找到 2 条结果
基于DC/DC功率变换器控制的深度机器学习技术：实时实现
DC/DC Power Converter Control-Based Deep Machine Learning Techniques: Real-Time Implementation
Mojtaba Hajihosseini · Milad Andalibi · Meysam Gheisarnejad · Hamed Farsizadeh 等5人 · IEEE Transactions on Power Electronics · 2020年10月
随着直流微电网的发展，Buck-Boost变换器的应用日益广泛，但恒功率负载（CPL）带来的不稳定性成为系统面临的主要挑战。本文提出了一种基于深度机器学习的控制策略，旨在无需精确系统建模的前提下，实现直流微电网中DC/DC变换器的实时稳定控制。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及光储一体化解决方案具有重要参考价值。在直流微电网和储能PCS应用中，恒功率负载（CPL）常导致系统振荡，传统控制策略难以兼顾动态响应与稳定性。引入深度学习算法可提升PCS在复杂负载工况下的鲁棒性，减少对精确数学模型的依赖。建...
基于单相移调制DAB变换器的MPC设计：非线性模型对无功功率最小化的影响
MPC Design for SPS Modulated DAB Converters: Impact of Nonlinear Models on Reactive Power Minimization
Hossein G. Sahebi · Saman A. Gorji · Mojtaba Hajihosseini · Samson Yu · IET Power Electronics · 2025年6月 · Vol.18
本文提出一种针对单相移调制双有源桥（DAB）变换器的模型预测控制（MPC）策略，旨在最小化无功功率并提升扰动下的电压稳定性。通过对比线性与非线性模型在MPC设计中的性能权衡，提出一种混合MPC框架以兼顾建模精度与计算效率。实验结果验证了该方法的有效性。
解读: 该MPC无功功率优化技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。DAB变换器是储能系统DC-DC隔离级的核心拓扑，文中提出的混合MPC框架可直接应用于ST系列的双向DC-DC模块，通过实时最小化无功功率降低磁性元件损耗和电流应力，提升系统效率1-2%。该方法在...