CN115347774B - 一种多相交错并联变换器控制和容错方法 - Google Patents

一种多相交错并联变换器控制和容错方法 Download PDF

Info

Publication number
CN115347774B
CN115347774B CN202211021816.3A CN202211021816A CN115347774B CN 115347774 B CN115347774 B CN 115347774B CN 202211021816 A CN202211021816 A CN 202211021816A CN 115347774 B CN115347774 B CN 115347774B
Authority
CN
China
Prior art keywords
fault
output
layer
converter
phase
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211021816.3A
Other languages
English (en)
Other versions
CN115347774A (zh
Inventor
章仕起
郭小强
刘兆国
宋晓飞
张哲�
弗雷德·布拉比格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN202211021816.3A priority Critical patent/CN115347774B/zh
Publication of CN115347774A publication Critical patent/CN115347774A/zh
Application granted granted Critical
Publication of CN115347774B publication Critical patent/CN115347774B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/32—Means for protecting converters other than automatic disconnection
    • H02M1/325—Means for protecting converters other than automatic disconnection with means for allowing continuous operation despite a fault, i.e. fault tolerant converters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/14—Arrangements for reducing ripples from dc input or output
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/32—Means for protecting converters other than automatic disconnection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/10—Technologies improving the efficiency by using switched-mode power supplies [SMPS], i.e. efficient power electronics conversion e.g. power factor correction or reduction of losses in power supplies or efficient standby modes

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Rectifiers (AREA)

Abstract

本发明公开了一种多相交错并联变换器控制和容错方法，属于电力电子技术领域，步骤包括：检测变换器各个支路是否发生故障；电流纹波最小容错控制；最大功率输出容错控制；总输出电压和输入电压采样；输出电压单闭环控制生成占空比d；启动每一相，利用训练后的Elman神经网络模型计算出每相最大电流；计算出等效相电阻和每相占空比；计算补偿占空比并生成开关管驱动信号八个步骤。本发明同时实现了交错并联变换器的无电流传感器精准均流和变换器故障下的容错运行，可以更加准确、经济、有效、稳定的实现交错并联变换器均流和容错运行，实用价值好。

