中電圧用途向けの新しい非対称15レベルインバーター

サマリー

この記事では、10台のスイッチと3つの直流電源を持つ新しい15レベル非対称マルチレベルインバータを紹介します。スイッチング角度を最適化することで、AIベースの選択的調和除去技術によりTHDが低減し、効率(>97%)を向上させます。実験やシミュレーションにより、電力品質の向上、部品数の削減、中電圧適用の互換性が検証されています。

要約

本記事では、中電圧用途向けの低スイッチ非対称15レベル多層インバータ(MLI)トポロジーを示し、人工知能(AI)を用いる選択的調和除去(SHE)制御技術を組み合わせています。提案された構成では、10個の単方向スイッチと3つの不等等な直流電源が使用され、総常電圧(TSV)を制限しつつ、段階的な出力電圧を生成します。さまざまな変調指標の最善のスイッチング角度を見つけるために、人工ニューラルネットワーク(ANN)とニュートン・ラフソン法(NR)を組み合わせたハイブリッド制御戦略が用いられます。低電圧の実験プロトタイプを用いて提案されたトポロジーの性能をテストし、MATLAB/Simulinkのシミュレーションを用いて評価されます。結果は、評価された動作条件下で、インバータが低次高調波含有量と良好な変換効率を持つ多層出力波形を生成できることを示しています。評価された負荷範囲では、測定された効率は98.6%から97.1%の範囲であり、標準条件下では全高調波歪み(THD)は5.47%とされています。提案されたトポロジーは、文献からのいくつかの多層インバータトポロジーとの比較解析により、類似の動作仮定下でスイッチ数が少なく、TSVおよび調和波性能で競争力を得ています。しかしながら、運用状況や管理手順は研究全体で完全に標準化されていないため、これらの比較はあくまで参考に過ぎません。提案されたアーキテクチャは中電圧用途への拡張を目的としていますが、低電圧プロトタイプを用いてスイッチング挙動や制御能力を確認する実験検証が行われています。結果は、実験的検証が低電圧レベルで行われているにもかかわらず、トポロジーと制御技術が実現可能であることを示しています。より広範な適用性を得るためには、高電圧環境下での検証と標準化されたベンチマークフレームワークが必要です。

概要

広く認知されている再生可能エネルギー源として、太陽エネルギーは持続可能なエネルギーソリューションの模索の中で多くの注目を集めています。太陽光技術は効率の絶え間ない向上とコスト削減の成果により広く利用されています。太陽光発電は、化石燃料への依存を減らし、国がよりグリーンなエネルギーシステムへと移行する中で気候変動を遅らせるために不可欠です。太陽光発電(PV)エネルギーのコスト効率と環境面の利点が、このエネルギーを独特のものにしています。継続的な研究とシステム開発の目標は、円滑なグリッド統合を保証しつつ、PVセルのエネルギー抽出を最大化することです。マルチレベルインバータ(MLI)は、高出力レベルを管理できることから近年、重要な技術となり、スイッチング損失の低減、電力品質の向上、高調波歪みの減少、そして電磁干渉能力の向上(^1,2,3,4,5)などの利点を提供します。

MLIは幅広い直流電源を使用し、複数の半導体スイッチで構成される電気回路に電力を供給して段階的な電圧^{波形を作り}出します。レベルが増えるにつれて、波形の品質が向上します。しかし、部品数の増加により、良好な信頼性と効率の達成が難しく^{、コストが}増加します。MLIが特に再生可能エネルギー用途で良好に動作するためには、安定し信頼性の高い直流電源が不可欠です。電圧レベルを制御し変動を減らすことで、DC/DCコンバータは電圧品質とシステムの信頼性を大幅に向上させます。例えば、⁸で示唆された二次ブーストコンバータの堅牢なスライディングモード制御は、動的応答力の向上とシステムの安定性を示しています。同様に、⁹ の高利得DC/DCコンバータトポロジーの比較解析では、電圧を高くする高度な手法が明らかになり、PV用途におけるMLIとの統合に適格とされています。

