三相Boost并网逆变器的离散时间预测控制

三相Boost并网逆变器工作在直流输入电压小于电网电压峰值的场合,具有输入电压调节范围宽的优良特性,适合用于燃料电池、光电池等可再生能源系统的单级并网发电.提出一种三相Boost并网逆变器网侧电流的离散时间预测控制.该方法在每一个采样周期内,利用逆变器输出电流的离散时间模型和逆变器产生的7种电流空间矢量,预测逆变器下一个采样周期的网侧电流,并以该电流与理想网侧电流的误差最小作为优选指标,确定下一个采样周期的开关信号.该方法不需要传统Boost逆变器控制中的任何调制策略,方法简单,实现容易.实验结果表明,采用离散时间预测控制的三相Boost逆变器并网系统具有优良的并网性能.     

LED照明应用现状特征及驱动技术发展综述

LED以高光效、长寿命的优点获得了广泛关注,其节能的优点对绿色环保有积极的意义。LED驱动技术是当前的研究热点之一。在LED快速发展过程中,大量的机遇与挑战同时出现,对LED照明应用现状进行总结,以从中分析出LED照明应用的发展趋势显得非常必要。通过分析各种文献和应用,总结了LED照明应用现状的典型特征,即LED与其他光源并存、定制化与标准化并存、网络化控制兴起等特征。根据这些应用现状对LED驱动技术的进行了分析,提出了高适应性LED驱动技术发展的思路,以期对LED照明应用有所推动。     

变拓扑N脉波相控整流器的电流预测控制方法

为了减小网侧谐波电流,改善电能质量,提出N脉波变拓扑相控整流器(FTTR)的一般结构形式,并对工作模式、拓扑切换策略及拓扑切换的过渡过程进行分析,在此基础上利用平均值电流预测控制算法计算晶闸管触发时刻,实现快速的电流动态响应.鉴于预测控制算法对电感参数变化敏感的问题,提出应用最小二乘法在线校正电感参数,消除模型参数变化引起的电流稳态误差.以24脉波FTTR为研究对象进行仿真和实验分析,仿真和实验结果验证了N脉波FTTR的可行性以及电流预测控制算法的有效性.     

电网谐波背景下风电并网逆变器的PRI控制方法

针对分布式发电接入的配电网常常因负荷影响而含有大量的低次谐波问题,分析了分布式发电中电网电压对逆变器并网电流的影响,提出了一种兼具谐波补偿和直流扰动抑制功能的比例谐振积分(PRI)控制器。与传统比例谐振(PR)控制器相比,积分环节的引入有效地提高了控制器的低频增益,特别对直流分量的扰动具有明显的抑制效果。最后在1台50kW的三相三电平并网逆变器上进行了样机实验。实验结果表明,PRI控制器不但可以在稳态时大幅减小并网电流的谐波含量,而且在动态过程中可以迅速地抑制并网电流的直流扰动。PRI控制器非常适合作为分布式发电并网逆变器的控制方法。     

一种新颖的三相不平衡电网的锁相方法

针对电网故障时可能出现的三相电网电压不平衡的情况,提出一种静止坐标系下通过梯度下降法直接估测正负序分量的方法。该方法结构简单,无需将电网电压变换到同步旋转坐标系下,在静止坐标系下通过数值算法求解根据梯度下降法原理得到的非线性方程组,进而直接估测出正负序分量的幅值、相位和频率。通过实验评估该锁相方法的性能,实验结果表明,所提方法在电网发生不平衡故障时,具有较快的响应速度,即使电网电压在故障后相位、幅值和频率均有大幅跳变时,锁相环也基本能在两个工频周期以内完成锁相。     

基于双输入SOGI-FLL的单相电网电压同步新算法

研究SOGI-FLL锁相系统受到自身结构制约而无法实现快速响应的原因。提出在其基础上加入一个与原输入差90°相位的新输入端,从而形成双输入SOGI-FLL(dual-input SOGI-FLL,DISOGI-FLL)的锁相结构。通过数学分析和比较,DISOGI-FLL的动态特性相比原系统有了质的提升。针对单相电网和故障情况作相应修改和扩展,进而使其在电网正常或受到谐波干扰时均可快速准确跟踪电网基波和谐波幅值和频率,并产生相应虚拟正交信号,实现电网电压同步。最后,通过仿真和实验验证了所提算法的快速和有效性。     

基于神经网络预测控制的节能电梯能量管理

随着电梯的日益增多,电梯节能问题引起越来越多的关注。针对节能型电梯中超级电容的储能管理问题,提出一种基于神经网络预测控制策略的新方法来动态预测电梯运行中所需的能量。首先根据电梯当前停层、目的停层以及载荷信息,建立反向传播神经网络(BPNN)模型并通过样本训练确定各神经元的权值和偏置值,然后利用该模型在线预测电梯每个行程吸收或回馈的能量,据此调节超级电容的平衡电压实现提前储能/泄能,补偿电梯运行过程中所需的尖峰功率。此外,根据电梯载荷和行程信息动态调整超级电容的平衡电压,可以充分利用超级电容的能量存储空间,在某些行程下除了补偿尖峰功率,还能够补偿一部分额定功率,优化网侧整流器的功率容量。最后通过MATLAB/Simulink搭建的仿真平台和实验样机验证了本方法的可行性。     

基于多通道忆阻脉冲耦合神经网络的多帧图像超分辨率重建算法

高清晰度的图像是信息获取和精确分析的前提,研究多帧图像的超分辨率重建能够有效解决因外部拍摄环境引起的图像细节丢失、边缘模糊等问题。该文基于纳米级忆阻器,设计一种多通道忆阻脉冲耦合神经网络模型(MMPCNN),能够有效模拟网络中连接系数的动态变化,解决神经网络中固有的参数估计问题。同时,将提出的网络应用于多帧图像超分辨率重建中,实现低分辨率配准图像的融合操作,并通过基于稀疏编码的单帧图像超分辨率重构算法对获得的初始高分辨率图像进行优化。最终,一系列计算机仿真及分析(主观/客观分析)验证了该文提出方案的正确性和有效性。