Description

一种多相交错并联变换器控制和容错方法
技术领域
本发明涉及电力电子技术领域，尤其是一种多相交错并联变换器控制和容错方法。
背景技术
可再生新能源发电技术和氢能结合是实现碳中和及碳达峰目标的重要途径之一，直流母线和电解器之间实现能量传输可以使用多相交错并联变换器结构作为桥梁而连接起来。为了实现电解制氢系统高效的运行，要求多相交错并联变换器具有需要具有高容错运行能力、电流传感器少等特点。由于多相交错并联变换器的负载是电解器，而电解器产氢量与供电电流有关，因此制氢所用的多相交错并联变换器需满足传感器少和低输出电流纹波；而且，对于电解制氢系统中的多相交错并联变换器也需要具有高容错运行能力，以提高电解制氢系统的可靠性。现有的多相交错并联变换器均流控制，通过将电流传感器插入每个相来监控每个相电流。电流环作为内环，电压环作为外环。外环电压用作内电流环参考。一些偶然的控制错误会导致不同相的驱动信号值不相等，进而导致相电流不平衡，使得电流纹波较大，并且电流传感器容易发生故障，成本高；另外现有的多相交错并联变换器没有容错运行能力，一旦发生故障则无法工作，造成系统崩溃。
发明内容
本发明需要解决的技术问题是提供一种多相交错并联变换器控制和容错方法，能够在使多相交错并联变换器实现无电流传感器实现均流控制，并且具备较强的容错运行能力，可以降低成本、有效实现均流控制、具有较强的容错运行能力。
为解决上述技术问题，本发明所采用的技术方案是：
一种多相交错并联变换器控制和容错方法，包括以下步骤：
S1、检测变换器各个支路是否发生了故障，若检测出故障则进行S2或S3，若没有故障则进行S4；
S2、选择电流纹波最小容错控制；
S3、若不选择电流纹波最小容错控制，则选择最大功率输出容错控制方法；
S4、对变换器总输入电压Vin和输出电压VO进行采样；
S5、将采样的总输出电压和设置参考电压做差，通过调制器生成初始占空比D1；
S6、以最大单相电流分别开启动每一相，将输入电压、总输出电压以及其他电路参数输入到已经训练好的Elman型神经网络模型中，输出得到准确估计后的每一相最大短路电流
Figure GDA0004180496610000021
n为对应变换器第n相，n＝1，2，…，n；
S7、根据短路电流
Figure GDA0004180496610000022
输入电压Vin计算出每一等效相电阻Rn和输出占空比Dq；
所述每一等效相电阻Rn为：
Figure GDA0004180496610000023
/>
所述输出占空比Dq为：
Dq＝D1+Δk
Figure GDA0004180496610000024
Figure GDA0004180496610000025
式中，Dn为第n相占空比；IO为总输出电流，q＝2，3，…，n；k＝1，2，...，(n-1)；
S8、通过上升沿和下降沿触发的计数器测量开关节点处的脉冲持续时间，比较输出占空比Dq和实际占空比来计算损耗占空比，输出占空比Dq通过增加或减少损耗占空比进行补偿，并生成最终的开关驱动信号；
所述方法应用的拓扑结构包括主支路、辅助支路、最大功率输出容错支路和负载，主支路包括多相交错并联Buck变换器或其他类型交错并联的DC-DC的拓扑结构，其中辅助支路包括一个半桥、一个电感LAX和一个电容CAX；最大功率输出支路包含两个继电器RE1和RE2和一个电阻RX；负载为电解槽负载或电阻负载；所述开关管SAX1的集电极与变换器总输入电压的Vin正极电性连接，所述开关管SAX2的集电极与开关管SAX1的发射极、电感LAX的一端电性连接，所述电感LAX的另一端与电容CAX的一端、继电器RE1延时闭合的动合触点的一端电性连接，所述继电器RE1延时闭合的动合触点的另一端与负载Rx的输入端、继电器RE2延时闭合的动合触点的一端电性连接，所述负载Rx的输出端与电容CAX的另一端、继电器RE2延时闭合的动合触点的另一端以及变换器总输出电压Vo的正极电性连接，所述开关管SAX2的发射极与变换器总输入电压Vin的负极、变换器总输出电压Vo的负极电性连接。