フライングコンデンサ(FC)、カスケードHブリッジ(CHB)、ダイオードクランプまたはニュートラルポイントクランプ(NPC)は、MLIの3つの主要なトポロジー^です。複数の単相HブリッジユニットがCHBインバータを構成し、直流電圧^レベル11に応じて対称型と非対称型にさらに細分されます。従来のCHBインバータは、ゼロ、負、正の3つの出力レベルを生み出します。各ユニットの個別の出力電圧を合計して、全体の出力電圧^12,13を算出します。FCやNPCインバータは高電圧レベルでの電圧バランシングに困難がありますが、CHBインバータは中高電圧用途で好まれます¹⁴。

スイッチ数の少ない独自の構造が¹⁵では提案されていますが、複数の電源を必要とするという欠点があります。これらの課題に対処するためには、半導体デバイスの最適な活用が極めて重要です。16には双方向電源スイッチを備えた非対称インバータトポロジーが提示されており、IGBTの数を増やすことでインバータのコストを上げます。他の設計では、電源スイッチの数を減らしながら電圧レベルを上げることに重点を置いています(^17,18)。システムによって生成される直流ステップの出力を交流ステップに変換するために、フルブリッジコンバータが用いられます。フルブリッジコンバータの電圧遮断の制限により、用途は高電圧状況に限定されます。

研究¹⁹で記述された3つの単相ユニットからなる三相システムのような革新的なトポロジーは、単相および三相システムの部品数を減らすことを目的としています。サブユニットMLIは、スイッチ数が少なく、直流源^が20個の多層出力を生成するために、いくつかのトポロジーで使用されます。反並列に接続された双方向スイッチは、スイッチの数を減らし、両方向の電流伝導を可能にするために、一部のシステムで^{使用されています。}スイッチ間のブロッキング電圧は、サブユニットをカスケード接続することで低減され、モジュール式のフレームワークが形成されます。それでも、出力レベルが上がるとスイッチ数も増加しますが、これは依然として不利です。そのため、部品の切断やブロッキング電圧を同時にさまざまなレベルを提供する新しいMLI構成が常に需要が高く、最終的にインバータコストの削減につながります。新しいMLIトポロジーであるパックドHブリッジは、基本ユニットがブリッジ全体の両側に接続されている^25,26です。一方で、Hブリッジを廃止することで回路スイッチの電圧ストレスを減らす設計もあります。しかし、これらのトポロジーの多くは多くの要素を必要とします。出力電圧を最適化しつつスイッチ、コンデンサ、常電圧を最小化するために、ステップ²⁷を標準的な3脚とHブリッジセルを含むハイブリッドカスケード多レベルインバータ(HCFMLI)設計を調査します。研究^28,29では、対称的および非対称的な構成を用いたカスケードMLIトポロジーの比較が示されています。

ある研究では、直列に接続されたサブマルチレベルユニットに基づく多層変換器のカスケード設計が提案されており、直流源³⁰の大きさを計算する2つの方法があります。ある研究では、14個のスイッチ、4つのコンデンサ、2つのダイオードを備えたスパースな13レベルインバータが、単一の直流源で6倍のブースト出力電圧³¹を供給していると説明されています。すべての可能な出力電圧レベルは^、研究で提案されたカスケードトポロジーによって生成されており、比較解析により、より現代的な多層変換器³³よりも優れていることが示されています。対称および非対称出力電圧を持つ単相MLIは、^{別の研究で}トポロジーによって導入されました。別のリサーチ³⁵は、非対称直流ソース構成をサポートする単相ベースの多層トポロジーを提供し、15レベルの出力を実現しながらスペースとコストを削減します。

文献にはいくつかの15レベルインバータトポロジーが記録されていますが、スイッチ数、直流ソース構成、制御方法の違いによって複雑さ、コスト、調和性能のトレードオフが異なります。 表1は 、提案された設計を文脈に置くために、代表的な15レベルインバータトポロジーの構造比較をまとめたものです。比較はスイッチの数、直流電源、制御戦略といった重要な要素に焦点を当てています。研究によって運用条件や評価基準が異なるため、この比較は示唆的であり、明示された構成に基づいています。

