神经预测器的电力变换器鲁棒模型预测控制
Data-Driven Neural Predictors-Based Robust MPC for Power Converters
Xing Liu · Lin Qiu · Jose Rodriguez · Wenjie Wu 等8人 · IEEE Transactions on Power Electronics · 2022年10月
本文提出了一种基于数据驱动神经预测器的鲁棒有限控制集模型预测控制（FCS-MPC）方法，旨在提升电力变换器控制系统的鲁棒性及多目标控制的灵活性。通过神经网络预测器估计未知非线性项，有效增强了控制系统对参数扰动和模型不确定性的适应能力。
解读: 该技术对阳光电源的核心业务具有极高价值。在组串式及集中式光伏逆变器中，FCS-MPC可显著提升动态响应速度；在PowerTitan等大型储能PCS中，该算法能有效应对电网弱电网环境下的参数波动，提升系统稳定性。建议研发团队将该数据驱动预测模型集成至iSolarCloud智能运维平台，利用边缘计算能力...
基于新型回归模型的IPMSM无传感器控制非线性磁链观测器
Nonlinear Flux Observer for Sensorless Control of IPMSM Based on a Novel Regression Model
Kai Zhang · Jien Ma · Junyong Lu · Yingquan Liu 等7人 · IEEE Transactions on Power Electronics · 2025年3月
非线性磁链观测器是实现电机无传感器控制的有效方法。针对内置式永磁同步电机（IPMSM），本文建立了一种由已知向量与未知向量乘积构成的新型回归模型。基于该模型及梯度下降法，提出了一种改进的非线性有源磁链观测器，旨在提升电机在宽转速范围内的位置估计精度与动态响应性能。
解读: 该技术主要针对IPMSM（内置式永磁同步电机）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与储能系统，但该算法在电动汽车充电桩的功率模块电机驱动控制，以及未来可能涉及的储能系统辅助电机控制（如冷却系统风机、泵类驱动）中具有潜在应用价值。通过引入新型回归模型优化磁链观测，有助于提升电机驱动系...
一种用于三相双有源桥变换器的混合调制改进模型预测控制
Improved Model Predictive Control for Three-Phase Dual-Active-Bridge Converters With a Hybrid Modulation
Jiahao Sun · Lin Qiu · Xing Liu · Jian Zhang 等6人 · IEEE Transactions on Power Electronics · 2022年4月
本文提出了一种针对三相双有源桥（3p-DAB）变换器的改进型移动离散控制集模型预测控制（MDCS-MPC）策略，结合了混合调制技术。该方法旨在提升变换器在部分负载下的效率，并增强输出电压跟踪的动态性能。
解读: 该研究直接服务于阳光电源的核心储能业务。三相DAB变换器是PowerTitan和PowerStack等大功率储能变流器（PCS）实现DC-DC级双向功率变换的关键拓扑。通过引入混合调制与改进的MDCS-MPC，能够显著降低PCS在部分负载工况下的开关损耗，提升系统全功率段的转换效率，这对储能电站的经...
基于神经网络预测器与软演员-评论家算法的电力电子变换器预测控制方法
A Predictive Control Method Based on Neural Predictor and Soft Actor–Critic for Power Converters
Chenghao Liu · Jien Ma · Xing Liu · Lin Qiu 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
本文着重于将软强化学习（RL）技术引入有限控制集模型预测控制（FCS - MPC）框架，以提升鲁棒性能。更确切地说，在神经预测器的基础上，开发了一个使用软演员 - 评论家算法训练的智能体，用于探索嵌入在MPC框架内的最优控制输入。同时，在训练过程中引入了基于李雅普诺夫函数的约束条件，并给出了相应的权重更新法则。此外，所提出的方法保证了集成了RL智能体的系统的稳定性。最后，仿真和实验结果均验证了该方法相较于现有FCS - MPC方法的优越性。
解读: 从阳光电源的核心业务视角来看，这项基于软强化学习的预测控制技术具有重要的战略价值。该方法将软演员-评论家算法与有限集模型预测控制相结合，通过神经网络预测器实现智能决策，这与我们在光伏逆变器和储能变流器中广泛应用的MPC控制策略形成了技术演进路径。 对于阳光电源的产品线，该技术的核心价值体现在三个层...