本发明技术方案的进一步改进在于：S1中，所述故障包括开路故障和短路故障。
本发明技术方案的进一步改进在于：S2中电流纹波最小容错控制过程包括以下步骤：
当变换器主支路部分相发生故障，变换器仍然可以实现消除输出电流纹波，若故障相数x达到设置限值xmax，则直接停机；
若故障相数x没有达到xmax时，则应隔离故障相并且及时调节主支路剩余正常相对应功率开关管的补偿后的占空比，将多相交错并联变换器的主支路剩余正常相开关管对应的Δk，IO，Rn，
Figure GDA0004180496610000031
计算公式或算法中的n变为n-x，并更新辅助支路控制算法，使得变换器总输出电流纹波保持最小。
本发明技术方案的进一步改进在于：S3中最大功率输出容错控制包括以下步骤：
判断若故障相数x达到限值xmax，则直接停机；
若故障相数x没有达到限值xmax时，则应隔离故障相并且闭锁辅助支路SAX1和SAX2的驱动信号且闭合继电器RE1旁路电容CAX，使得电阻RX完全吸收旁路电容CAX中所储存的能量后，再闭合继电器RE2，之后将辅助支路控制算法设置更新为主支路控制算法，主支路剩余正常相开关管和辅助支路开关管对应的Δk，IO，Rn，
Figure GDA0004180496610000041
计算公式或算法中的n变为n-x+1，从而使系统进入最大功率输出容错控制模式。
本发明技术方案的进一步改进在于：S6中，所述Elman型神经网络模型包括输入层、隐含层、承接层和输出层；Elman神经网络首先对各层连接权值初始化，然后对训练数据进行归一化处理，将处理后的数据样本作为输入，传递到隐含层、输出层，接下来对实际输出和期望输出进行误差精度对比；如果输出误差不满足精度要求，则将计算值返回连接层，更新权值和阈值，并以承接层的输出作为隐含层的输入，重复之前的过程，直到输出误差满足最大短路电流
Figure GDA0004180496610000042
精度要求。
本发明技术方案的进一步改进在于：Elman神经网络模型对应网络数学表达式为：
y(k)＝g(w3x(k))
x(k)＝f(w1xc(k)+w2(u(k-1)))
xc(k)＝x(k-1)
式中，y为输出向量；x为隐含层向量；u为输入向量；xc为连接层向量；w3为隐含层至输出层权值；w2为输入层至隐含层权值；w1为连接层至隐含层权值；f(x)为反馈环节传递函数；g(x)为输出层的传递函数。
本发明技术方案的进一步改进在于：Elman神经网络算法的判别误差函数为：
Figure GDA0004180496610000043
式中，d(k)为实际输出；y(k)为模型预测输出。
由于采用了上述技术方案，本发明取得的技术进步是：
1、本发明设计的多相交错并联变换器控制和容错方法，采用Elman型神经网络模型预测出各支路最大短路电流，实现无电流传感器电流采样，根据短路电流、输入电压、等效相电阻输出占空比，并设有占空比补偿器，以达到最好的多相交错并联变换器均流控制结果。
2、本发明通过设计多相交错并联变换器辅助支路以及多相交错并联变换器两种容错运行方法，可以更加准确、快速、有效的得到最优的含氢储能微电网的能量管理方案。
3、将Elman神经网络方法首次应用于多相交错并联变换器均流领域，可以更加快速、准确的求解出每一相最大短路电流，从而达到最好的均流效果。
4、发明不仅可以实现多相交错并联变换器无电流传感器的精准、低成本、稳定、智能均流控制，本发明对设计了两种面向不同需求的容错控制方案，可以实现多相交错并联变换器低成本、无电流传感器、长期稳定连续运行。
附图说明
图1是本发明整体的流程图；
图2是电流纹波最小容错控制流程图；
图3是本发明的电流纹波最小控制方法流程图；
图4是适用的电路拓扑结构之一；
图5是Elman神经网络结构图。
具体实施方式
下面结合附图及实施例对本发明做进一步详细说明：
如图1所示，一种多相交错并联变换器控制和容错方法，包括以下步骤：
S1、检测变换器各个支路是否发生了故障，故障包含但不限于开路故障、短路故障，若检测出故障则人为自行选择进行S2或S3，若没有故障则进行S4；
