找到 3 条结果
基于电感电流解耦的多电平DC-DC变换器电压平衡方法
Inductor Current Decoupling-Based Voltage Balancing Method for Multilevel DC–DC Converters Using a Single Current Sensor Measurement
Muyang Liu · Zhigang Yao · Kangjia Zhang · Fei Deng 等7人 · IEEE Transactions on Power Electronics · 2026年2月
针对多电平DC-DC变换器中电容电压不平衡问题，传统方法依赖多个电压传感器，增加了系统成本与复杂度。本文提出一种基于单电流传感器测量的电感电流解耦电压平衡新方法，在降低硬件成本的同时，有效提升了变换器运行的可靠性与控制精度。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及大功率DC-DC变换环节具有重要参考价值。在多电平储能变流器（PCS）设计中，电容电压平衡是保证系统高效率与长寿命的关键。通过采用单电流传感器解耦控制，不仅能显著降低传感器成本、简化硬件电路布局，还能提升系统在复杂工况下的鲁...
基于单传感器的五电平DC-DC变换器全范围电压平衡方法
Single Sensor-Based Full-Range Voltage Balancing Method for Five-Level DC–DC Converters
Zhigang Yao · Muyang Liu · Xinyu He · Fei Deng 等6人 · IEEE Transactions on Power Electronics · 2024年9月
多电平DC-DC变换器通常需要大量电压传感器来实现电容电压平衡。本文提出了一种基于单传感器的全范围电压平衡方法，旨在减少五电平DC-DC变换器中电压检测器的数量，降低系统复杂性与成本，同时保持变换器的稳定运行。
解读: 该技术对阳光电源的组串式光伏逆变器及储能变流器（PCS）具有重要参考价值。在追求高功率密度和高效率的过程中，多电平拓扑被广泛应用。通过减少电压传感器数量，不仅能显著降低硬件成本和PCB空间占用，还能提升系统的可靠性（减少传感器故障点）。建议研发团队评估该单传感器平衡算法在PowerTitan等大功率...
基于对抗性模仿强化学习的混合储能电动汽车能量管理
Imitation reinforcement learning energy management for electric vehicles with hybrid energy storage system
Weirong Liu · Pengfei Yao · Yue Wu · Lijun Duan 等6人 · Applied Energy · 2025年1月 · Vol.378
深度强化学习已成为电动汽车能量管理的一种有前景的方法。然而，深度强化学习依赖大量试错训练才能获得近似最优性能。为此，本文提出一种面向混合储能系统的电动汽车对抗性模仿强化学习能量管理策略，以最小化电池容量损耗成本。首先，利用动态规划在多种标准驾驶条件下生成专家知识，用于引导强化学习的探索过程，该专家知识表示为最优功率分配映射。其次，在早期模仿阶段，通过对抗网络使强化学习智能体的动作快速逼近最优功率分配映射。再次，根据对抗网络中判别器的输出设计动态模仿权重，促使智能体在在线驾驶条件下逐步过渡到自主探...
解读: 该对抗模仿强化学习策略对阳光电源混合储能系统具有重要应用价值。可应用于ST系列PCS的电池-超级电容混合储能优化,通过专家知识引导的强化学习加速训练42.6%,降低电池容量损耗成本5.1%-12.4%。技术可集成至iSolarCloud平台实现在线工况自适应功率分配,延长PowerTitan储能系统...