找到 10 条结果
基于自适应RBF神经网络的电力驱动平滑速度控制
Smooth Speed Control for Electric Drives Based on Adaptive RBF Neural Network Method
Chenhao Zhao · Yuefei Zuo · Huanzhi Wang · Haiyang Cao 等5人 · IEEE Transactions on Power Electronics · 2025年11月
针对电动航空等应用中转矩脉动导致的周期性速度振荡问题，本文提出了一种基于在线训练神经网络的控制方法。该方法利用神经网络的任意关系逼近能力，有效抑制了齿槽转矩和电流采样误差带来的干扰，实现了电力驱动系统的高性能平滑速度控制。
解读: 该研究提出的自适应RBF神经网络控制算法在抑制转矩脉动和提升电机运行平滑度方面具有显著优势。对于阳光电源而言，该技术可应用于电动汽车充电桩的功率模块电机控制，或在风电变流器及储能PCS的电机驱动环节中进行技术储备，以提升系统在复杂工况下的动态响应性能和控制精度。建议研发团队关注该算法在嵌入式控制器中...
基于RBF神经网络非线性扰动观测器的PMSM驱动系统自适应高阶滑模低速控制
Adaptive High-Order Sliding-Mode Low-speed Control With RBF Neural Network Nonlinear Disturbance Observer for PMSM Drive System
Weichao Wang · Yongqiang Ye · Xudong Chen · Yongchao Yuan · IEEE Transactions on Power Electronics · 2025年8月
针对永磁同步电机（PMSM）在低速运行中受摩擦转矩、齿槽转矩及不确定扰动影响显著的问题，本文提出了一种基于RBF神经网络非线性扰动观测器的自适应积分高阶滑模复合控制器（AIHOSMC），有效提升了低速控制的鲁棒性与精度。
解读: 该技术主要针对永磁同步电机（PMSM）的精密控制，在阳光电源的产品线中，可应用于风电变流器及储能系统中的电机驱动控制环节。高阶滑模控制与RBF神经网络观测器的结合，能显著提升电机在低速或复杂工况下的转矩平稳性与动态响应能力。建议研发团队关注该算法在风电变流器低风速运行优化，以及储能系统辅助设备（如液...
基于自适应神经网络的电池荷电状态
SOC）预设时间观测器
Chenyang Pan · Zhaoxia Peng · Shichun Yang · Guoguang Wen 等5人 · IEEE Transactions on Power Electronics · 2023年1月
收敛速度是评估电池荷电状态（SOC）估算性能的关键指标。本文提出了一种基于自适应径向基函数（RBF）神经网络的预设时间观测器，用于提升SOC估算的收敛速度。该方法利用自适应RBF神经网络逼近电池等效电路模型中的非线性部分，并实现参数的在线更新，从而在预设时间内实现高精度的SOC状态估计。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有极高价值。SOC估算的精度与收敛速度直接决定了储能系统的可用容量利用率及运行安全性。引入预设时间观测器和神经网络算法，可有效解决电池老化导致的非线性模型失准问题，提升BMS在复杂工况下的估算鲁棒性。建议研发团队将其集成...
一种联合估计锂离子电池SOC与SOH的框架：消除对初始状态的依赖
A framework for joint SOC and SOH estimation of lithium-ion battery: Eliminating the dependency on initial states
Xiaoyong Zeng · Yaoke Sun · Xiangyang Xia · Laien Chen · Applied Energy · 2025年1月 · Vol.377
基于模型的方法被广泛用于电池状态估计，构成了电池管理系统的基础。然而，这些方法的有效性依赖于准确的初始状态设定，初始状态不准确可能导致严重的不稳定甚至发散，从而对电池安全构成重大威胁。由于状态荷电（SOC）与健康状态（SOH）之间存在相互依赖关系，这一问题在SOC与SOH的联合估计中尤为突出。本研究致力于消除对初始状态的依赖。首先，构建了两个具有外部输入的径向基函数自回归模型（RBF-ARXM），以捕捉电池的非线性动态特性，并建立SOC、SOH与观测值之间的关联关系。基于这些模型，推导出有效的目...
