找到 2 条结果
人工智能在电力电子系统高频磁性元件设计中的应用综述
Artificial Intelligence Applications in High-Frequency Magnetic Components Design for Power Electronics Systems: An Overview
Xiaobing Shen · Yu Zuo · Jiaze Kong · Wilmar Martinez · IEEE Transactions on Power Electronics · 2024年7月
本文综述了人工智能（AI）在电力电子高频磁性元件（电感与变压器）设计中的应用，涵盖专家系统、模糊逻辑、元启发式算法及机器学习四大类。文章重点探讨了AI模型在损耗估计、参数优化及设计自动化方面的应用，旨在提升高频电力电子系统的设计效率与性能。
解读: 磁性元件（电感、变压器）是阳光电源组串式逆变器、PowerTitan储能变流器及充电桩的核心功率密度瓶颈。引入AI辅助设计可显著缩短高频磁性元件的研发周期，优化损耗模型，助力提升产品功率密度。建议研发团队利用机器学习算法替代传统的繁琐有限元仿真，在PowerTitan等大功率储能产品中实现磁性元件的...
面向全运行区域的不确定风能转换系统稳定随机模型预测控制
Stable Stochastic MPC for Uncertain Wind Energy Conversion System Over Whole Operating Regions
Xiangjie Liu · Shifan Guo · Lele Ma · Xiaobing Kong 等5人 · IEEE Transactions on Energy Conversion · 2024年7月
风速的随机不确定性给风力发电系统（WECS）实现可靠的功率控制带来了巨大挑战。由于随机模型预测控制（SMPC）在基于概率描述处理不确定性方面表现出色，它被认为是风力发电系统的一种有前景的控制策略。然而，由于风速具有波动特性，风力发电系统的运行点通常会发生变化。因此，将随机模型预测控制应用于风力发电系统的一个重要限制在于，传统随机模型预测控制的可行性和稳定性仅能在一个预先设计的单一运行点得到保证。针对这一问题，本文提出了一种用于不确定风力发电系统的稳定随机模型预测控制策略，以确保风力发电系统在整个...
解读: 从阳光电源的业务视角来看，这项针对风电系统的稳定随机模型预测控制技术具有重要的借鉴价值和迁移应用潜力。虽然论文聚焦于风能转换系统，但其核心方法论与我们在光伏逆变器、储能系统及多能互补解决方案中面临的不确定性控制问题高度契合。 该技术的核心价值在于通过管道式控制框架和Luenberger观测器，实现...