摘要:目前,在欧洲的几条铁路网络中,使用传统的直流电气化系统,既无法增加交通量,也无法使机车以标称功率运行。轨道旁储能系统 (TESS) 可以作为新建变电站的替代解决方案。TESS 限制接触线电压下降并平滑高峰交通期间吸收的功率。因此,可以在限制成本和环境影响的同时提高电力系统的效率。本文提出了一种基于全 SiC 隔离 DC/DC 转换器的 TESS 新拓扑,该转换器与锂离子电池和电流隔离相结合,为运行安全提供了重大优势。发生故障时,转换器的输入和输出端子将电气分离,并且接触线电压绝不会直接施加到电池上。此外,使用 SiC MOSFET 可以获得具有高开关频率的出色效率。本文第一部分介绍了基本 TESS 模块的主要特性,第二部分针对 1.5 kV 直流线路的典型情况提出了一种尺寸确定方法,该方法表明了使用 TESS 增强电源的局限性。最后,介绍了基本模块原型的实验结果。
摘要 — 癫痫是一种以反复发作、无诱因癫痫发作为特征的神经系统疾病,早期诊断对于有效的管理和治疗至关重要。然而,由于癫痫发作的微妙性质和大脑活动模式的复杂性,癫痫的诊断,特别是在早期阶段,仍然具有挑战性。在本研究中,我们引入了医学信息视觉转换器 (MIVT),这是一种深度学习架构,专门设计用于从多模态神经影像数据中改善早期癫痫诊断。我们的模型整合了医学知识和最先进的视觉转换器 (ViT) 的见解,以提高癫痫发作检测和定位的准确性和可解释性。MIVT 利用脑电图 (EEG) 丰富的空间和时间特征,使系统能够学习与早期癫痫发作前兆和生物标志物相对应的判别特征。我们在大型多模态癫痫数据集上证明了 MIVT 的有效性,其性能优于传统深度学习模型,即 Inception V3、ResNet-50、VGG-16 和 AlexNet,优势高达 17%。我们的结果表明,MIVT 模型的表现优于现有技术,诊断准确率为 93.55%,特异性为 88.89%,AUC 为 98.72%,精确率为 86.67%,召回率为 100%。它显示出弥合机器学习模型与临床实践之间差距的潜力。
能源转型加速了可再生能源的大规模使用,特别是太阳能和风能取代化石燃料[1]。然而,为了确保电力生产和消费之间的平衡,储能系统与可再生能源发电机相结合[2]。这些储能系统还必须满足效率和电网支持方面的要求。欧洲人才项目提出将BESS的电压从传统的低压机架[3]1kV-1.4kV提高到中压机架(2×1 500V,中点接地),以实现高效率(> 99%)并减少所需功率元件原材料的数量。在外部开关调制模式(OSMM)下工作的ANPC转换器的主要优势在于仅在逆变器或整流器模式下使用小开关环路,从而可以提高开关速度[4]。本文重点介绍ANPC转换器设计。作者将在后续文章中对DC/DC转换器进行分析。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
Bikash Sah博士收到了B.Tech。2014年,印度印度阿鲁纳恰尔邦(Arunachal Pradesh)的美国国家理工学院电气和电子工程学士学位,以及印度印度古瓦哈蒂(Guwahati)印度印度科技研究所的电子和电气工程博士学位,2021年。他目前是德国Sankt Augustin的Bonn-Rhein-Sieg Applied Sciences of Bonn-Rhein-Sieg University,用于电子动力和电化学系统的集体负责电力电子产品。他还与德国卡塞尔的弗劳恩霍夫能源经济学和能源系统技术IEE IEE合作。他已经从事工业,学术界和研究实验室的项目已经工作了十多年,这些项目涉及电力电子和电化学系统,着重于电动性,电池,电解和燃料电池系统。他目前的研究兴趣包括
注意:1。c1用作带有交流输入的滤波器电容器(必须在外部连接),并用作带有直流输入的EMC滤波器电容器(必须连接),建议使用带有波纹电流>300mA@100kHz的电容器。2。我们建议使用具有高频和低ESR等级的电解电容器作为C3(请参阅制造数据表),当在正常和高温环境中应用时,电解电容器可用于C2。与C2,L1结合使用,它们形成PI型滤波器电路。选择具有至少20%边距的电容器电压额定值,换句话说,C4是陶瓷电容器,用于过滤高频噪声。3。建议在转换器故障的情况下使用抑制器二极管(TVS)来保护应用程序,并且规范应为输出电压的1.2倍。4。L1(2.2UH,P/N:12050504)Mornsun引号。
I.引言全球对可持续能源解决方案的推动力是在耗尽的化石燃料储量和环境问题的驱动下,促进了电力电子产品的进步[1]。关键在这些创新中是双向DC-DC转换器,该转换器最初是为电动机驱动器而设计的,以控制速度和制动[2]。今天,他们的应用跨越了关键部门,例如直流驱动器,微电网,可再生能源存储和混合动力汽车,对于管理电力流量和在高功率情况下稳定电压至关重要[3]。但是,这些转换器在高功率应用中面临一些挑战,例如由于系统流动较大,电感器的大小增加,因此转换器的尺寸增加。另外,由于开关现象,输入电流会产生波动,因此为了克服这些问题,引入了转换器中的相互交流拓扑。此拓扑涉及多个阶段,这些阶段彼此并联以共享功率载荷[1]。
本文提出了与传统控制方法进行比较的DC-DC Boost Converter Control的基于DC-DC Boost Converter Control的基于近端策略优化(PPO)的强化学习方法。使用MATLAB Simulink共模拟对PPO算法的性能进行了评估,结果表明,实现短期结算时间和稳定性的最有效方法是将PPO算法与基于增强学习的控制方法相结合。模拟结果表明,基于RL的控制方法具有PPO算法提供了超过传统控制方法的步骤响应特征,从而增强了DC-DC增强转换器的控制。这项研究还强调了增强学习方法的固有能力,以增强增强转换器控制的性能。
摘要:光伏 (PV) 发电机是现代电网的重要组成部分。大多数 PV 系统利用各种最大功率点跟踪 (MPPT) 算法向公用设施注入最大可用功率。然而,在阳光明媚的日子里,持续获得最大功率会导致基于电力电子的 DC-DC 转换器的热应力增加和可靠性降低。本文提出了一种 DC-DC 转换器的热模型,该模型根据热传感器感测到的功率损耗和环境温度来评估累积温度。建议采用热控制策略将转换器主要组件的温度保持在允许的范围内。热控制包括两个阶段:初级阶段,调整 IGBT 开关的开关频率以降低累积温度;次级阶段,调整基于电流的 MPPT 算法以降低通过主开关的最大电流。这种方法旨在延长所用 DC-DC 转换器的使用寿命并降低其运营成本。此外,通过频率响应的稳定性分析确定开关频率变化的允许范围,使用闭环系统的波特图来评估频率响应的稳定性。所提出的热控制是在 MATLAB/Simulink 环境中实现的。相关结果证明了所提出的控制在将温度保持在可接受的范围内并从而提高系统可靠性方面的有效性。