找到 2 条结果
一种基于特征向量学习的电力牵引驱动系统主电路接地故障诊断方法
A Feature Vector Learning-Based Method for Diagnosing Main Circuit Ground Faults in Electrical Traction Drive Systems
Qiang Ni · Haohuan Luo · Juntong Liu · Zhengkai Zhan 等7人 · IEEE Transactions on Power Electronics · 2024年2月
本文针对电力牵引驱动系统中的主电路接地故障（MCGF），提出了一种基于特征向量学习的快速准确诊断方法。该方法旨在通过高效的故障识别，防止故障恶化并保障列车运行安全，为电力电子系统的状态监测与维护提供了新的技术路径。
解读: 该研究提出的基于特征向量学习的故障诊断方法，在核心算法逻辑上与阳光电源的iSolarCloud智能运维平台及逆变器/PCS设备的状态监测需求高度契合。虽然该文针对的是牵引驱动系统，但其故障特征提取与机器学习诊断思路可迁移至阳光电源的组串式逆变器及PowerTitan储能系统的绝缘监测与故障预警中。建...
电力牵引驱动系统主电路接地故障的差异化运行策略
A Differentiated Operation Strategy for Main Circuit Ground Faults in Electrical Traction Drive System
Qiang Ni · Juntong Liu · Zhengkai Zhan · Ziwei Ke 等6人 · IEEE Transactions on Power Electronics · 2025年11月
主电路接地故障（MCGF）是电力牵引驱动系统中的典型故障。多点接地会导致严重事故。现有策略在发生单点接地（SPGF）时即刻隔离故障转向架，但忽略了SPGF的六种典型类型及其差异化影响。本文提出了一种差异化运行策略，旨在提高系统可靠性与可用性。
解读: 该研究聚焦于牵引驱动系统的故障诊断与差异化运行策略，其核心逻辑在于通过精细化诊断避免不必要的系统停机。对于阳光电源而言，该技术思路可迁移至电动汽车充电桩及储能系统（如PowerTitan/PowerStack）的运维中。在充电桩产品线中，引入更智能的接地故障分级处理策略，可提升设备在复杂工况下的连续...