找到 2 条结果

排序:
拓扑与电路 充电桩 双向DC-DC PWM控制 ★ 3.0

一种通过原边混合调制实现宽范围电压增益和软开关的无线电能传输系统

A WPT System With Wide-Range Voltage Gains and Soft Switching via Primary-Side Hybrid Modulation

Xiaojiang Li · Dehong Zhou · Shan Jia · Xin Liu 等5人 · IEEE Transactions on Power Electronics · 2024年7月

针对电动汽车无线充电系统对宽电压增益及耦合系数变化的调节需求,本文提出一种原边混合调制方法。该方法有效解决了传统方案中需额外DC-DC变换器、输出电压不连续及硬开关损耗等问题,实现了高效的功率传输与宽范围调节。

解读: 该技术主要针对电动汽车无线充电领域,虽然阳光电源目前的核心业务聚焦于有线充电桩及光储系统,但该研究提出的原边混合调制策略在提升DC-DC变换效率和拓扑简化方面具有参考价值。对于阳光电源的电动汽车充电桩产品线,若未来布局无线充电技术,该软开关控制策略可显著降低功率模块损耗,提升系统功率密度。此外,该调...

风电变流技术 SiC器件 ★ 5.0

一种数据-物理混合驱动的大规模风电场布局优化框架

A data-physics hybrid-driven layout optimization framework for large-scale wind farms

Peiyi Li · Yanbo Ch · Anran Hu · Lei Wang 等6人 · Applied Energy · 2025年8月 · Vol.392

摘要 全球风能利用的发展趋势正朝着建设大规模、远距离风电场的方向推进,而战略性的布局优化对于提升风电场发电量至关重要。然而,大规模风电场布局优化(WFLO)面临诸多挑战,主要体现在涉及高维决策变量的复杂计算,以及在尾流模型精度与计算效率之间需要进行权衡。为解决上述问题,本文提出了一种新颖的数据-物理混合驱动的大规模风电场布局优化框架。该框架尝试将含可变参数的物理方程融入建模过程,以指导尾流效应的建模,并进一步促进布局优化的实现。具体而言,本文提出了物理信息引导的双神经网络(PIDNN)模型用于风...

解读: 该数据-物理混合驱动的大规模风电场布局优化框架对阳光电源风电变流器及储能系统具有重要借鉴价值。其物理信息双神经网络(PIDNN)模型通过融合Navier-Stokes方程与可变推力系数,实现尾流效应精准建模,可启发阳光电源在风储一体化项目中优化ST系列储能变流器的功率调度策略。基因定向差分进化算法(...