三电平电流型推挽双向DC/DC变换器及控制研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:ni_gejianren
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着新能源分布式发电的发展与国家对智能电网的布局,电能路由器成为近年来的研究热点,隔离型双向变换器作为电能路由器实现电能灵活控制的主要部分,不仅充当着不同电压等级之间能量流动的桥梁,还实现了电气隔离。本文针对区域电能路由器中蓄电池储能问题,提出一种三电平电流型推挽双向DC/DC变换器,主要研究内容如下:根据传输电感电压的不同状态,将三电平电流型推挽双向DC/DC变换器的工作区间划分为四种正向模式(蓄电池放电),四种反向模式(蓄电池充电)。详细分析了部分模式下变换器的工作原理和控制方法,推导变换器的增益公式。在此基础上推导出各工作模式的功率表达式和传输电感电流有效值表达式,为实际工作模式选择提供理论依据。针对传输电感电流周期内平均值为零,无法建立传统的平均状态空间模型的问题,本文采用一种基于时间权重的状态平均模型建模方法,建立出变换器的低阶小信号数学模型。利用伯德图对控制环路中的各个调节器进行参数整定,并对设计方案进行了理论分析和仿真验证。对开关管实现软开关的条件研究,建立了开关管的瞬态开关等效电路,推导出实现软开关与开关管并联电容、推挽变压器励磁电感之间的关系式,得到实现软开关需要满足的条件,并进行仿真验证和实验验证。在理论分析和仿真基础上,本文设计了三电平电流型推挽双向DC/DC变换器样机,在样机上获得了该电路的典型工作波形,通过实验得到了开关管在不同并联电容和不同励磁电感下的开关波形,验证了本文理论分析的准确性和控制策略的有效性。
其他文献
本文提出使用一个非最大任意的五粒子态和一个非最大任意的二粒子态作为量子通道,隐形传送任意的三粒子态的方案。在本方案中发送者要进行三次Bell测量,接收者根据另一个可能接收者的Hadamard操作及测量结果引入辅助粒子并进行幺正变换,则可以概率性的成功实现隐形传送。
近年来,由于计算机技术、控制技术、以及网络技术的发展,使得遥操作技术得到了越来越多的研究者以及社会的注目。由于遥操作系统中加入了公共网络于是出现了“网络化遥操作系统”。但是,网络化遥操作系统中的时延也变得比旧有的遥操作系统更为复杂。而且对于任何遥操作系统来说,时延的存在可能会影响到系统的性能,如果时延过大,则甚至有可能会系统的不稳定。由此可知研究网络化遥操作系统的稳定性具有十分重要的价值。本文主要
异构网络表示学习,是在现实世界各类实体及其复杂关系构成的网络中,学习网络低维稠密独立的向量表示过程;该向量表示解决了大规模网络分析的高维稀疏和可扩展性差等瓶颈问题,成为当前研究热点。现有研究大多是由领域专家事先给出的元路径实现随机游走,然而随着网络节点数量的增加,元路径的选择十分困难且缺乏灵活性。本论文主要对基于随机游走异构网络表示学习进行研究,在考虑了网络的结构信息和语义信息基础上,给出比现有基
随着人工智能和机器人技术的不断提高,面向日常生活的家庭服务机器人也越来越普及,使用自然语言指令提高人机交互体验势在必行。但机器人很难识别并解析人类的自然语言,所以将自然语言指令解析成机器人能够处理的形式完成目标的映射是人机交互最为重要的一环,本课题将围绕此任务展开,并细化为以下几个方面。首先,自然语言指令解析需要进行意图检测和槽填充,为了利用这两者之间的关联性,提出了一个基于Graph LSTM和
蛋白质的空间结构决定着蛋白质的功能,对于推断蛋白质结构之间的进化关系,药物发现和蛋白质设计至关重要。机器学习的进步促进了蛋白质结构预测的发展,使其预测速度由月、天、时提升到了秒、毫秒级单位,而其中代码数量也由百万行减少到几千行。然而,蛋白质结构的预测精度以及稳定性是否符合人们的需求还需要进一步的分析。本文以循环几何网络RGN预测的蛋白质三级结构数据为主要研究对象,从结构比较,可视分析角度以及RGN
随着深度神经网络发展以及大规模数据集的出现,普通图像识别已取得很大成功;然而细粒度图像由于类内差异大、类间相似度高,易受恶劣环境影响,导致其精确识别困难。针对上述问题,提出一种基于双线性的循环注意卷积神经网络(Bilinear Recurrent Attention Convolutional Neural Network,BRAN)细粒度图像识别方法,并应用于海洋细粒度鱼类图像的分类研究中。首先
供暖管道在长期使用中就一直出现热力不均衡问题,在此问题上给居民和供暖工作带来了很多不必要的麻烦。所以,现在主要任务就是先将供暖管道热力不平衡问题处理,给城市居民带来舒适的居住环境。本文主要对供暖管道热力不平衡问题进行研究与分析,并提出主要应对对策。
我们利用两个全同二能级原子与双模真空腔场相互作用并得到了四体近似W态。我们发现不论两原子初始处于Einstein-Podolsky—Rosen纠缠态或者非纠缠态,四体近似W态都能实现。并且四体纠缠随着系统的初始态和失谐量的变化而变化。重要的是,当两原子初始处于Einstein-Podolsky-Rosen纠缠态时,原子-原子,腔场-腔场的纠缠可以达到最大值1.而两原子初始处于非纠缠态时,原子-原子
蛋白质三维结构预测一直是分子生物学的重要课题,传统实验方法非常复杂且耗时较长。随着深度学习的兴起,RGN(Recurrent Geometric Networks)作为一种深度学习模型已成功应用于蛋白质三维结构预测。该模型通过一条氨基酸序列及相关PSSM(Position Specific Scoring Matrix)信息来预测一条序列对应的蛋白质主链三维结构,其预测结果的精度可以媲美目前最优方
不同患者对同一抗癌药物的反应可能不同,了解患者之间对抗癌药物的反应差异对癌症精准医疗具有重大参考价值。高通量测序数据的不断完善为构建抗癌药物反应分类预测模型,进而挖掘数据背后隐藏的信息提供了良好的数据基础。基于两大经典数据集,癌症细胞百科全书(CCLE)和癌症药物敏感性基因组学(GDSC),本文构建了两种预测癌细胞系对抗癌药物敏感或抑制的二分类模型,为抗癌药物反应预测和生物标志物识别提供了可选择工