找到 2 条结果
基于输出调节模型预测控制的柔性关节机器人伺服系统高性能控制策略
High-Performance Control Strategy for Robot Servo System With Flexible Joint via Output Regulation Model Predictive Control
Likai Zheng · Jinhao Liu · Shihua Li · Yixiao Ding 等6人 · IEEE Transactions on Power Electronics · 2026年4月
针对柔性关节机器人伺服系统在振动抑制、参考跟踪、约束满足及抗扰动方面的挑战，本文提出了一种集成输出调节理论与扰动观测器（DO）技术的模型预测控制（MPC）框架。该方法有效解决了永磁同步电机（PMSM）系统中的多源扰动问题，提升了伺服系统的动态性能与鲁棒性。
解读: 该文献提出的高性能MPC控制策略及扰动观测技术，对阳光电源的核心业务具有重要的参考价值。虽然该研究聚焦于机器人伺服系统，但其核心算法逻辑可迁移至光伏逆变器及储能变流器（PCS）的控制中。特别是在PowerTitan等储能系统及组串式逆变器中，面对弱电网环境或复杂工况，引入此类先进的抗扰动MPC策略，...
一种用于低风力发电预测的自监督预学习方法
A Self-Supervised Pre-Learning Method for Low Wind Power Forecasting
Weiye Song · Jie Yan · Shuang Han · Ning Zhang 等6人 · IEEE Transactions on Sustainable Energy · 2025年1月
随着风电在电力系统中占比提升，其出力间歇性导致的低功率风险日益突出，准确预测低风力发电对缓解电力短缺至关重要。然而，由于低风速事件稀少，传统方法面临样本不足难题，制约了预测精度提升。为此，本文提出一种自监督预学习方法，通过挖掘低出力样本间的相似性与差异性，分别预测低风力发电事件（LWPE）的发生时段和低风力发电过程（LWPP）的功率序列。针对LWPE预测，设计基于对比学习的孪生残差收缩网络，利用样本对进行特征预学习以缓解样本不平衡；对于LWPP预测，构建基于模式识别的嵌入式预测框架，将典型波动模...
解读: 该自监督预学习方法对阳光电源储能与风电产品线具有重要应用价值。可将其集成至ST系列储能变流器的EMS能量管理系统，提升风储联合运行策略的精准度；应用于PowerTitan大型储能系统的调度优化，实现对低风力时段的精准响应。该技术可优化iSolarCloud平台的预测算法，提高风电场群的运维效率。特别...