找到 44 条结果
由并网电压源换流器外环控制器引起的极限环与大信号稳定边界
Limit Cycle and Large Signal Stability Boundary Induced by Outer Controller of Grid-Connected VSC
Boyuan Zhao · Zhen Huang · Lei Chen · Kaiyuan Hou 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
本文揭示了并网电压源换流器（VSC）外环控制器引发的围绕稳定平衡点（SEP）的极限环现象，该极限环构成系统的大信号稳定边界。建立了包含直流与交流电压外环控制的三阶微分代数方程模型，发现随着有功功率增加、直流电压控制器带宽增大或阻尼比减小，系统易产生极限环。仿真表明极限环会缩小吸引域（ROA）。基于Demidowitsch准则，提出极限环不存在的解析型充分条件，可有效扩展ROA且无需依赖数值仿真。电磁暂态仿真与实验结果验证了理论分析的正确性。
解读: 该研究揭示的VSC外环控制器极限环现象对阳光电源ST储能变流器和SG光伏逆变器的大信号稳定性设计具有重要指导意义。研究提出的基于Demidowitsch准则的解析型充分条件，可直接应用于直流电压外环和交流电压外环控制器参数整定，避免功率突变或电网扰动时系统进入极限环振荡。对于PowerTitan大型...
一种用于带并联功率变换器大型风力发电机的快速开路故障诊断方法
A Fast Open-Circuit Fault Diagnosis Method for Large Wind Turbines with Parallel Power Converters
Huimin Huang · Zhen Li · Haoyu Chen · Yimin Zhang 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年8月
海上风力发电机单机容量不断增大，其故障穿越能力对系统可靠性至关重要。并联功率变换器常用于满足大功率需求，但其存在的零序环流会干扰故障特征，使传统故障检测方法失效。本文揭示了开路故障下零序环流会引起相电流残差波动，导致基于阈值的传统诊断方法性能下降；进而推导出故障相与健康相电流残差之比在零序环流扰动下仍近似保持恒定。基于该特性，提出一种适用于风电机组并联变换器的故障诊断方法，通过滑动窗均方根归一化与卷积特征增强实现动态残差比提取，完成自适应阈值校准，检测时间仅数个采样周期。仿真与实验验证了该方法在...
解读: 该故障诊断方法对阳光电源的大功率产品线具有重要参考价值。首先，文中提出的零序环流干扰下的故障特征提取技术,可直接应用于ST系列储能变流器和PowerTitan系统中的并联模块故障检测。其次，基于残差比的自适应诊断思路可优化SG系列光伏逆变器的可靠性设计,特别是在1500V大功率系统中的多路并联应用场...
基于数字孪生与自演化补偿器的电力电子系统在线健康监测及改进参数辨识能力
Digital Twin-Based Online Health Monitoring of Power Electronics Systems With Self-Evolving Compensators and Improved Parameter Identification Capability
Yi-Hua Liu · Zong-Zhen Yang · Min-Chen Liu · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年11月
电力电子系统（PES）在航空航天、可再生能源和电动汽车等领域至关重要。本文比较了粒子群优化（PSO）、灰狼优化和蜻蜓算法三种元启发式方法的参数估计性能，并提出一种结合物理行为的两阶段元启发式方法，显著提升了寄生电阻估计精度与参数识别速度。相较于传统PSO，MOSFET和电感寄生电阻估计误差分别由31%和45%降至1.5%和2.3%，计算时间减少逾60%。该方法在外部扰动下仍具高鲁棒性，平均使MOSFET和电感寄生电阻识别误差分别降低11.8%和16.7%。此外，引入自演化补偿器可在线自动调节控制...
解读: 该数字孪生健康监测技术对阳光电源ST储能变流器和SG光伏逆变器产品线具有重要应用价值。两阶段元启发式方法可精准辨识SiC MOSFET和电感寄生参数（误差降至1.5%/2.3%），直接提升PowerTitan储能系统功率模块的状态监测精度。自演化补偿器能在线自适应调节控制参数，可集成至iSolarC...
基于深度嵌入聚类的锂离子电池储能系统不一致性识别
Inconsistency identification for Lithium-ion battery energy storage systems using deep embedded clustering
Zhen Chen · Weijie Liu · Di Zhou · Tangbin Xi 等5人 · Applied Energy · 2025年6月 · Vol.388
摘要 不一致性是导致锂离子电池组性能下降的关键因素。准确识别不一致电池对电池储能系统（ESS）的健康管理具有重要意义。现有大多数方法依赖先验知识，且难以获得电池动态特性的最优表征，因而不再适用于不一致性水平随时间变化的在线场景。本文提出一种基于深度嵌入聚类的电池储能系统在线无监督多层级不一致性识别方法。首先，通过一种改进的自编码器从充放电电压曲线中提取具有判别性的潜在表征，该自编码器同时考虑信息保留能力和重构误差。其次，构建基于改进自编码器与K均值算法的深度嵌入聚类模型，并设计一种贪心算法交替优...
解读: 该深度嵌入聚类技术对阳光电源ST系列储能变流器及PowerTitan系统的电池健康管理具有重要价值。通过无监督学习实现多层级不一致性识别,可集成至iSolarCloud平台实现在线预测性维护,提升BMS诊断能力。该方法无需先验知识、适应时变特性的优势,可优化ESS全生命周期管理策略,降低电池簇退化风...
第 3 / 3 页