S2、若根据需求，选择了电流纹波最小容错控制，为了使变换器仍然可以实现消除输出电流纹波，图2为输出电流纹波最小容错控制的流程图，若故障相数x达到设置限值xmax(xmax为设定的最大故障相数)，则直接停机；若故障相数x没有达到限值xmax时，则应隔离故障相并且及时调节主支路剩余正常相对应功率开关管的补偿后的占空比，将多相交错并联变换器的主支路剩余正常相开关管对应的Δk，IO，Rn，
Figure GDA0004180496610000061
计算公式或算法中的n变为n-x，并更新辅助支路控制算法，使得变换器总输出电流纹波保持最小。
S3、若不选择电流纹波最小容错控制，则选择最大功率输出容错控制方法；最大功率输出条件下容错控制方案流程图如图3所示，判断若故障相数x达到限值xmax，则直接停机。若故障相数x没有达到限值xmax时，则应隔离故障相并且闭锁辅助支路SAX1和SAX2的驱动信号且闭合继电器RE1旁路电容CAX，使得电阻RX完全吸收CAX中所储存的能量后，RE2自动闭合，之后将辅助支路控制算法设置更新为主支路控制算法，主支路剩余正常相开关管和辅助支路开关管对应的Δk，IO，Rn，
Figure GDA0004180496610000062
计算公式或算法中的n变为n-x+1，从而使系统进入最大功率输出容错控制模式。
S4、对变换器总输入电压Vin和输出电压VO进行采样；
S5、将采样的总输出电压和设置参考电压做差，VO-Vin计算结果通过调制器生成初始占空比D1；
S6、以最大单相电流分别开启动每一相，将输入电压、总输出电压以及其他电路参数输入到已经训练好的Elman型神经网络模型中，如图5所示。
Elman神经网络包括输入层、隐含层(中间层)、连接层和输出层，其中连接层主要对隐含层信息进行存储，这一部分具有动态记忆的功能。Elman神经网络首先对各层连接权值初始化，然后对训练数据进行归一化处理，将处理后的数据样本作为输入，传递到隐含层、输出层，接下来对实际输出和期望输出进行误差精度对比。如果输出误差不满足精度要求，则将计算值返回连接层，更新权值和阈值，并以承接层的输出作为隐含层的输入，重复之前的过程，直到输出误差满足最大短路电流
Figure GDA0004180496610000063
精度要求。
Elman神经网络模型对应网络数学表达式为:
y(k)＝g(w3x(k))
x(k)＝f(w1xc(k)+w2(u(k-1)))
xc(k)＝x(k-1)
式中，y为输出向量；x为隐含层向量；u为输入向量；xc为连接层向量；w3为隐含层至输出层权值；w2为输入层至隐含层权值；w1为连接层至隐含层权值；f(x)为反馈环节传递函数；g(x)为输出层的传递函数。
Elman神经网络算法的判别误差函数为：
Figure GDA0004180496610000071
式中，d(k)为实际输出；y(k)为模型预测输出。
输出得到准确估计后的每一相最大短路电流
Figure GDA0004180496610000072
n为对应变换器第n相，n＝1，2，…，n。/>
S7、根据短路电流
Figure GDA0004180496610000073
输入电压Vin计算出每一等效相电阻Rn和输出占空比Dq，对应表达式如下：
Figure GDA0004180496610000074
Dq＝D1+Δk
Figure GDA0004180496610000075
Figure GDA0004180496610000076
式中，Dn为第n相占空比；IO为总输出电流；q＝2，3，…，n；k＝1，2，...，(n-1)；
S8、通过上升沿和下降沿触发的计数器测量开关节点处的脉冲持续时间，比较输出占空比Dq和实际占空比来计算损耗占空比，输出占空比Dq通过增加或减少损耗占空比进行补偿，并生成最终的开关驱动信号。
综上所述，本发明同时实现了交错并联变换器的无电流传感器精准均流和变换器故障下的容错运行，可以更加准确、经济、有效、稳定的实现交错并联变换器均流和容错运行，实用价值好。

