找到 4 条结果
整合可再生能源与电动汽车：一种用于直流微电网有效能量管理的方法
Integrating renewable resources and electric Vehicles: An approach for effective energy management in DC microgrid
M.Manikandan · R.Saravanan · G.Kannayeram · M.Saravanan · Solar Energy · 2025年1月 · Vol.299
摘要 直流微电网（DCMGs）在减少碳排放和应对全球变暖方面具有重要作用。然而，维持稳定的直流母线电压并确保高效的能量流动仍面临挑战。本文提出了一种结合鹦鹉优化算法（Parrot Optimization, PO）与量子自注意力神经网络（Quantum Self-Attention Neural Networks, QSANN）的混合方法，命名为PO-QSANN，旨在提升集成电动汽车（EVs）和光伏发电（PV）的直流微电网能量管理系统（EMS）性能。本研究的目标是通过稳定直流母线电压来降低运行成...
解读: 该PO-QSANN混合优化算法对阳光电源直流微网产品具有重要应用价值。其DC母线电压稳定控制技术可直接应用于ST系列储能变流器的母线管理,量子自注意力神经网络的负荷预测能力可增强iSolarCloud平台的智能运维功能。论文中PI控制器参数优化方法与阳光电源三电平拓扑控制策略高度契合,0.4$/kW...
用于>5 V-1 V集成电压调节器的低损耗FeSi-FeNi电感器磁芯
Low-Loss FeSi-FeNi Inductor Cores for > 5 V-1 V Integrated Voltage Regulators
Sai Saravanan Ambi Venkataramanan · Claudio Alvarez Barros · Yoshimasa Narita · Dustin A. Gilbert 等6人 · IEEE Transactions on Components, Packaging and Manufacturing Technology · 2025年9月
摘要：现代电力传输网络采用基于降压型的直流 - 直流转换器，其中电感器用于能量存储并维持流向负载的连续电流。虽然电感器设计能在一定程度上满足不断增长的电力需求，但要实现高转换比集成电压调节器（IVR），最终需要具有低损耗和高频稳定性的新型磁性材料。在本研究中，我们分析了由铁硅（FeSi）和铁镍（FeNi）金属合金制成的软磁复合材料（SMC）在零直流偏置下的小信号和大信号损耗，以及大信号直流偏置情况（同时进行原位温度监测）。研究结果与材料特性相关联，如填料形态、表面堆积情况和直流电阻率等。将与基于...
解读: 从阳光电源的业务视角来看，这项FeSi-FeNi软磁复合材料（SMC）的研究对我们的核心产品线具有重要的技术参考价值。该研究针对高转换比集成电压调节器（IVR）开发的低损耗电感磁芯技术，与我们在光伏逆变器和储能变流器中广泛应用的DC-DC转换拓扑存在技术关联性。 在光伏逆变器领域，特别是组串式和户...
一种基于新型模块化升降压的多端口双向DC-DC变换器
Novel Modular Buck-Boost Based Multiport Bidirectional DC–DC Converter (MPBC) for Hybrid Electric Vehicle Application
Jayamurugan Mookkan · Saravanan Kaliyaperumal · Z. M. S. Elbarbary · Saad F. Al-Gahtani 等6人 · IEEE Access · 2025年1月
为提升混合动力汽车中可再生能源的应用并实现零尾气排放，需高效的直流功率变换接口及精确的功率流控制。本文提出一种新型四端口双向DC-DC变换器，集成光伏与电池双输入端口，驱动电机与轻载双输出端口。该多端口变换器（MPBC）支持升降压运行模式，通过切换组合实现双向功率流动控制，适用于混合动力汽车中电池与电机间不同直流电压等级的连接，并可在再生制动时回馈能量充电。文中给出了工作模态分析、稳态特性、控制策略及功率损耗分析，采用MATLAB/Simulink仿真验证了设计方案的有效性与动态响应性能。
解读: 该四端口双向DC-DC变换器技术对阳光电源车载电源系统及光储充一体化产品具有重要应用价值。其模块化升降压拓扑可直接应用于新能源汽车OBC充电机产品，实现光伏、动力电池、辅助电源的多端口协同管理，支持V2G双向功率流动。该MPBC架构的再生制动能量回馈功能与阳光电源ST储能变流器的双向控制技术高度契合...
部分遮阴下最优功率采集：基于二进制灰雁优化的光伏阵列重构与基于机器学习的故障诊断
Optimal power harvesting under partial shading: Binary Greylag Goose optimization for reconfiguration and Machine learning-Based fault diagnosis in solar PV arrays
S.Saravanan · R. Senthil Kumar · P.Balakumar · N. Prabaharan · Energy Conversion and Management · 2025年1月 · Vol.333
摘要 光伏（PV）系统已成为向电网提供能量采集支持的主要来源，作为传统能源的可持续替代方案。然而，部分遮阴对光伏系统的影响会降低基于光伏的发电效率。光伏阵列重构方法是减轻部分遮阴效应影响的最佳实践之一。本文提出了一种新的光伏阵列重构方法，采用二进制灰雁优化（Binary Greylag Goose Optimization, BGGO）算法。为验证所提BGGO方法的有效性，研究采用一个9x9面板的光伏阵列，并考虑六种阴影分布模式——右下角、右上角、左下角、左上角、中心以及对角线遮阴。在总交叉连接...
解读: 该二进制灰雁优化算法结合机器学习的阴影应对方案,对阳光电源SG系列光伏逆变器的MPPT优化技术具有重要参考价值。研究验证在复杂遮挡场景下通过阵列重构可提升10-14%发电效率,可与我司iSolarCloud平台的预测性维护功能深度融合,实现智能故障诊断与动态拓扑优化。该方法论可应用于ST储能系统的能...