找到 2 条结果
一种SPWM激励下卷铁芯电磁-结构耦合振动改进模型
An Improved Electromagnetic-Structural Coupling Vibration Model of Wound Core Under SPWM Excitation
Beichao Yang · Fei Xiao · Xinsheng Zhang · Ruitian Wang 等8人 · IEEE Transactions on Power Electronics · 2025年9月
针对变压器铁芯在SPWM激励下的振动问题，本文提出了一种基于电磁-结构耦合的改进预测方法。研究考虑了磁滞和磁致伸缩效应，利用神经网络建模磁致伸缩特性，并通过多物理场耦合仿真，实现了对卷铁芯振动特性的精确预测，为电力电子设备的噪声控制与结构优化提供了理论支撑。
解读: 该研究对于阳光电源的组串式逆变器及储能变流器（PCS）中的磁性元件设计具有重要意义。随着产品功率密度的提升，高频SPWM激励下的电磁振动与噪声控制已成为提升产品可靠性与用户体验的关键。通过引入该多物理场耦合模型，研发团队可在设计阶段精确评估磁芯振动，优化电感与变压器结构，从而降低PowerTitan...
一种近似哈密顿神经网络增强的多机电力系统励磁控制
A Nearly Hamiltonian Neural Network-Enhanced Multi-Machine Power System Excitation Control
Youbo Liu · Xuexin Wang · Gao Qiu · Zhiyuan Tang 等6人 · IEEE Transactions on Power Systems · 2025年6月
广义哈密顿系统理论（GHST）是高维非线性电力系统励磁控制的有力工具，但由于实际高阶系统解析不可行以及子模块不完整，该理论依赖降阶动态，从而导致控制误差。为解决这一问题，本文提出了一种基于近哈密顿神经网络（NHNN）的非线性励磁控制方法。该方法从测量数据中学习每台发电机的结构化哈密顿量，减轻了因降阶引起的哈密顿量实现误差。然后，通过组合这些哈密顿量，提出了一种保持系统响应的全局能量函数，用于稳定控制。在双机系统上的仿真结果表明，与广义哈密顿系统理论和PID控制方法相比，该方法提高了系统稳定性，平...
解读: 该近似哈密顿神经网络控制技术对阳光电源构网型储能系统具有重要应用价值。在PowerTitan大型储能系统并网场景中，传统哈密顿励磁控制虽能保证能量结构稳定性，但对参数摄动敏感。该研究提出的深度学习补偿方案可直接应用于ST系列储能变流器的GFM控制策略：通过神经网络实时补偿电网阻抗变化、负载扰动等不确...