找到 4 条结果
用于抑制构网型储能变流器充电模式谐振的非对称矩阵控制策略
Asymmetric Matrix Control Strategy for Suppression of Charging Mode Resonances in Grid-Forming Energy Storage Converters
Jinhao Wang · Chao Wu · Yong Wang · Frede Blaabjerg · IEEE Transactions on Power Electronics · 2026年4月
构网型储能变流器（GFM-ESC）在支撑电网电压和频率方面至关重要。本文针对现有研究多关注放电模式、忽略充电模式下谐振问题的现状，揭示了GFM-ESC在充电模式下的失稳现象，并提出了一种非对称矩阵控制策略，有效抑制了充电模式下的谐振，提升了系统在不同工况下的并网稳定性。
解读: 该研究直接针对阳光电源PowerTitan和PowerStack等构网型储能变流器产品。随着电力系统对构网型技术需求的增加，储能系统在充电（如调峰、平抑波动）过程中的稳定性至关重要。该非对称矩阵控制策略能够有效解决充电模式下的谐振问题，提升阳光电源储能系统在弱电网或复杂电网环境下的并网适应性。建议研...
基于输出调节模型预测控制的柔性关节机器人伺服系统高性能控制策略
High-Performance Control Strategy for Robot Servo System With Flexible Joint via Output Regulation Model Predictive Control
Likai Zheng · Jinhao Liu · Shihua Li · Yixiao Ding 等6人 · IEEE Transactions on Power Electronics · 2026年4月
针对柔性关节机器人伺服系统在振动抑制、参考跟踪、约束满足及抗扰动方面的挑战，本文提出了一种集成输出调节理论与扰动观测器（DO）技术的模型预测控制（MPC）框架。该方法有效解决了永磁同步电机（PMSM）系统中的多源扰动问题，提升了伺服系统的动态性能与鲁棒性。
解读: 该文献提出的高性能MPC控制策略及扰动观测技术，对阳光电源的核心业务具有重要的参考价值。虽然该研究聚焦于机器人伺服系统，但其核心算法逻辑可迁移至光伏逆变器及储能变流器（PCS）的控制中。特别是在PowerTitan等储能系统及组串式逆变器中，面对弱电网环境或复杂工况，引入此类先进的抗扰动MPC策略，...
基于重启辅助分类器生成对抗网络和改进格拉米安角场的退役电池筛选
Retired Battery Screening Based on Rebooted Auxiliary Classifier Generative Adversarial Network and Improved Gramian Angular Field
Mingqiang Lin · Zelong Lin · Jinhao Meng · Wei Wang 等5人 · IEEE Transactions on Industrial Electronics · 2025年3月
由于锂离子电池（LIBs）具有高能量密度和长循环寿命，它们被广泛应用于电子设备、电动汽车和储能领域。退役电池的精确评估在很大程度上取决于利用既信息丰富又易于获取的最优健康特征。特别是对于时间序列数据，目前存在特征捕捉不充分以及难以捕捉有效特征的问题。本文提出了一种将改进的格拉姆角场（IGAF）与重启辅助分类器生成对抗网络（REACGAN）相结合的退役电池创新分类方法。IGAF方法利用快速傅里叶变换（FFT）提取电池充电电压曲线的幅值和相位特征，将曲线中的细微变化转化为二维图像，从而保留了时间和空...
解读: 从阳光电源储能业务视角来看，这项基于改进格拉姆角场和生成对抗网络的退役电池筛选技术具有重要的战略价值。随着公司储能系统装机规模持续扩大，退役锂电池的梯次利用已成为降低全生命周期成本、提升产品竞争力的关键环节。 该技术的核心优势在于将电池充电电压曲线的微小变化转化为二维图像，并通过快速傅里叶变换提取...
一种用于锂离子电池退化轨迹预测的合成数据生成方法及进化型Transformer模型
A synthetic data generation method and evolutionary transformer model for degradation trajectory prediction in lithium-ion batteries
Haiyan Jin · Rui Ru · Lei Cai · Jinhao Meng 等7人 · Applied Energy · 2025年1月 · Vol.377
摘要 在锂离子电池使用的早期阶段识别其长期退化行为，对于电池管理系统（BMS）在实际应用中有效维护电池至关重要。然而，由于电池在生产和运行条件方面存在差异，该过程面临较大挑战。近年来，已有研究经验证明，数据驱动方法在处理退化预测问题上具有良好的应用前景。然而，合适数据的缺乏仍是影响预测最终性能的主要障碍。此外，预测结果还受到预测器设置的影响，包括神经网络结构及其超参数的设定。实现该过程自动化的挑战至今仍未得到解决。在本研究中，我们提出了一种新颖的退化轨迹预测框架。首先，通过条件生成对抗网络（CG...
解读: 该锂电池退化预测技术对阳光电源储能系统具有重要价值。通过CGAN合成数据和Transformer模型可显著提升ST系列PCS及PowerTitan储能系统中BMS的预测精度,解决早期退化识别难题。自动化超参数优化框架可集成至iSolarCloud平台,实现储能电站电池全生命周期健康管理和预测性维护,...