解读: 该SOC/SOH联合估算框架对阳光电源ST系列储能变流器及PowerTitan系统的BMS优化具有重要价值。通过消除初始状态依赖性,可显著提升储能系统全生命周期的状态估计精度和安全性。基于RBF-ARXM的非线性建模方法可集成至iSolarCloud平台,实现预测性维护和电池健康管理。该技术同样适用...
一种基于误差修正级联ESO和误差变换自适应RBF神经网络的永磁同步电机速度控制增强型自抗扰控制方法
An Enhanced Active Disturbance Rejection Control Method for PMSM Speed Control Using Error-Corrected Cascaded ESO and Error-Transformed Adaptive RBF Neural Network
Yuxin Kang · Yongting Deng · Chuanlong Zhai · Wenjie Li 等8人 · IEEE Transactions on Power Electronics · 2026年4月
针对复杂工况下永磁同步电机（PMSM）系统受非周期性和周期性扰动影响导致速度控制性能下降的问题，本文提出了一种增强型自抗扰控制（ADRC）方法。该方法通过级联扩展状态观测器（ESO）修正误差，并结合误差变换自适应RBF神经网络，有效提升了系统的抗扰动能力和动态响应性能。
解读: 该研究提出的增强型ADRC算法在电机高精度控制方面具有显著优势，与阳光电源的业务关联主要体现在风电变流器及电动汽车充电桩的电机驱动控制领域。风电变流器在复杂电网环境下对转矩脉动和速度控制精度要求极高，该算法可提升变流器应对电网扰动的鲁棒性。此外，在充电桩的功率模块控制或未来储能系统中的旋转机械控制中...
基于观测器的NPC变换器自适应滑模控制：一种RBF神经网络方法
Observer-Based Adaptive Sliding Mode Control of NPC Converters: An RBF Neural Network Approach
Yunfei Yin · Jianxing Liu · Juan Antonio Sanchez · Ligang Wu 等7人 · IEEE Transactions on Power Electronics · 2019年4月
本文提出了一种针对三电平中点钳位（NPC）功率变换器的新型控制策略。该方案包含瞬时功率跟踪、电压调节和中点电压平衡三个控制环路。通过设计自适应滑模控制器，实现了对有功和无功功率的精确跟踪，并引入RBF神经网络以增强系统的鲁棒性和动态性能。
解读: 该研究直接针对三电平NPC拓扑，这是阳光电源组串式逆变器（如SG系列）和集中式逆变器中广泛使用的核心拓扑。引入RBF神经网络的自适应滑模控制能显著提升复杂电网环境下的功率跟踪精度和中点电位平衡能力，有助于优化逆变器在弱电网下的动态响应。建议研发团队关注该算法在DSP/FPGA上的计算资源消耗，可考虑...
电网连接型多能系统的整体优化：生物质与灵活储能的集成
Holistic optimization of grid-connected multi-energy systems: Biomass and flexible storage integration
Jie Ji · Yinqi Xi · Yibai Wang · Jia Xiao 等9人 · Energy Conversion and Management · 2025年3月 · Vol.327
摘要 本研究针对苏北地区多能系统（MES）容量及灵活储能优化中的关键挑战，重点探讨了生物质能、风能与光伏发电源的集成问题。该研究对于提升绿色可再生能源的高效与可持续利用具有重要意义，是应对能源危机和环境问题的关键途径。本研究采用了一种生物质与灵活储能（BMFS）策略，涵盖风力涡轮机、光伏发电机、生物质供电单元以及储能系统的集成。通过运用集合经验模态分解-共生生物搜索-径向基函数（EMD-SSA-RBF）优化算法，在多种负荷条件下对系统性能进行了仿真模拟，旨在实现电网供需之间的平衡。该算法结合了E...
解读: 该多能源系统优化研究对阳光电源ST系列储能变流器和PowerTitan系统具有重要应用价值。研究中的EMD-SSA-RBF算法可启发iSolarCloud平台的预测性维护优化,提升储能系统在风光生物质混合场景下的调度精度。GBGT稳定供电策略可借鉴至VSG虚拟同步发电机控制技术,增强电网稳定性。研究...
