找到 3 条结果
两级式升压逆变器的观测器模式建模与非线性模态分析
Observer-Pattern Modeling and Nonlinear Modal Analysis of Two-Stage Boost Inverter
Hao Zhang · Weijie Li · Honghui Ding · Chuanzhi Yi 等5人 · IEEE Transactions on Power Electronics · 2018年8月
本文研究了两级式升压逆变器的建模与非线性模态分析。提出了一种观测器模式建模方法，旨在消除负载级基波分量和源级“隐藏”二次谐波的时变影响。基于该模型，应用非线性模态分析方法获得了闭式解析解，为系统动态特性研究提供了理论支持。
解读: 该研究针对两级式升压逆变器（Two-stage Boost Inverter）的建模与非线性分析，直接关联阳光电源的核心产品线——光伏组串式及集中式逆变器。在光伏系统中，两级式架构（DC-DC升压+DC-AC逆变）是主流技术路线。该文提出的观测器模式建模方法能有效抑制二次谐波对控制环路的影响，有助于...
一种用于移动应急储能车的新型三端口电力驱动重构变换器
A New Three-Port Electric Drive Reconfiguration Converter for Mobile Emergency Energy Storage Vehicle
Shuo Liu · Yukun Wan · Yi Zhong · Xiaoyu Zhou 等6人 · IEEE Transactions on Power Electronics · 2025年8月
针对自然灾害下电力系统脆弱性及应急供电需求，本文提出一种新型三端口电力驱动重构变换器，用于移动应急储能车（MEESV）。该拓扑解决了传统单端口储能车在应急供电灵活性上的局限，实现了多端口能量交互与快速负载恢复，提升了应急电源系统的响应效率与可靠性。
解读: 该研究提出的三端口变换器拓扑与阳光电源的PowerTitan及PowerStack系列储能系统高度契合。在移动应急储能场景下，多端口重构技术能显著提升系统在黑启动、微电网孤岛运行及多负载供电时的灵活性。建议研发团队关注该拓扑在模块化储能单元中的应用，通过集成化设计优化PCS功率密度，并结合iSola...
可解释的物理深度学习模型用于架空输电线路覆冰厚度预测
Explainable Physical Deep-Learning Model for Overhead Transmission Line Icing-Thickness Prediction
Hui Hou · Yi Wan · Zhenguo Wang · Shaohua Wang 等6人 · IEEE Transactions on Industry Applications · 2025年7月
全球变暖导致极端天气事件频发，其中频繁发生的冰灾对电力系统的稳定性构成了重大威胁。随着预测模型复杂度的增加，必须同时确保其准确性和可解释性。因此，我们提出了一种用于架空输电线路覆冰厚度预测的可解释物理深度学习模型。首先，通过白鲸优化（BWO）方法构建了一个优化模型，该模型可使预测误差最小化。其次，将深度学习预测模型与物理模型和长短期记忆网络（LSTM）模型相结合。物理模型考虑了诸如风偏角、风荷载和冰荷载等物理定律。此外，我们使用沙普利加性解释法来阐释输入特征对输出特征及模型预测结果的影响。最后，...
解读: 该覆冰预测技术对阳光电源户外电力设备具有重要防护价值。针对ST系列储能变流器和PowerTitan大型储能系统的户外部署场景，可通过集成气象传感器与物理深度学习模型，实现设备覆冰风险的提前预警，触发主动加热或功率调节策略。对于SG系列光伏逆变器，该可解释AI方法可借鉴至iSolarCloud智能运维...