この作業貢献は2つの分類に分けられます。(i) 非対称位相でスイッチ数の少ない15レベルインバータで構成される位相寄与;(ii)制御寄与:AI支援の選択的倍音除去(SHE)技術を用いて、低次倍波を除去しつつ基本的な電圧制御を維持しつつ最適なスイッチング角度を見つけること。選択的調和除去(SHE)定式化から導き出された変調指数と最適スイッチング角度との非線形関係を学習するために人工ニューラルネットワーク(ANN)を用いることは、本研究では特に「AIベース」と呼ばれています。ほぼ最適な初期解を提供し、その後ニュートン・ラフソン法で洗練することで、ANNはデータ駆動型の予測変数として機能し、計算負荷を大幅に削減します。数値手法のみと比べて、このハイブリッド手法により迅速な収束と実用的な応用が容易になっています。

主な目的は、非対称電源アプローチを採用し、最小限の電力デバイスで電流伝導を可能にする新しい単相システム設計を開発することです。本記事では、太陽光発電、電気自動車(EV)、その他の高出力仕様などの低電圧用途向けに15レベル(15L)インバーターを提案します。 図1 は、屋上太陽光パネル、バッテリー、燃料電池、スーパーコンデンサ、DC-DCコンバーター、電気駆動負荷が提案された多層インバーター(MLI)を介して接続されている様子を示しています。拡張可能な多層運転が、提案されているインバーター開発の主な重点です。設計コンセプトは、適切なデバイス選択、絶縁設計、システムレベルの懸念に応じて、たとえ現在の作業が低電圧実験室の試作機でトポロジーを検証した場合でも、中電圧用途への拡張を促進することを目的としています。本研究の主な貢献は以下の通りです:1) CHBに基づく新規非対称MLIトポロジーで、出力電圧レベルを維持しつつ、より少ない電力半導体スイッチを使用する方法、2) コスト関数および総常駐電圧(TSV)の最適化による経済性と効率の向上、3) 比較解析により提案されたトポロジーが現在のシステムを効率面で上回り、全調和歪み(THD)を低減していることが示されました。

プロトコル

位相配置

図2 は推奨されるアーキテクチャを示しており、10個のスイッチと3つの電圧源が非対称に配置されています。提案されている15レベルインバーターの直流電源は1:2:4の比率です。この比率は恣意的ではありません。直流源の数を最小限に抑えつつ、幅広い電圧の組み合わせを可能にするために選ばれました。選択した値は、重複せずに離散的な電圧ステップを生成できるため、出力レベル数を増加させます。本研究で使用されるすべての材料は 材料表に記載されています。

切り替えモード

この方法のスイッチング状態は 図3 および 図4に示されています。 赤は図3 および 図4のマッチングスイッチの導通経路、緑は非導通経路を示します。3つの優先電圧源を持つ10個のスイッチが配置され、自然な順番のレベルを作り出します。 表1は 必要な電圧レベルを生成するために使用されるスイッチを示しています。 表2では、0は非導電性を示し、1はスイッチの導電経路を示します。提案された位相の動作モードは以下の通りです。

0V_直流:この動作モードでゼロ電圧を達成するには、図3Aに示されたようにS₁、S₂、S₃、S₇、S₉のいずれかが導通します。

±1V_直流:S₁、_{S 5}、S₆、S₇、S₉ は 図3B に示されたモードに従って導通し、+1V_直流 出力電圧を得る。出力電圧として-1V直_流 を得るために、S₂、_{S 3}、S₄、S₈、S₁₀ は 図4Aの対応モードで示されるように導通します。

±2V_DC:出力電圧として+2V_dc を得るために、S₃、_{S 4}、S₆、S₇、S₉ が 図3Cに示された方法でオンになります。S₁、S₂、S₅、S₈、S₁₀ は 図4B モードに示された通りに導かれ、-2V直_流出力を得ます。