智慧健康系统中面向安全、效率和功率优化的专家混合联邦学习和信任管理
An Expert Hybrid Federated Learning and Trust Management for Security, Efficiency, and Power Optimization in Smart Health Systems
Sohrab Khan · Nayab Imtiaz · Arnab Kumar Biswas · Zeeshan Bin Siddique 等5人 · IEEE Access · 2025年3月
智慧医疗系统中大量健康设备互联共享患者数据，面临严重的安全和隐私问题。本文提出新型混合联邦SVM和信任管理模型，通过协作性、诚实性和社区信任参数计算信任度。该模型异常检测总体准确率达95%，线性核、RBF核和多项式核准确率分别为95%、93%和95%，为健康系统提供安全和隐私保护。该方法轻量化，减少52.5%计算量，促进不必要能耗节约和计算开销降低，提升智慧健康基础设施安全性。
解读: 该联邦学习和边缘计算技术对阳光电源物联网设备安全管理有借鉴意义。阳光iSolarCloud平台连接海量光伏储能设备，需要高效安全的数据处理机制。联邦学习可实现分布式设备本地数据处理和模型训练，降低云端数据传输和计算压力。信任管理机制可增强阳光设备间通信安全性。该轻量化方案可应用于阳光边缘控制器，在保...
结合PNN分类与ELM-Bootstrap的日前负电价预测增强方法
Integrating PNN classification and ELM-Bootstrap for enhanced Day-Ahead negative price forecasting
Stylianos Loizidis · Venizelos Venizelou · Andreas Kyprianou · G. E. Georghiou · Applied Energy · 2025年8月 · Vol.392
摘要 负电价通常在电力供应过剩时发生，常由高比例可再生能源发电以及传统发电机组灵活性不足所驱动。在缺乏充足储能能力的情况下，电网必须吸收多余的电量，从而导致价格跌破零。准确预测此类事件至关重要，但现有文献中专门针对负电价预测的有效解决方案仍较为有限。本文提出一种新颖的两阶段混合方法，用于预测日前电力市场中的负电价。第一阶段采用极限学习机（Extreme Learning Machine, ELM）结合Bootstrap方法生成预测区间；第二阶段利用概率神经网络（Probabilistic Neu...
解读: 该负电价预测技术对阳光电源储能系统具有重要应用价值。通过ELM-Bootstrap区间预测与PNN分类的两阶段方法,可精准识别负电价时段,为ST系列PCS和PowerTitan储能系统提供智能充放电决策依据。结合iSolarCloud平台集成该预测算法,可在高比例新能源场景下优化储能调度策略:负电价...
混合电动汽车集群随机充电行为下的异构聚合控制模型
Heterogeneous Aggregation Control Model for Hybrid EV Clusters with Random Charging Behavior
Xin Wu · Xinyu Jiang · Lijuan Yao · Gangjun Gong · IEEE Transactions on Power Systems · 2025年6月
随着大量电动汽车无序接入电网，将其聚合为统一系统并调控其功率输出以支持供需平衡具有重要意义。针对混合电动汽车集群参数异构、随机启停带来的聚合与控制难题，本文提出一种聚合控制模型。首先构建异构电动汽车的等效聚合模型，并采用径向基函数（RBF）神经网络辨识等效参数；其次引入随机数量修正机制提升模型精度；最后利用滑模控制实现聚合功率跟踪。仿真验证了模型在不同异构场景下对风电与光伏出力的跟踪能力，结果表明该模型具备良好的控制精度、稳定性和用户舒适性。
解读: 该研究对阳光电源充电桩集群管理和储能系统调度具有重要应用价值。基于RBF神经网络的异构聚合控制模型可优化充电桩群控系统的功率调度算法,提升电动汽车V2G/G2V双向功率控制精度。该技术可应用于阳光电源直流充电桩、ST系列储能变流器和PowerTitan大型储能系统,实现充放电功率的精准跟踪控制。特别...