找到 2 条结果
基于磁分路的耦合电感滤波器磁结构
A Magnetic‐Shunt‐Based Magnetic Structure for Coupled Inductor Filters
Christian Buzzio · Germán G. Oggier · Roberto F. Coelho · Denizar C. Martins 等5人 · IET Power Electronics · 2026年1月 · Vol.19
本文提出一种新型耦合电感磁结构，通过在磁芯气隙中引入低导磁率铁氧体聚合物，抑制漏磁与边缘效应，精准调控耦合系数、自感与互感，实现输入电流零纹波；降低绕组匝数，提升功率密度；设计方程经有限元仿真与升压变换器实验验证。
解读: 该磁结构可显著优化DC-DC环节的功率密度与EMI性能，对阳光电源ST系列储能变流器（PCS）中双向DC-DC级、PowerTitan系统内部直流侧滤波及组串式逆变器的MPPT前端耦合电感设计具有直接参考价值。建议在新一代高功率密度PCS和户用光储一体机中开展工程化验证，结合iSolarCloud平...
基于深度神经网络的变气象条件下光伏参数精确估计模型
Deep neural networks model for accurate photovoltaic parameter estimation under variable weather conditions
Salem Batiyah · Ahmed Al-Subhi · Osama Elsherbiny · Obaid Aldosari 等5人 · Solar Energy · 2025年10月 · Vol.299
摘要 估算光伏（PV）参数对于光伏系统的精确建模和性能预测至关重要。本文提出了一种基于深度神经网络的方法，通过数据手册中的信息来确定光伏参数。该技术利用MATLAB/Simulink库中光伏模块单元生成的数千个数据点进行训练。采用平均绝对百分比误差（MAPE）、决定系数（R-squared）和均方根误差（RMSE）等指标对模型的有效性进行了评估。通过利用神经网络固有的模式识别和学习能力，该模型能够准确地估计光伏参数。为了评估所提方法的有效性，对其性能进行了多种测试，包括对测试数据、实验数据以及在...
解读: 该深度学习光伏参数估计技术对阳光电源SG系列逆变器和iSolarCloud平台具有重要应用价值。通过神经网络精准估算不同气象条件下的光伏参数,可优化MPPT算法实时性能,提升逆变器发电效率。该方法可集成至智能运维平台,实现组件参数在线辨识与性能预测,减少现场测试成本。结合PowerTitan储能系统...