±3V_DC:図 3Dに示された+3V直流出力電圧を供給するため、S₁、_{S 3}、S₆、_{S 7}、S₉ がそれぞれ導通します。 図4 に示されているように、S₂、S₄、S₅、S₈、S₁₀ は同様の導通方法で-3Vの_直流 出力電圧を発生させます。

±4V_DC:S₁、_{S 2}、S₃、S₇、S₈ は 図3E に示されたように導通し、出力電圧として +4V_直流 を動作させます。S₄、_{S 5}、S₆、_{S 9}、S₁₀ は 図4Dに示された順序で導かれ、出力電圧は-4V直_流となります。

±5V_DC:出力電圧として+5V_DC を生成するためのスイッチングシーケンスは 図3Fに示されています。 図4E はスイッチの導電率パターンを示し、出力電圧レベルを-5V_dcと示しています。

±6V_DC:出力電圧として+6V_DC となる対応するスイッチングパターンは 図3Gに示されています。 図4F は、出力電圧-6V直_流を供給するために使われるスイッチパターンを示しています。

±7V_直流:S₁、_{S 3}、S₆、S₇、S₈ は 図3H に示されるように導通し、出力電圧は+7V直_流となります。S₂、S₄、S₅、_{S 8}、S₉ は 図4G に示されるように導通し、出力電圧は-7V直_流となります。

変調法

本研究では、提案されたインバーターの有効性を解析するために低周波制御技術を用いています。選択的高調波除去(SHE)は、低周波数スイッチングの手法を利用してMLIの動作を行います。低次高調波はSHEによって効率的に除去され、スイッチング損失も最小化されます。しかし、この方法を使うにはいくつかの難しい超越方程式を解く必要があります。 図4 は、四分の一波長対称性において考慮されるスイッチング角度を示しています。mレベル(mは奇数)の出力電圧波形は2(m-1)のスイッチング角度を持ちます。 図5 はスイッチング角度を4つの象限に分けていることを示しています。主なスイッチング角度は第1象限の角で、0からπ/2までの範囲です。残りの象限角は主要なスイッチング角を用いて容易に求めることができます。

インバータ全体の全高調波歪み(THD)を減らすために、SHE技術は低次高調波を除去することを目指しています。出力には15レベルがあるため、提案されるインバータはSHEPWMを使って、3、5、7、9、11、13といった低階倍音をターゲットにして除去します。小型フィルターを用いて高次倍音を抑制することが可能です。出力電圧波形の数学式はフーリエ級数を用いて得られます。以下の式はこれらの式を提供します。

(1)

ここで ₀= 直流成分

a_n= 偶調和

b_n=奇倍音

この場合

(2)

(3)

(4)

出力波形の四分の一サイクル対称性は偶数次高調波(a_n = 0)と直流成分(a₀ = 0)を打ち消し、奇数倍波(b_n)だけが残ります。したがって、多層インバータ出力方程式は次のように表されます

(5)

15レベルインバーターであるため、1/4サイクルの間、7つの点火角度を用いて各高調波成分のピーク電圧を決定します。以下の方程式はピークの調和成分を表しています。

(6)

(7)

(8)

(9)

(10)

(11)

(12)

負荷から除去するには、3次、5次、7次、9次、11次、13次高調波の電圧大きさを上記の方程式のいずれかのゼロに調整する必要があります。

(13)

インバータの変調指数(M)は次のように計算できます。

(14)

ニュートン・ラフソン法(NR)法が発射角の計算に用いられ、SHE PWMの主な目的は調和値を可能な限り低減することです。NRアプローチは、非線形方程式の解法を初期推定値(0から90^◦の間の乱数)から始めます。数値を用いた反復は j と e で表されます。NRアプローチは以下の行為を含みます。

ステップ1:発射角度を求めるために、初期値を設定します。

(15)

ステップ2:「k回」の反復における「n」変数のヤコビ行列を用いて、非線形方程式とdαの値を計算します。

(16)

