找到 10 条结果
基于迁移学习的模块化多电平变换器在线阻抗辨识
Transfer Learning Based Online Impedance Identification for Modular Multilevel Converters
Mengfan Zhang · Yang Zhang · Qianwen Xu · IEEE Transactions on Power Electronics · 2023年10月
随着模块化多电平变换器（MMC）的大规模应用，系统稳定性问题日益突出。基于阻抗的稳定性分析方法因其非侵入式测量特性，成为黑盒稳定性分析的主流手段。针对数据量有限导致的阻抗辨识困难，本文提出一种基于迁移学习的在线阻抗辨识方法，旨在提升MMC与电网交互系统的稳定性分析精度与效率。
解读: 该技术对阳光电源的大型地面光伏电站及储能系统（如PowerTitan系列）具有重要参考价值。随着电网环境日益复杂，弱电网下的并网稳定性成为核心挑战。MMC技术在大型储能PCS及高压直流输电领域应用广泛，该研究提出的在线阻抗辨识方法，可辅助iSolarCloud平台实现更精准的电网交互特性监测，提前预...
基于人工智能的可靠虚拟同步机控制设计
Artificial Intelligence-Based Control Design for Reliable Virtual Synchronous Generators
Qianwen Xu · Tomislav Dragicevic · Lihua Xie · Frede Blaabjerg · IEEE Transactions on Power Electronics · 2021年8月
虚拟同步机（VSG）是解决高比例可再生能源并网下频率稳定问题的关键技术。然而，VSG仿真带来的功率波动增加了电力电子变换器中功率半导体器件的应力，从而对其可靠性产生负面影响。本文提出了一种基于人工智能的控制策略，旨在优化VSG性能的同时提升系统的可靠性。
解读: 该研究直接契合阳光电源在构网型（Grid-Forming）技术领域的战略布局。随着PowerTitan等储能系统及大型光伏电站对电网支撑能力要求的提高，VSG控制已成为核心竞争力。本文提出的AI控制策略可有效平衡VSG的频率支撑性能与功率器件的寿命损耗，对提升阳光电源组串式逆变器及PCS产品的长期运...
一种用于恒功率负载直流/直流降压变换器的无静差复合模型预测控制策略
An Offset-Free Composite Model Predictive Control Strategy for DC/DC Buck Converter Feeding Constant Power Loads
Qianwen Xu · Yunda Yan · Chuanlin Zhang · Tomislav Dragicevic 等5人 · IEEE Transactions on Power Electronics · 2020年5月
直流微电网中电力电子变换器的高渗透率可能引发恒功率负载（CPL）稳定性问题，导致电压大幅振荡甚至系统崩溃。本文提出了一种无静差复合模型预测控制策略，旨在提升变换器在CPL工况下的动态性能，实现小超调、低振荡及平滑的瞬态响应，有效保障直流微电网的系统稳定性。
解读: 该研究针对直流微电网中常见的恒功率负载（CPL）引起的不稳定问题，提出了先进的无静差模型预测控制策略。这对阳光电源的储能系统（如PowerTitan、PowerStack）及直流耦合光储系统具有重要参考价值。在储能变流器（PCS）接入直流微电网或作为直流侧接口时，该控制算法能显著提升系统在复杂负载下...
碳化硅基功率变换器过流能力实现要素综述
Enablers for Overcurrent Capability of Silicon-Carbide-Based Power Converters: An Overview
Shubhangi Bhadoria · Frans Dijkhuizen · Rishabh Raj · Xiongfei Wang 等8人 · IEEE Transactions on Power Electronics · 2023年3月
随着电力电子变换器在电力系统中的渗透率提高，对故障清除期间的过流/过载能力需求日益增长。本文综述了SiC功率模块在电力电子变换器中实现过流性能的限制因素及最新技术，分析了功率模块层面的局限性及其对系统设计的影响。
解读: SiC器件是阳光电源提升组串式逆变器（如SG系列）和储能系统（如PowerTitan系列）功率密度与效率的核心。随着电力系统对并网设备故障穿越及过流能力要求提高，SiC模块的短路耐受时间与过流能力成为设计瓶颈。本文的研究有助于优化阳光电源在极端工况下的功率模块驱动保护策略，提升系统在弱电网或故障环境...