基于子空间预测器的预测电压控制方法
Subspace Predictor-Based Predictive Voltage Control for Power Converters
Zeyu Zhang · Jien Ma · Lin Qiu · Xing Liu 等6人 · IEEE Transactions on Industrial Electronics · 2025年2月
有限控制集模型预测控制（FCS-MPC）因性能优异、实现简单和动态响应快，在电力变换器中备受关注。然而，传统FCS-MPC对模型参数依赖性强。为此，本文提出一种基于有限集子空间预测器的电压控制策略，旨在提升系统鲁棒性的同时保留FCS-MPC的优点。该方法在各运行点采用子空间预测器替代物理模型，仅利用历史输入输出数据直接根据参考输出轨迹获取最优控制量，无需知晓系统结构与负载参数，有效避免了参数变化导致的性能下降。三电平中点钳位逆变器实验验证了所提方法的有效性。
解读: 该基于子空间预测器的预测电压控制技术对阳光电源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。传统MPC对参数依赖性强，在储能系统电池老化、光伏逆变器负载波动等工况下性能易劣化。该方法仅依赖历史数据即可实现最优控制，无需精确模型参数，可显著提升PowerTitan大型储能系统在全生命周期的控...
基于扩展ISMO的两步预测时域无模型预测控制在功率变换器中的应用
Extended ISMO-Based Two-Step Prediction Horizon Model-Free Predictive Control for Power Converters
Zeyu Zhang · Jien Ma · Lin Qiu · Xing Liu 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年7月
模型预测控制因实现简单、性能优良和动态响应快而广泛应用于功率变换器。然而，传统方法依赖负载参数进行预测，鲁棒性差，且高频开关导致额外损耗。为此，本文提出一种基于积分滑模观测器（SMO）的鲁棒有限控制集模型预测控制方法。通过引入扩展ISMO实现超局部模型观测，有效抑制负载参数扰动影响；结合两步预测时域结构，拓展优化范围，提高连续周期内重复电压矢量的应用概率，显著降低开关频率。该方法在提升系统鲁棒性的同时，有效减少了对负载参数的敏感性，并保持较低开关频率。仿真与实验结果验证了所提方法的鲁棒性和低开关...
解读: 该扩展ISMO无模型预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器具有重要应用价值。其核心优势在于：1）通过超局部模型观测实现对负载参数扰动的鲁棒控制，可显著提升PowerTitan储能系统在电网阻抗波动、负载突变等复杂工况下的稳定性；2）两步预测时域结构有效降低开关频率，直接减少SiC/...
基于Adaline神经网络的数据使能有限状态预测控制用于电力变换器
Data-Enabled Finite State Predictive Control for Power Converters via Adaline Neural Network
Wenjie Wu · Lin Qiu · Xing Liu · Jien Ma 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
有限控制集模型预测控制（FCS-MPC）在电力变换器与电机驱动中展现出良好前景，但受限于模型依赖性。本文从动态建模角度提出一种数据使能的有限集预测控制方案。采用动态线性化数据模型在各运行点等效重构系统，并通过自适应线性神经网络在线更新时变参数，提升建模精度与实现性能。同时提出一种改进的无电容电压平衡方法以调节中点电位。由于负载电流与电容电压的无参数预测仅依赖系统输入输出测量及历史数据，有效规避了参数变化带来的不利影响。通过在三电平中点钳位逆变器上的仿真与实验验证了所提方法的优越性。
解读: 该数据驱动的有限集预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器的三电平拓扑控制具有重要应用价值。通过Adaline神经网络实现无参数化预测控制，可有效解决储能系统在宽工况运行时的参数漂移问题，提升PowerTitan大型储能系统在温度变化、器件老化等复杂工况下的控制鲁棒性。改进的中点电位...