Claims (7)

1.一种多相交错并联变换器控制和容错方法，其特征在于：包括以下步骤：
S1、检测变换器各个支路是否发生了故障，若检测出故障则进行S2或S3，若没有故障则进行S4；
S2、选择电流纹波最小容错控制；
S3、若不选择电流纹波最小容错控制，则选择最大功率输出容错控制方法；
S4、对变换器总输入电压Vin和输出电压VO进行采样；
S5、将采样的总输出电压和设置参考电压做差，通过调制器生成初始占空比D1；
S6、以最大单相电流分别开启动每一相，将输入电压Vin、总输出电压VO以及其他电路参数输入到已经训练好的Elman型神经网络模型中，输出得到准确估计后的每一相最大短路电流
Figure QLYQS_1
n为对应变换器第n相，n＝1，2，…，n；
S7、根据短路电流
Figure QLYQS_2
输入电压Vin计算出每一等效相电阻Rn和输出占空比Dq；
所述每一等效相电阻Rn为：
Figure QLYQS_3
所述输出占空比Dq为：
Dq＝D1+Δk
Figure QLYQS_4
Figure QLYQS_5
式中，Dn为第n相占空比；IO为总输出电流，q＝2，3，…，n；k＝1，2，...，(n-1)；
S8、通过上升沿和下降沿触发的计数器测量开关节点处的脉冲持续时间，比较输出占空比Dq和实际占空比来计算损耗占空比，输出占空比Dq通过增加或减少损耗占空比进行补偿，并生成最终的开关驱动信号；
所述方法应用的拓扑结构包括主支路、辅助支路、最大功率输出容错支路和负载，主支路包括多相交错并联Buck变换器或其他类型交错并联的DC-DC的拓扑结构，其中辅助支路包括一个半桥开关管SAX1和开关管SAX2、一个电感LAX和一个电容CAX；最大功率输出支路包含两个继电器RE1和RE2和一个电阻RX；负载为电解槽负载或电阻负载；所述开关管SAX1的集电极与变换器总输入电压的Vin正极电性连接，所述开关管SAX2的集电极与开关管SAX1的发射极、电感LAX的一端电性连接，所述电感LAX的另一端与电容CAX的一端、继电器RE1延时闭合的动合触点的一端电性连接，所述继电器RE1延时闭合的动合触点的另一端与负载Rx的输入端、继电器RE2延时闭合的动合触点的一端电性连接，所述负载Rx的输出端与电容CAX的另一端、继电器RE2延时闭合的动合触点的另一端以及变换器总输出电压Vo的正极电性连接，所述开关管SAX2的发射极与变换器总输入电压Vin的负极、变换器总输出电压Vo的负极电性连接。
2.根据权利要求1所述的一种多相交错并联变换器控制和容错方法，其特征在于：S1中，所述故障包括开路故障和短路故障。
3.根据权利要求1所述的一种多相交错并联变换器控制和容错方法，其特征在于：S2中电流纹波最小容错控制过程包括以下步骤：
当变换器主支路部分相发生故障，变换器仍然可以实现消除输出电流纹波，若故障相数x达到设置限值xmax，则直接停机；
若故障相数x没有达到限值xmax时，则应隔离故障相并且及时调节主支路剩余正常相对应功率开关管的补偿后的占空比，将多相交错并联变换器的主支路剩余正常相开关管对应的Δk，IO，Rn，
Figure QLYQS_6
计算公式或算法中的n变为n-x，并更新辅助支路控制算法，使得变换器总输出电流纹波保持最小。
4.根据权利要求1所述的一种多相交错并联变换器控制和容错方法，其特征在于：S3中最大功率输出容错控制包括以下步骤：
判断若故障相数x达到限值xmax，则直接停机；
若故障相数x没有达到限值xmax时，则应隔离故障相并且闭锁辅助支路SAX1和SAX2的驱动信号且闭合继电器RE1旁路电容CAX，使得电阻RX完全吸收旁路电容CAX中所储存的能量后，再闭合继电器RE2，之后将辅助支路控制算法设置更新为主支路控制算法，主支路剩余正常相开关管和辅助支路开关管对应的Δk，IO，Rn，
Figure QLYQS_7
计算公式或算法中的n变为n-x+1，从而使系统进入最大功率输出容错控制模式。
5.根据权利要求1所述的一种多相交错并联变换器控制和容错方法，其特征在于：S6中，所述Elman型神经网络模型包括输入层、隐含层、承接层和输出层；Elman神经网络首先对各层连接权值初始化，然后对训练数据进行归一化处理，将处理后的数据样本作为输入，传递到隐含层、输出层，接下来对实际输出和期望输出进行误差精度对比；如果输出误差不满足精度要求，则将计算值返回连接层，更新权值和阈值，并以承接层的输出作为隐含层的输入，重复之前的过程，直到输出误差满足最大短路电流ILn精度要求。
6.根据权利要求5所述的一种多相交错并联变换器控制和容错方法，其特征在于：Elman神经网络模型对应网络数学表达式为：
y(k)＝g(w3x(k))
x(k)＝f(w1xc(k)+w2(u(k-1)))
xc(k)＝x(k-1)
式中，y为输出向量；x为隐含层向量；u为输入向量；xc为连接层向量；w3为隐含层至输出层权值；w2为输入层至隐含层权值；w1为连接层至隐含层权值；f(x)为反馈环节传递函数；g(x)为输出层的传递函数。
7.根据权利要求5所述的一种多相交错并联变换器控制和容错方法，其特征在于：Elman神经网络算法的判别误差函数为：
Figure QLYQS_8
式中，d(k)为实际输出；y(k)为模型预测输出。
CN202211021816.3A 2022-08-24 2022-08-24 一种多相交错并联变换器控制和容错方法 Active CN115347774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211021816.3A CN115347774B (zh) 2022-08-24 2022-08-24 一种多相交错并联变换器控制和容错方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211021816.3A CN115347774B (zh) 2022-08-24 2022-08-24 一种多相交错并联变换器控制和容错方法

