找到 5 条结果
基于数字孪生的三相并网光伏逆变器稳定性监测与参数估计框架
A Digital Twin-Based Stability Monitoring and Parameter Estimation Framework for Three-Phase Grid-Connected Photovoltaic Inverters
Rituvic Pandey · Nishant Kumar · IEEE Transactions on Power Electronics · 2026年4月
本文提出了一种基于数字孪生（DT）的框架，用于三相并网光伏逆变器的实时稳定性监测与参数估计。该系统集成了三参数自适应最大功率点跟踪（MPPT）算法，实现了快速且无振荡的功率提取，并采用模型预测控制（MPC）实现电压源变换器的精确调节。
解读: 该研究直接契合阳光电源的核心业务。在组串式和集中式光伏逆变器产品中，引入数字孪生技术可实现远程实时状态监测与故障预警，显著提升运维效率。文中提到的自适应MPPT算法有助于提升复杂环境下的发电效率，而模型预测控制（MPC）的应用能进一步优化逆变器在弱电网下的动态响应性能。建议将该框架集成至iSolar...
光伏与低压弱电网系统的集成：基于归一化拉普拉斯核自适应卡尔曼滤波与学习型InC算法
Integration of Solar PV With Low-Voltage Weak Grid System: Using Normalized Laplacian Kernel Adaptive Kalman Filter and Learning Based InC Algorithm
Nishant Kumar · Bhim Singh · Bijaya Ketan Panigrahi · Chandan Chakraborty 等6人 · IEEE Transactions on Power Electronics · 2019年11月
本文针对低压弱电网并网光伏系统，提出了一种基于归一化拉普拉斯核自适应卡尔曼滤波（NLKAKF）的控制技术及学习型增量电导（LIC）MPPT算法。该研究采用两级式三相并网拓扑，旨在提升弱电网环境下的系统稳定性和最大功率点跟踪效率。
解读: 该技术对阳光电源的组串式逆变器（如SG系列）和集中式逆变器在弱电网环境下的并网性能优化具有重要参考价值。弱电网下的电压波动和阻抗变化是当前光伏电站面临的挑战，NLKAKF算法能显著提升逆变器在复杂电网条件下的鲁棒性与动态响应速度。建议研发团队关注该自适应控制策略，将其集成至iSolarCloud智能...
单相两阶段并网光伏系统采用OSO-AI控制与PSPO最大功率点跟踪
Single-Phase Two-Stage Grid Integrated Solar PV System With OSO-AI Control and PSPO MPPT
Arun Kumar · Aryan Prajapati · Nishant Kumar · Jyoti Dhayal · IEEE Transactions on Industry Applications · 2025年6月
本文针对单相两级并网太阳能光伏（SPV）系统，介绍了一种优化的二阶自适应积分器（OSO - AI）控制方法以及具有开创性的预测自调优扰动观察（PSPO）最大功率点跟踪（MPPT）技术，旨在提高配电网的电能质量。该体系结构包括一个升压转换器和一个电压源转换器（VSC），旨在最大限度地提取太阳能，并确保以最小的谐波实现与电网的无缝集成。系统的公共连接点（PCC）连接有两种不同的非线性负载。所提出的 OSO - AI 控制算法能够有效管理 VSC，以提供无功功率补偿并提高电网稳定性。通过对硬件系统进行...
解读: 该OSO-AI控制与PSPO MPPT技术对阳光电源SG系列光伏逆变器具有直接应用价值。PSPO算法的预测性动态步长调整机制可优化现有MPPT算法，提升光照突变与局部阴影工况下的追踪效率，特别适用于SG110CX等大功率组串逆变器的多路MPPT优化。OSO-AI控制器增强的电网适应性可直接应用于弱电...
面向两级单相并网光伏系统的数字孪生开发：基于AMSA与LCOGI的控制技术
Digital Twin Development for Two-Stage Single-Phase Grid-Tied Solar Photovoltaic System: Using AMSA and LCOGI Based Control Technique
Arun Kumar · Nishant Kumar · IEEE Transactions on Industrial Electronics · 2025年10月 · Vol.73
本文提出一种高保真数字孪生模型，用于两级单相并网光伏逆变器系统。采用后向欧拉法构建离散时间数学模型，结合传感器数据实现实时同步；利用自适应动量搜索算法（AMSA）精准辨识器件参数，并引入LCOGI-dq控制优化PWM生成，提升稳定性与故障响应能力。硬件FPGA验证显示模型匹配度超98%。
解读: 该研究高度契合阳光电源组串式逆变器（如SG系列）及户用光储系统对高精度建模、实时状态感知与智能故障预警的需求。其AMSA参数辨识与LCOGI-dq控制可直接赋能iSolarCloud平台的预测性运维模块，提升ST系列PCS在弱电网下的动态响应能力。建议将DT框架集成至PowerStack储能系统控制...
数字孪生辅助的并网光伏系统健康退化分析与控制：基于UVISMC和EAAEFO算法
Digital Twin Assisted Health Degradation Analysis and Control of Grid-Integrated PV Systems: Using UVISMC and EAAEFO Algorithm
Keshav Dutt · Nishant Kumar · IEEE Transactions on Power Delivery · 2025年12月 · Vol.41
本文提出基于数字孪生（DT）的并网光伏系统实时健康监测框架，结合新型EAAEFO优化算法实现DT模型自校准，并采用UVISMC控制器提升电流跟踪精度与鲁棒性。实验表明DT在器件退化下仍保持>98%行为复现精度。
解读: 该研究高度契合阳光电源组串式逆变器（如SG系列）及ST系列储能变流器的智能运维升级需求。DT框架可深度集成至iSolarCloud平台，实现IGBT、DC-link电容等关键部件的寿命预测与主动维护；UVISMC与EAAEFO算法可嵌入逆变器/PCS固件，提升弱电网下LVRT/HVRT动态响应能力。...