找到 2 条结果
直流微电网中用于混合储能系统的模型预测电流控制双向三电平DC/DC变换器
A Model Predictive Current Controlled Bidirectional Three-Level DC/DC Converter for Hybrid Energy Storage System in DC Microgrids
Xinan Zhang · Benfei Wang · Ujjal Manandhar · Hoay Beng Gooi 等5人 · IEEE Transactions on Power Electronics · 2019年5月
本文提出了一种用于直流微电网混合储能系统（HESS）的新型三电平DC/DC变换器架构。该拓扑通过单一变换器实现了电池与超级电容器等不同储能设备的集成，支持双向功率流动，并具备对不同储能设备进行独立调节的灵活性。
解读: 该研究提出的三电平双向DC/DC拓扑与阳光电源的PowerTitan及PowerStack储能系统高度契合。三电平技术能有效降低开关损耗并提升功率密度，对于提升大型储能系统（ESS）的效率至关重要。模型预测控制（MPC）的应用能够显著改善动态响应速度，这对于应对微电网中复杂的功率波动具有重要意义。建...
一种基于在线学习的最优控制算法以提升孤岛直流微电网中固体氧化物燃料电池的性能
A Novel Online Learning-Based Optimal Control Algorithm for Enhancing Solid Oxide Fuel Cells Performance in Islanded DC Microgrids
Yulin Liu · Tianhao Qie · Ujjal Manandhar · Xinan Zhang 等6人 · IEEE Transactions on Industrial Informatics · 2024年12月
随着可再生能源渗透率的不断提高，固体氧化物燃料电池（SOFC）为提高微电网供电的可靠性和可持续性提供了一种有前景的解决方案。所提出的方法解决了现有SOFC控制方法中的关键挑战，包括模型依赖、使用非最优控制策略、依赖离线训练的神经网络（NN）以及设计复杂等问题。与基于模型的方法相比，该方法利用神经网络和策略迭代技术来学习系统动态并逼近最优控制策略，从而消除了对模型的依赖。与基于离线学习的方法相比，该方法实现了在线策略评估和神经网络更新，省去了繁琐的离线训练和数据采集过程。与基于在线学习的SOFC控...
解读: 从阳光电源在新能源综合解决方案领域的战略布局来看，这项基于在线学习的固体氧化物燃料电池（SOFC）优化控制技术具有显著的战略参考价值。该技术通过神经网络和策略迭代实现系统动态学习与最优控制策略逼近，有效解决了传统方法对精确模型的依赖问题，这与阳光电源在多能互补微网系统中面临的控制复杂性挑战高度契合。...