找到 2 条结果
基于负序电容的多重低次谐波电流抑制方法
NOC-Based Multiple Low-Order Harmonic Currents Suppression Method
Zhile Lin · Liangzong He · Hongyan Zhou · Jingyu Zhang 等5人 · IEEE Transactions on Power Electronics · 2023年1月
在微电网系统中，多种非线性变换器并网会导致直流母线产生大量低次谐波电流（LHC）。本文提出了一种基于直流母线负序电容（NOC）分支的迭代控制策略，通过调节解耦电容的参考电压，有效抑制了直流侧谐波，提升了系统电能质量。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及组串式光伏逆变器具有重要参考价值。在多机并联的微电网或工商业光伏储能场景中，直流侧谐波往往影响系统稳定性与电容寿命。引入NOC控制策略可优化直流母线电压质量，减少对无源滤波器的依赖，提升PCS的动态响应能力。建议研发团队评估...
高阶DC-DC变换器的在线神经网络无模型控制方法
Online Neural Network Based Model-free Control Method for High-order DC-DC Converter
Zhenkun Xiong · Liangzong He · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月
在复杂DC-DC变换器各种控制策略中,神经网络控制方法日益突出。其擅长无需精确数学模型的函数逼近,特别适合复杂、非线性和不确定控制系统。提出高阶DC-DC变换器新型在线无模型控制策略,利用神经网络能力。通过利用实时运行数据训练神经网络,该方法无需复杂模型即可开发变换器控制器。使用在线估计技术提取过程梯度。深入探讨无模型系统原理并详细分析控制方法稳定性。在高升压DC-DC变换器上进行大量实验验证控制框架的实用性、鲁棒性和响应性,该变换器高阶且难以建模,精确建模极具挑战性,可严格测试神经网络控制策略...
解读: 该在线神经网络无模型控制技术对阳光电源高阶复杂变换器控制有重要创新价值。无模型神经网络方法可应用于ST储能变流器的多级DC-DC变换器,简化控制器设计并提高适应性。在线训练和梯度估计技术对阳光电源变换器的自适应控制和参数漂移补偿有借鉴意义。该技术对PowerTitan大型储能系统的复杂拓扑控制和鲁棒...