Publications (2)

Publication Number Publication Date
CN115347774A CN115347774A (zh) 2022-11-15
CN115347774B true CN115347774B (zh) 2023-05-23

Family

ID=83954641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211021816.3A Active CN115347774B (zh) 2022-08-24 2022-08-24 一种多相交错并联变换器控制和容错方法

Country Status (1)

Country Link
CN (1) CN115347774B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4333259C1 (de) * 1993-09-27 1995-05-24 Siemens Ag Verfahren zum Erzeugen eines die Richtung eines Kurzschlußstromes angebenden Richtungssignals
CN108872751A (zh) * 2018-07-05 2018-11-23 西南交通大学 一种基于神经网络的三电平级联逆变器的故障诊断方法
CN109188185A (zh) * 2018-08-17 2019-01-11 中国大唐集团科学技术研究院有限公司 一种发电机转子绕组匝间短路早期在线检测方法
CN112803484B (zh) * 2021-02-26 2023-08-11 上海海事大学 基于均值电流补偿模型的多电平并网逆变器容错控制方法

Also Published As

Publication number Publication date
CN115347774A (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
Fei et al. Fuzzy double hidden layer recurrent neural terminal sliding mode control of single-phase active power filter
Chtita et al. An improved control strategy for charging solar batteries in off-grid photovoltaic systems
Sundarabalan et al. PEM fuel cell supported distribution static compensator for power quality enhancement in three-phase four-wire distribution system
JP2014110692A (ja) 蓄電システム及び蓄電池の劣化診断方法
CN106130125A (zh) 电动汽车模糊滑模回馈充电控制器及其回馈充电控制方法
CN113206499A (zh) 一种双闭环模型预测与pi复合控制的dab变换器控制方法
CN115149806A (zh) 一种针对交错并联Boost变换器的自适应模型预测控制方法
CN115347774B (zh) 一种多相交错并联变换器控制和容错方法
Yu et al. Distributed data-driven secondary regulation for the conflict between voltage recovery and accurate current sharing in DC microgrids
Zhang et al. An event-triggered deadbeat control considering dynamic power loss compensation for hybrid energy storage system
CN104854528A (zh) 用于控制最大功率点跟踪控制器的系统和方法
CN110912108B (zh) 一种直流微电网并离网平滑切换的母线电压控制方法
CN112994450A (zh) 一种五电平Buck/Boost变换器的电容电压平衡控制方法及系统
Srinath et al. Quasi newton least mean fourth control for multifunctional grid tied solar photovoltaic system
Toniolo et al. Implementation and experimental evaluation of an efficiency-improved modulation technique for IBCI DC-DC converters
CN110289762B (zh) 一种大电流电源及其恒流控制方法及系统
CN114421769A (zh) 基于沉浸与不变式理论的直流变换器鲁棒自适应抗扰控制方法
de Novaes et al. Design considerations of a long-term single-phase uninterruptible power supply based on fuel cells
CN114156858A (zh) 一种多储能直流配电网协调控制方法及系统
JP2021164401A (ja) 直流／直流コンバータ
RU102439U1 (ru) Преобразователь постоянного тока в постоянный ток
Hajisadeghian et al. Sliding Mode Controller (SMC) For Sinusoidal Ripple Current (SRC) Charge of Li-ion Battery
Alshareef A new protection scheme for low voltage DC microgrids
Samantaray et al. Discrete time adaptive observation of capacitor voltage of modular multilevel converters
Abedi et al. Disturbance rejection of peak current-mode control for bidirectional battery charging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant