CN110943528A - 一种不间断电源学习型负载电流估计*** - Google Patents

一种不间断电源学习型负载电流估计*** Download PDF

Info

Publication number
CN110943528A
CN110943528A CN201911186849.1A CN201911186849A CN110943528A CN 110943528 A CN110943528 A CN 110943528A CN 201911186849 A CN201911186849 A CN 201911186849A CN 110943528 A CN110943528 A CN 110943528A
Authority
CN
China
Prior art keywords
inverter
filter
phase
parameter
output
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.)
Granted
Application number
CN201911186849.1A
Other languages
English (en)
Other versions
CN110943528B (zh
Inventor
李江伟
王成成
鲍海波
李绍坚
王清成
李宇烨
黄翰民
张兰
钟志东
刘文韬
杨鹏
王愚
石瑞才
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.)
Nanning Power Supply Bureau of Guangxi Power Grid Co Ltd
Original Assignee
Nanning Power Supply Bureau of Guangxi Power Grid Co Ltd
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 Nanning Power Supply Bureau of Guangxi Power Grid Co Ltd filed Critical Nanning Power Supply Bureau of Guangxi Power Grid Co Ltd
Priority to CN201911186849.1A priority Critical patent/CN110943528B/zh
Publication of CN110943528A publication Critical patent/CN110943528A/zh
Application granted granted Critical
Publication of CN110943528B publication Critical patent/CN110943528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J9/00—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting
    • H02J9/04—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source
    • H02J9/06—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems
    • H02J9/062—Circuit arrangements for emergency or stand-by power supply, e.g. for emergency lighting in which the distribution system is disconnected from the normal source and connected to a standby source with automatic change-over, e.g. UPS systems for AC powered loads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/40—Testing power supplies
    • G01R31/42—AC power supplies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Emergency Management (AREA)
  • Inverter Devices (AREA)

Abstract

本发明公开了一种不间断电源学习型负载电流估计***，其中，所述***包括：主逆变电路、滤波电感、固定式三相电流传感组、滤波电容、逆变控制器、三相整流器和蓄电池；其中，所述主逆变电路输入端通过蓄电池与三相整流器连接，输出端依次串联滤波电感、固定式三相电流传感组；所述滤波电容的一端设置在所述固定式三相电流传感组输出端的三相线上，一端接地；所述逆变控制器一端分别与所述固定式三相电流传感组和所述滤波电容相连接，一端与所述主逆变电路相连接。在本发明实施中，减少UPS中电流传感器数量，而且还能提高逆变器模型参数的准确性，以确保输出电流估计的准确性。

Description

一种不间断电源学习型负载电流估计***
技术领域
本发明涉及不间断电源技术领域，尤其涉及一种不间断电源学习型负载电流估计***。
背景技术
不间断电源(Uninterruptible Power Supply，UPS)广泛应用于保供电领域；传统的单台三相UPS一般需要两组三相电流传感器组，一组用于测量主逆变电路电流(即电感电流)，另外一组用于测量UPS输出电流。由于滤波电容的存在，这两组电容不相等，而是相差滤波电容上的暂态电流。可见单台三相UPS需要至少六个电流传感器。
目前，已经提出了一些输出电流估计算法，以减少电流传感器的使用数量，从而降低成本，这些算法往往基于观测器理论，实现较为复杂；另一方面，无论哪种电流估计算法，其估计准确性都严重依赖于逆变器参数，即滤波电容电感参数，而逆变器参数的实际值往往与标称值不同，且随着逆变器的老化，这些参数也会发生变化；UPS模型及控制算法的性能会受到模型参数不准确的影响。
总的来说，上述可归纳出两个问题：第一是，传统UPS需要较多电流传感器，需要减少以降低成本；第二是，已经提出的输出电流估计算法复杂且依赖准确的逆变器参数，需要有合适的方法确保模型参数的准确性。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种不间断电源学习型负载电流估计***，可以减少UPS中电流传感器数量，而且还能提高逆变器模型参数的准确性，以确保输出电流估计的准确性。
为了解决上述技术问题，本发明实施例提供了一种不间断电源学习型负载电流估计***，所述***包括：主逆变电路、滤波电感、固定式三相电流传感组、滤波电容、逆变控制器、三相整流器和蓄电池；其中，
所述主逆变电路输入端通过蓄电池与三相整流器连接，输出端依次串联滤波电感、固定式三相电流传感组；所述滤波电容的一端设置在所述固定式三相电流传感组输出端的三相线上，一端接地；所述逆变控制器一端分别与所述固定式三相电流传感组和所述滤波电容相连接，一端与所述主逆变电路相连接。
可选的，所述***还包括：拆卸式三相电流传感器组，其中，
所述拆卸式三相电流传感器组在不间断电源初期和维护期间临时，设置在所述滤波电容之后的三相线上，与所述逆变控制器相连接。
可选的，所述***上设置所述拆卸式三相电流传感器组时，所述***上的逆变控制器基于机器学习算法辨识滤波电感和滤波电容的参数，具体如下：
将ABC三相***在d-q轴中表述如下：
Figure BDA0002292595510000021
其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵。
可选的，将所述逆变器参数矩阵中的参数分离出来之后，整理成参数向量形式，式(1)改写为如下形式：
Figure BDA0002292595510000022
其中，z表述逆变控制器参数向量，在对参数向量辨识过程中，式(2)可以以及参数辨识误差函数：
Figure BDA0002292595510000023
其中，M(x,u)表示运行状态数据构成的矩阵；不间断电源运行中，每个时刻都可以获得一个如式(3)的误差函数单元，将一段时间内的误差函数单元结合起来，可以获得一个数据库形式的损失函数，对该数据库进行机器学习，即根据非线性优化理论，在损失函数获得最小值时，参数辨识获得最佳值，即有：
Figure BDA0002292595510000024
其中，其中，式(4)是一个标准的二次规划算法，其中D表示为
Figure BDA0002292595510000025
估计范围，可以设计再参数标称值附近；
Figure BDA0002292595510000026
是误差函数的转置；
Figure BDA0002292595510000027
是不含运行数据的余项；采用二次规划算法寻找到逆变控制器参数的最佳值。
可选的，所述***还包括：UPS输出电流估计；
其中，所述UPS输出电流估计与所述逆变控制器连接，用于向所述逆变控制器输入估计电流iod,ioq。
可选的，所述逆变控制器需要估算所述***输出的负载电流ioA,ioB,ioC时，估算算法如下：
将ABC三相***在d-q轴中表述如下：
Figure BDA0002292595510000031
直接建立损失函数，如下：
Figure BDA0002292595510000032
其中，其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵；；iid和iiq表示逆变器滤波电感的d-q轴电流，vid和viq表示逆变器输出d-q轴电压；iod和ioq表示滤波电容的d-q轴输出电流，vod和voq表示滤波电容的d-q轴输出电压。
可选的，所述逆变器参数矩阵A和B如下：
Figure BDA0002292595510000033
其中，L表示滤波电感，C表示滤波电容，ω表示电频率常数。
在本发明实施例中，提供了一种不间断电源学习型负载电流估计***，在该***中对不间断电源学习型负载电流估计计算简单，易于实现，可以减少UPS中电流传感器数量，同时还能提高逆变器模型参数的准确性，以确保输出电流估计的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的不间断电源学习型负载电流估计***结构组成示意图；
图2是本发明另一实施例中的不间断电源学习型负载电流估计***结构组成示意图；
图3是本发明又一实施例中的不间断电源学习型负载电流估计***结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
请参阅图1，图1是本发明实施例中的不间断电源学习型负载电流估计***结构组成示意图。
如图1所示，一种不间断电源学习型负载电流估计***，所述***包括：主逆变电路1、滤波电感2、固定式三相电流传感组3、滤波电容4、逆变控制器6、三相整流器7和蓄电池8；其中，
所述主逆变电路1输入端通过蓄电池8与三相整流器7连接，输出端依次串联滤波电感2、固定式三相电流传感组3；所述滤波电容4的一端设置在所述固定式三相电流传感组3输出端的三相线上，一端接地；所述逆变控制器6一端分别与所述固定式三相电流传感组3和所述滤波电容4相连接，一端与所述主逆变电路相1连接。
其中，拆卸式三相电流传感器组5为临时存在与***中，当其存在***中时，其设置在滤波电容4之后的三相线上。
具体的，三相整流器7的另一端连接三相的外接电源。
请参阅图2，图2是本发明另一实施例中的不间断电源学习型负载电流估计***结构组成示意图。
如图2所示，该方案在UPS的长期运行中使用，图2中装有UPS输出电流估计，但未装有拆卸式三相电流传感器组5，其中逆变器控制器6在每个采样周期对逆变器输出电流iiAiiB iiC和UPS输出电压voA voB voC采样，作为逆变器控制器6输入；这种模式下，逆变控制器6需要估计输出电流iod,ioq，作为逆变器控制的输入，该逆变控制器需要估算所述***输出的负载电流ioA,ioB,ioC时，估算算法如下：
将ABC三相***在d-q轴中表述如下：
Figure BDA0002292595510000051
直接建立损失函数，如下：
Figure BDA0002292595510000052
其中，其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵；在逆变器运行中的每个时刻，建立如式(5)损失函数，根据非线性优化理论，在损失函数G获得最小值时，即获得了该时刻的输出电流iod,ioq,反变换即可获得ioA,ioB,ioC；iid和iiq表示逆变器滤波电感的d-q轴电流，vid和viq表示逆变器输出d-q轴电压；iod和ioq表示滤波电容的d-q轴输出电流，vod和voq表示滤波电容的d-q轴输出电压。
请参阅图3，图3是本发明又一实施例中的不间断电源学习型负载电流估计***结构组成示意图。
如图3所示，该方案仅在UPS的运行初期和维护中使用，即述***还包括：拆卸式三相电流传感器组，其中，所述拆卸式三相电流传感器组5在不间断电源初期和维护期间临时，设置在所述滤波电容4之后的三相线上，与所述逆变控制器6相连接。
图中的UPS输出侧设置有拆卸式三相电流传感器组5，其中逆变控制器6在每个采样周期对逆变器输出电流iiA iiB iiC、UPS输出电流ioA ioB ioC和UPS输出电压voA voB voC采样，作为逆变控制器6输入，这种模式下，逆变器控制有足够的输入量，不再需要估计输出电流；参数辨识算法用来辨识逆变器参数，存储在控制器内存中，用于拆卸式三相电流传感器组5移除后的运行中，算法具体如下：
将ABC三相***在d-q轴中表述如下：
Figure BDA0002292595510000061
其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵；iid和iiq表示逆变器滤波电感的d-q轴电流，vid和viq表示逆变器输出d-q轴电压；iod和ioq表示滤波电容的d-q轴输出电流，vod和voq表示滤波电容的d-q轴输出电压。
将所述逆变器参数矩阵中的参数分离出来之后，整理成参数向量形式，式(1)改写为如下形式：
Figure BDA0002292595510000062
其中，z表述逆变控制器参数向量，在对参数向量辨识过程中，式(2)可以以及参数辨识误差函数：
Figure BDA0002292595510000063
其中，M(x,u)表示运行状态数据构成的矩阵，
Figure BDA0002292595510000064
表示为z的估计值；不间断电源运行中，每个时刻都可以获得一个如式(3)的误差函数单元，将一段时间内的误差函数单元结合起来，可以获得一个数据库形式的损失函数，对该数据库进行机器学习，即根据非线性优化理论，在损失函数获得最小值时，参数辨识获得最佳值，即有：
Figure BDA0002292595510000065
其中，式(4)是一个标准的二次规划算法，D表示为
Figure BDA0002292595510000066
估计范围，可以设计再参数标称值附近；
Figure BDA0002292595510000067
是误差函数的转置；
Figure BDA0002292595510000068
是不含运行数据的余项；采用二次规划算法寻找到逆变控制器参数的最佳值。
具体的，所述逆变器参数矩阵A和B如下：
Figure BDA0002292595510000071
其中，L表示滤波电感，C表示滤波电容，ω表示电频率常数。
在本发明实施例中，提供了一种不间断电源学习型负载电流估计***，在该***中对不间断电源学习型负载电流估计计算简单，易于实现，可以减少UPS中电流传感器数量，同时还能提高逆变器模型参数的准确性，以确保输出电流估计的准确性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read OnlyMemory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种不间断电源学习型负载电流估计***进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种不间断电源学习型负载电流估计***，其特征在于，所述***包括：主逆变电路、滤波电感、固定式三相电流传感组、滤波电容、逆变控制器、三相整流器和蓄电池；其中，
所述主逆变电路输入端通过蓄电池与三相整流器连接，输出端依次串联滤波电感、固定式三相电流传感组；所述滤波电容的一端设置在所述固定式三相电流传感组输出端的三相线上，一端接地；所述逆变控制器一端分别与所述固定式三相电流传感组和所述滤波电容相连接，一端与所述主逆变电路相连接。
2.根据权利要求1所述的不间断电源学习型负载电流估计***，其特征在于，所述***还包括：拆卸式三相电流传感器组，其中，
所述拆卸式三相电流传感器组在不间断电源初期和维护期间临时，设置在所述滤波电容之后的三相线上，与所述逆变控制器相连接。
3.根据权利要求2所述的不间断电源学习型负载电流估计***，其特征在于，所述***上设置所述拆卸式三相电流传感器组时，所述***上的逆变控制器基于机器学习算法辨识滤波电感和滤波电容的参数，具体如下：
将ABC三相***在d-q轴中表述如下：
Figure FDA0002292595500000011
其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵；iid和iiq表示逆变器滤波电感的d-q轴电流，vid和viq表示逆变器输出d-q轴电压；iod和ioq表示滤波电容的d-q轴输出电流，vod和voq表示滤波电容的d-q轴输出电压。
4.根据权利要求3所述的不间断电源学习型负载电流估计***，其特征在于，将所述逆变器参数矩阵中的参数分离出来之后，整理成参数向量形式，式(1)改写为如下形式：
Figure FDA0002292595500000021
其中，z表述逆变控制器参数向量，在对参数向量辨识过程中，式(2)可以以及参数辨识误差函数：
Figure FDA0002292595500000022
其中，M(x,u)表示运行状态数据构成的矩阵，
Figure FDA0002292595500000026
表示为z的估计值；不间断电源运行中，每个时刻都可以获得一个如式(3)的误差函数单元，将一段时间内的误差函数单元结合起来，可以获得一个数据库形式的损失函数，对该数据库进行机器学习，即根据非线性优化理论，在损失函数获得最小值时，参数辨识获得最佳值，即有：
Figure FDA0002292595500000023
其中，式(4)是一个标准的二次规划算法，其中D表示为
Figure FDA0002292595500000027
估计范围，可以设计再参数标称值附近；
Figure FDA0002292595500000028
是误差函数的转置；
Figure FDA0002292595500000029
是不含运行数据的余项；采用二次规划算法寻找到逆变控制器参数的最佳值。
5.根据权利要求1所述的不间断电源学习型负载电流估计***，其特征在于，所述***还包括：UPS输出电流估计；
其中，所述UPS输出电流估计与所述逆变控制器连接，用于向所述逆变控制器输入估计电流iod,ioq。
6.根据权利要求5所述的不间断电源学习型负载电流估计***，其特征在于，所述逆变控制器需要估算所述***输出的负载电流ioA,ioB,ioC时，估算算法如下：
将ABC三相***在d-q轴中表述如下：
Figure FDA0002292595500000024
直接建立损失函数，如下：
Figure FDA0002292595500000025
其中，其中，x＝[iid,iiq,vod,voq]T，u＝[iod,ioq,vid,viq]T，A和B是由滤波电感和滤波电容以及电频率常数构成的逆变器参数矩阵；iid和iiq表示逆变器滤波电感的d-q轴电流，vid和viq表示逆变器输出d-q轴电压；iod和ioq表示滤波电容的d-q轴输出电流，vod和voq表示滤波电容的d-q轴输出电压。
7.根据权利要求3或6所述的不间断电源学习型负载电流估计***，其特征在于，所述逆变器参数矩阵A和B如下：
Figure FDA0002292595500000031
其中，L表示滤波电感，C表示滤波电容，ω表示电频率常数。
CN201911186849.1A 2019-11-28 2019-11-28 一种不间断电源学习型负载电流估计*** Active CN110943528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911186849.1A CN110943528B (zh) 2019-11-28 2019-11-28 一种不间断电源学习型负载电流估计***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911186849.1A CN110943528B (zh) 2019-11-28 2019-11-28 一种不间断电源学习型负载电流估计***

Publications (2)

Publication Number Publication Date
CN110943528A true CN110943528A (zh) 2020-03-31
CN110943528B CN110943528B (zh) 2021-11-16

Family

ID=69908319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911186849.1A Active CN110943528B (zh) 2019-11-28 2019-11-28 一种不间断电源学习型负载电流估计***

Country Status (1)

Country Link
CN (1) CN110943528B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489358A (zh) * 2021-06-29 2021-10-08 南京工程学院 一种逆变器的参数在线辨识方法
CN113777429A (zh) * 2021-08-26 2021-12-10 上海核工程研究设计院有限公司 一种滤波电容失效预警方法及控制装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11103578A (ja) * 1997-09-26 1999-04-13 Sanyo Denki Co Ltd 無停電電源装置
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法
CN102244400A (zh) * 2010-05-14 2011-11-16 美国能量变换公司 不间断电源控制的***和方法
US20140012522A1 (en) * 2012-07-06 2014-01-09 General Electric Company Systems, methods, and devices for capacitance estimation of power capacitors
CN203984087U (zh) * 2013-12-30 2014-12-03 武汉理工大学 基于plc的移动式不间断稳压电源***
CN105425768A (zh) * 2015-11-06 2016-03-23 国网山东莒县供电公司 一种电力二次设备监测装置及方法
CN107819357A (zh) * 2016-09-13 2018-03-20 通用电气公司 带有故障位置检测的隔离并联ups***
CN107944721A (zh) * 2017-11-30 2018-04-20 厦门理工学院 一种通用的基于数据挖掘的机器学习方法、装置以及***
CN109861374A (zh) * 2019-01-31 2019-06-07 张欣 一种无需负载电流传感器的三相全桥不间断电源控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11103578A (ja) * 1997-09-26 1999-04-13 Sanyo Denki Co Ltd 無停電電源装置
CN102033200A (zh) * 2009-09-29 2011-04-27 上海宝钢工业检测公司 基于统计模型的交流电机在线监测和诊断方法
CN102244400A (zh) * 2010-05-14 2011-11-16 美国能量变换公司 不间断电源控制的***和方法
US20140012522A1 (en) * 2012-07-06 2014-01-09 General Electric Company Systems, methods, and devices for capacitance estimation of power capacitors
CN203984087U (zh) * 2013-12-30 2014-12-03 武汉理工大学 基于plc的移动式不间断稳压电源***
CN105425768A (zh) * 2015-11-06 2016-03-23 国网山东莒县供电公司 一种电力二次设备监测装置及方法
CN107819357A (zh) * 2016-09-13 2018-03-20 通用电气公司 带有故障位置检测的隔离并联ups***
CN107944721A (zh) * 2017-11-30 2018-04-20 厦门理工学院 一种通用的基于数据挖掘的机器学习方法、装置以及***
CN109861374A (zh) * 2019-01-31 2019-06-07 张欣 一种无需负载电流传感器的三相全桥不间断电源控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄婷等: "UPS***的控制技术研究", 《福建电脑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489358A (zh) * 2021-06-29 2021-10-08 南京工程学院 一种逆变器的参数在线辨识方法
CN113777429A (zh) * 2021-08-26 2021-12-10 上海核工程研究设计院有限公司 一种滤波电容失效预警方法及控制装置

Also Published As

Publication number Publication date
CN110943528B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN110943528B (zh) 一种不间断电源学习型负载电流估计***
JP4473823B2 (ja) 電気エネルギー蓄積器のための複数の部分モデルを用いた状態量およびパラメータの推定装置
CN105391363B (zh) 一种旋转变压器初始位置自校正方法及装置
CA2802448A1 (en) System and method of speed detection in an ac induction machine
CN109387701B (zh) 三相变流装置及电容估算方法
CN106597291A (zh) 在线估算电池参数的方法
CN112305485B (zh) 电容式电压互感器的谐波电压测量误差修正方法及装置
CN114065114A (zh) 一种电容式电压互感器计量误差预测方法及***
CN108134409B (zh) 储能变流器的控制方法、装置、存储介质和处理器
CN110752603B (zh) 一种串联逆变器的复合控制方法、存储介质及设备
CN114200315B (zh) 剩余充电时间的预测方法、装置、电子设备和存储介质
CN113691151B (zh) 三电平逆变器控制方法及pcs***
US11356028B2 (en) Methods and apparatus for controlling a power converter
CN112114255B (zh) 一种基于联合集合卡尔曼滤波的锂电池荷电状态估计方法
CN110829936B (zh) 一种多台直线感应电机的整体控制方法、装置及设备
US20230042256A1 (en) Method, Apparatus, System, Electric Vehicle, Computer Program and Storage Medium for Charging or Discharging a Cell of an Electric Energy Store
JP4946642B2 (ja) 高調波電流補償装置
CN113675883A (zh) 一种并网逆变器控制延时参数辨识的方法
CN113315122A (zh) 一种计及逆变电源控制***非线性特征的故障暂态电流解析方法
CN112769154A (zh) 储能变流器的补偿控制方法、装置及终端设备
CN110768261A (zh) 一种基于状态空间预测的储能型dvr控制方法
CN109861523A (zh) 恒流模块串联输出的均压控制方法、装置及芯片
CN117767587B (zh) 无线电能传输***参数在线辨识方法、装置及存储介质
Li et al. State-of-Charge Estimation of Supercapacitors: A Switched Systems Approach
Vélez-Reyes Speed and parameter estimation for induction machines

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