面向恒功率负载的高升压比交错变换器接口直流微电网的大信号稳定性反步控制
Backstepping Control for Large Signal Stability of High Boost Ratio Interleaved Converter Interfaced DC Microgrids With Constant Power Loads
Qianwen Xu · Wentao Jiang · Frede Blaabjerg · Chuanlin Zhang 等6人 · IEEE Transactions on Power Electronics · 2020年5月
随着可再生能源渗透率提升及电力电子负载增加，直流微电网的稳定性面临挑战。储能系统（ESS）被广泛应用以提升稳定性，但现有控制方法多仅针对小信号扰动。本文提出一种反步控制策略，旨在解决恒功率负载（CPL）下高升压比交错变换器接口直流微电网的大信号稳定性问题。
解读: 该研究针对直流微电网中恒功率负载（CPL）引发的失稳问题，提出的反步控制策略对阳光电源的PowerTitan和PowerStack等储能系统具有重要参考价值。在工商业及电网侧储能应用中，PCS常作为直流微电网的核心接口，面临复杂的负载特性。该控制算法能显著提升PCS在复杂电网环境下的抗扰动能力和大信...
基于混合调制的燃料电池汽车无电解电容双向三相逆变器：分析、设计与实验结果
Hybrid-Modulation-Based Bidirectional Electrolytic Capacitor-Less Three-Phase Inverter for Fuel Cell Vehicles: Analysis, Design, and Experimental Results
Xuewei Pan · Anirban Ghoshal · Yitao Liu · Qianwen Xu 等5人 · IEEE Transactions on Power Electronics · 2018年5月
本文提出了一种用于燃料电池汽车（FCV）的新型六脉冲低频波动高压直流母线电源架构。通过引入一种新型混合调制方案，结合了低频六脉冲调制与高频改进型二次调制及33%脉宽调制，实现了驱动系统的高效三相交流输出，并有效去除了电解电容，提升了系统可靠性与功率密度。
解读: 该技术通过去除电解电容提升了逆变器的可靠性与功率密度，对阳光电源的电动汽车充电桩及车载电源业务具有参考价值。虽然阳光电源目前主营光储业务，但其在电力电子拓扑、高频调制算法及无电解电容设计方面的研究，可为公司下一代高功率密度储能变流器（PCS）及车载充电模块提供技术储备。建议研发团队关注该混合调制策略...
基于稳定性的强化学习控制在电力电子变换器中的应用：一种李雅普诺夫方法
Stability-Guided Reinforcement Learning Control for Power Converters: A Lyapunov Approach
Yihao Wan · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年1月
强化学习（RL）因其处理非线性和自学习能力而在电力电子领域受到关注。合理配置下，RL智能体可通过与变换器系统交互自主学习最优控制策略。类似于传统的有限控制集模型预测控制（FCS-MPC），RL可学习最优开关策略并实现良好控制性能。然而，RL控制器改变闭环动态特性，给系统稳定性保障与评估带来挑战。为此，本文提出构造李雅普诺夫函数以引导智能体在提升控制性能的同时确保闭环稳定性，并通过推导电压控制误差收敛的紧致集量化系统的实用稳定域。最后，在实验平台上验证了所提方法的有效性，仿真与实验结果均表明该方法...
解读: 该李雅普诺夫引导的强化学习控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。相比传统FCS-MPC，该方法通过李雅普诺夫函数保障闭环稳定性，同时利用RL自学习能力优化开关策略，可显著提升储能变流器在复杂工况下的动态响应和鲁棒性。技术可直接应用于构网型GFM控制器...
