Amir Taghvaie · Tharindu Fernando · Firuz Zare · Dinesh Kumar 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年1月

随着现代电力电子变换器在配电网中的广泛应用，谐波问题日益突出，严重影响电能质量，可能导致设备过热、误跳闸和故障。传统谐波分析方法难以准确估计谐波，且现有在线估计技术尚不完善。本文提出一种基于深度神经网络（DNN）的深度学习方法，用于实现配电网中谐波的快速、实时在线估计。所提方法采用新型时间卷积神经网络（TCNN）结构，并结合双回归头网络分别估计电压与电流谐波的幅值和相位角，具备强适应性和灵活性。通过引入在线训练机制，模型可快速响应非平稳运行条件。实验基于包含变频调速装置与三相二极管整流器的实际系...

解读: 该基于深度学习的谐波在线估计技术对阳光电源多条产品线具有重要应用价值。在ST系列储能变流器和PowerTitan大型储能系统中，可实时监测并预测谐波污染，优化PWM调制策略以主动抑制谐波注入；在SG系列光伏逆变器中，结合MPPT算法实现电能质量与发电效率的协同优化；在充电桩产品中，可应对非线性负载引...