找到 3 条结果

排序:
拓扑与电路 双向DC-DC 储能变流器PCS 充电桩 ★ 5.0

一种具有自然同步整流特性的全桥CLLC变换器电池充电方法

A Battery Charging Method With Natural Synchronous Rectification Features for Full-Bridge CLLC Converters

Huan Chen · Kai Sun · Haixu Shi · Jung-Ik Ha 等5人 · IEEE Transactions on Power Electronics · 2021年1月

CLLC变换器是V2G和电池储能系统(BES)中双向功率变换的有前景拓扑。同步整流(SR)对于提升这些应用中的效率至关重要。本文提出了一种针对全桥CLLC变换器的新型电池充电方法,通过实现自然同步整流特性,有效提升了系统转换效率。

解读: 该技术对阳光电源的储能系统(如PowerTitan、PowerStack)及电动汽车充电桩业务具有重要意义。CLLC作为双向DC-DC变换器的核心拓扑,其效率优化直接决定了储能PCS的整体能效。文中提出的‘自然同步整流’技术无需复杂的驱动逻辑即可实现高效率,有助于降低散热成本并提升功率密度。建议研发...

拓扑与电路 功率模块 有限元仿真 机器学习 ★ 4.0

基于有限实验数据的机器学习代理模型之锰锌铁氧体磁芯损耗制造特定仿真

Fabrication-Specific Simulation of Mn-Zn Ferrite Core-Loss for Machine Learning-Based Surrogate Modeling With Limited Experimental Data

Minwook Choi · Soyeon Park · Eunyoung Jang · Minae Ouk 等7人 · IEEE Transactions on Power Electronics · 2025年1月

锰锌铁氧体是电力电子设备中常用的磁芯材料,但其损耗机制复杂且实验数据稀缺,限制了建模精度。本文提出了一种数据驱动框架,通过制造工艺特定的仿真方法,在有限实验数据条件下构建高效的机器学习代理模型,以精确预测磁芯损耗。

解读: 磁性元件(电感、变压器)是阳光电源组串式逆变器、储能PCS及充电桩产品的核心损耗源。该研究提出的机器学习代理模型能有效解决磁芯损耗在复杂工况下难以精确建模的痛点。在产品研发阶段,应用此方法可显著提升高频磁性元件的设计效率,优化磁芯选型与损耗计算,从而提升PowerTitan等储能系统及光伏逆变器的整...

储能系统技术 储能系统 深度学习 故障诊断 ★ 5.0

嵌入式系统电驱动故障诊断的平均池化降采样数据融合方法

Fault Diagnosis for Electric Drives Using Averagely Pooled and Downsampled Data Fusion on Embedded Systems

Jaehoon Shim · Gyu Cheol Lim · Sangwon Lee · Jung-Ik Ha · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年12月

提出嵌入式系统电驱动故障诊断的数据驱动方法,无需额外传感器或外部计算资源诊断霍尔电流传感器偏置/比例误差和功率开关开路故障。首先识别并建议电驱动系统中故障信息丰富的数据类型,使用统计分析提出候选输入数据类型的有效融合方法创建诊断模型。其次引入利用平均池化(AP)的降采样方法从DSP处理的大量原始数据中有效采样,保留关键信息同时减小数据量。最后提出采用神经网络(NN)分类器的诊断方案使用降采样数据准确诊断故障。通过分析和统计验证证明从采样到诊断的有效性。使用TMS320F28379S DSP展示实...

解读: 该嵌入式电驱动故障诊断技术对阳光电源电机驱动产品有重要应用价值。平均池化降采样方法可应用于新能源汽车OBC和电机控制器的实时故障诊断,在资源受限的嵌入式系统中实现高准确度诊断。神经网络分类器对ST储能系统的功率开关和传感器故障检测有借鉴意义,可提高系统可靠性和可维护性。该技术对阳光电源智能运维平台的...