找到 4 条结果
基于广义比例积分观测器和卡尔曼滤波的永磁同步电机无传感器控制方案
Sensorless Control Scheme for PMSM Drive via Generalized Proportional Integral Observers and Kalman Filter
Ke Yu · Shihua Li · Wenwu Zhu · Zuo Wang · IEEE Transactions on Power Electronics · 2025年3月
针对传统线性扩张状态观测器（LESO）在处理高阶扰动及反电动势（BEMF）估计精度上的不足，本文提出了一种新型复合无传感器控制方案。通过结合广义比例积分观测器与卡尔曼滤波，有效提升了永磁同步电机（PMSM）转子位置与转速的估计精度，增强了系统的鲁棒性与动态响应能力。
解读: 该技术主要针对永磁同步电机（PMSM）的无传感器控制，虽然阳光电源的核心业务侧重于光伏逆变器和储能变流器（PCS），但该控制算法在风电变流器及电动汽车充电桩的电机驱动模块中具有潜在应用价值。通过引入广义比例积分观测器与卡尔曼滤波，可进一步优化风电变流器在复杂工况下的电机控制精度，提升系统运行的稳定性...
一种用于永磁同步电机最大转矩电流比与弱磁控制的鲁棒统一策略
A Robust Unified Strategy for Maximum Torque per Ampere and Field Weakening in Permanent Magnet Synchronous Motor
Kunkun Zuo · Fengxiang Wang · Zheng Li · Dongliang Ke 等6人 · IEEE Transactions on Power Electronics · 2024年5月
针对永磁同步电机（PMSM）在实现最大转矩电流比（MTPA）和弱磁（FW）控制时面临的复杂结构与高精度要求挑战，本文提出了一种简洁高效的统一控制策略。通过将整个控制过程重构为凸优化问题，有效简化了系统实现难度，提升了电机驱动性能与鲁棒性。
解读: 该研究提出的MTPA与弱磁统一控制策略，主要应用于高性能电机驱动领域。对于阳光电源而言，该技术可优化电动汽车充电桩配套的电机驱动系统，或提升风电变流器中发电机侧的控制效率。通过凸优化方法简化控制逻辑，有助于降低计算资源消耗，提升系统响应速度与稳定性。建议研发团队关注该算法在复杂工况下的鲁棒性表现，并...
物理增强辅助学习在电力系统暂态稳定评估中的应用
Physics-Augmented Auxiliary Learning for Power System Transient Stability Assessment
Chao Shen · Ke Zuo · Mingyang Sun · IEEE Transactions on Industrial Informatics · 2025年6月
数据驱动的暂态稳定评估（TSA）方法已被证明在应对可再生能源快速融入电力系统所带来的安全挑战方面是有效的。然而，这些方法通常面临训练成本高、物理一致性不足以及泛化能力有限的问题。为解决这些局限性，本文提出了一种用于暂态稳定评估的物理增强辅助学习（PA - AL）框架，该框架在多门控专家混合模型中实现，并采用物理信息范式进行端到端的稳定裕度预测。与传统的基于物理信息神经网络的方法不同，后者依赖于易产生累积误差的转子角度轨迹预测，而PA - AL通过整合辅助电气速度预测来嵌入物理定律。所提出的PA ...
解读: 从阳光电源的业务视角来看，这项基于物理增强辅助学习的暂态稳定评估技术具有重要的战略价值。随着公司光伏逆变器和储能系统大规模接入电网，新能源高渗透率带来的电力系统稳定性挑战日益突出，该技术为解决这一核心问题提供了创新路径。 该研究的核心价值在于将物理机理与数据驱动方法深度融合，通过嵌入摆动方程等物理...
面向物理的神经网络用于在线动态安全评估
Physics-following Neural Network for Online Dynamic Security Assessment
Chao Shen · Ke Zuo · Mingyang Sun · IEEE Transactions on Power Systems · 2025年4月
数据驱动的动态安全评估（DSA）已成为应对可再生能源与电力电子设备快速接入带来安全挑战的有力工具。近期，融合微分方程描述物理规律的物理信息神经网络（PINN）被引入DSA，但仍面临代数偏差、收敛错误及训练非凸性等难题。为此，本文提出一种新型面向物理的神经网络（PFNN），通过估计故障后状态响应实现DSA。设计双阶段训练策略：第一阶段采用监督参数空间缩减以提升可优化性；第二阶段引入动力学引导的局部学习，结合经验损失与源自动态模型的物理正则项，解决代数偏差并确保正确收敛。在WSCC 3机9节点、新英...
解读: 该物理引导神经网络技术对阳光电源储能与新能源并网产品具有重要应用价值。在PowerTitan大型储能系统中，可实现故障后动态响应的快速预测与安全评估，提升电网支撑能力；结合ST系列储能变流器的构网型GFM控制，通过动力学模型正则化训练，可优化虚拟同步机参数整定，增强暂态稳定性。在SG系列光伏逆变器的...