计算高效的长时域预测控制在电力变换器中的应用：一种强化学习方法
Computationally Efficient Long-Horizon Predictive Control for Power Converter: A Reinforcement Learning Approach
Yihao Wan · Yang Zhang · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年4月
长预测时域有限控制集模型预测控制（FCS - MPC）在闭环稳定性、谐波失真和开关频率方面表现出卓越的性能。然而，对于传统的穷举法，实际实施时的计算负担会随着预测时域的增加呈指数级增长。传统方法包括将其重新表述为整数最小二乘（ILS）问题，以及采用基于人工神经网络（ANN）的有监督模仿学习技术，以减轻长预测时域带来的计算负担问题。在本文中，通过将强化学习（RL）框架与长预测时域相结合，开发了一种新型自主控制器用于变流器控制。通过这种方式，RL智能体通过与变流器系统进行交互，自主学习最优开关策略。...
解读: 从阳光电源的业务视角来看，这项基于强化学习的长预测时域模型预测控制技术具有重要的战略价值。该技术针对功率变换器控制中的核心痛点——长预测时域带来的计算复杂度问题，提出了创新性解决方案，这与我们在光伏逆变器和储能变流器产品中追求高性能控制的需求高度契合。 技术价值方面，长预测时域控制能够显著改善闭环...
基于强化学习的电力电子变换器预测控制
Reinforcement Learning-Based Predictive Control for Power Electronic Converters
Yihao Wan · Qianwen Xu · Tomislav Dragičević · IEEE Transactions on Industrial Electronics · 2024年10月
有限集模型预测控制（FS - MPC）似乎是一种很有前景且有效的电力电子变换器控制方法。传统的有限集模型预测控制存在权重因子选择耗时的问题，这会显著影响控制性能。有限集模型预测控制面临的另一个持续挑战是，要获得理想的控制性能，它依赖于预测模型。为克服上述问题，我们提议将强化学习（RL）应用于电力变换器的有限集模型预测控制。首先，采用强化学习算法对有限集模型预测控制进行自动权重因子设计，旨在最小化总谐波失真（THD）或降低平均开关频率。此外，通过用预测算法的成本函数为强化学习智能体制定激励机制，该...
解读: 从阳光电源的业务视角来看，这项基于强化学习的预测控制技术对我们的核心产品线具有重要战略价值。该技术针对有限集模型预测控制（FS-MPC）的两大痛点提出了创新解决方案，这与我们在光伏逆变器和储能变流器领域追求高效率、高可靠性的目标高度契合。 在实际应用层面，该技术的自动权重因子设计功能可显著缩短我们...
特刊主编寄语：电力电子在未来可再生能源和Power-to-X系统中的作用
Guest Editorial: Special Issue on Power Electronics Role in Future Renewables and Power-to-X Systems
Ahmed Abdelhakim · Dmitri Vinnikov · Jon Are Suul · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年7月
2015巴黎协定和2023年IPCC气候变化报告将主要能源消费部门的脱碳列为首要任务，对当今能源系统提出了长期可持续能源生产和存储的重大挑战。氢能和Power-to-X（P2X）方案是最具前景的应对策略之一，可大量利用可再生能源并开辟绿色能源存储和运输的新途径。P2X是将电力转换为碳中和合成燃料（如氢气、合成天然气或化学品）的转换技术集合术语。电力电子在提升此类系统性能和降低最终产品成本方面发挥关键作用，需整合不同系统如各类可再生能源供电电解槽集群制氢并可能连接电网提供电网支持。
解读: 该P2X特刊主题与阳光电源氢能战略高度契合。阳光电源在电解槽变流器、氢能源管理系统和可再生能源制氢一体化解决方案方面具有技术积累。特刊涵盖的电力电子变换器及调制、直流和交流微电网控制、变换器分析建模、测量与保护四大主题与阳光ST系列储能变流器、SG系列光伏逆变器和微电网解决方案的技术路线一致。文中提...