(17)

ステップ3:δαが閾値より大きければ、ステップ4を繰り返します。閾値がδα以上であれば、プロセスを停止します。

ステップ4:式(18)がα値を更新したら、ステップ2に進みます。

(18)

理想的なスイッチング角度を決定するために、人工ニューラルネットワーク(ANN)とニュートン・ラフソン法が用いられます。ANNは訓練手順のために初期入力を必要とします。この手法で用いられる人工ニューラルネットワークの内部層は 図6に示されています。理想的なスイッチング角度を提供するために、入力層と出力層の間に2つの隠れ層(H₁ とH₂)と、V_DCの値を持った単一の入力層で構成されています。このモデルは「tanh」活性化関数を用いて非線形にしており、その範囲は-1から1′の範囲です。それぞれの入力に重みを割り当てることで、個々のニューロン(Y_i)を計算します。Kは0から前の層のニューロン数までの値です。出力値はtanh関数を用いて指定された範囲内でスケーリングされます。以下はその説明です

(19)

なお、 W_k は各ニューロンの重み、 X_k は第k個ニューロンの出力、 Bi は隠れ層のバイアスを表します。誤差指標は平均二乗誤差(MSE)損失を用いて計算されます。アダム最適化器を使って各層の重みを修正するバックプロパゲーション手法が誤差損失を軽減するために用いられます。

(20)

図7のフローチャートは、ハイブリッドANN-NRアルゴリズムの最適化手順を示しています。ハイブリッド人工ニューラルネットワーク(ANN)とニュートン・ラフソン(NR)手法を用いて、非線形選択的調和消去(SHE)方程式をニュートン・ラフソン法で解き、変調指数0.6 ≤ M ≤ 1.0でオフラインで訓練データセットを作成することで、最適スイッチング角度の正確かつ計算効率の高い計算を保証します。第3、第5、第7、第9、第11、第13倍音の高調除去要件を満たす有効なスイッチング角度セット(α_₁–α 7)が各変調指数に対して検出され保存されます。変調指数(M)を表す入力ニューロン1つ、隠れ層2つ、そしてスイッチング角度α_₁から₇までの7つの出力ニューロンαフィードフォワードニューラルネットワークを構成しています。最初の隠れ層には15個、2番目の層には10個のニューロンがあります。出力層は線形活性化関数を持ちますが、隠れ層は非線形性を加えるために双曲的接(tanh)活性化関数を用います。入力データと出力データの両方が、訓練の安定性と収束性を高めるために範囲[−1, 1]に標準化されています。訓練前に変調指数とスイッチング角度を適切にスケールし、推論中に再スケールされます。

データセットはトレーニングセット、検証セット、テストセットに60:20:20に分割されています。学習率0.001、損失関数として平均二乗誤差(MSE)を持つアダム最適化手法がネットワークの学習に用いられます。過適応を避けるため、訓練は最大1000エポックにわたり早期停止を含みます。MSEがあらかじめ定められた閾値を下回るか、検証損失が50回連続エポックで改善しない場合(忍耐基準)に訓練は停止されます。特定の変調指数に対する初期のスイッチング角度推定は、動作中に訓練済みのANNによって提供されます。ニュートン–ラフソン反復解はこれらの推定を出発条件として用います。NRアプローチは、ANN出力を微調整して非線形SHE方程式を完全に満たすことで、正確な調和除去を保証します。

意図する高調波(第3次から第13次)の残差大きさが0.5%未満であり、スイッチング角度が必要な順序制限を満たす場合、解は有効とみなされます。
0 < α₁ < α₂ < α₃ < α₄ < α₅ < α₆ < α₇ < π / 2。このハイブリッドANN–NR戦略は、反復的数値手法の優れた精度とニューラルネットワークの迅速な予測力を組み合わせた、全変調率範囲にわたる迅速な収束と信頼性の高い調和抑制を実現しています。 表2は 、MI値の範囲に関する複数のパラメータ(α₁ から_{α 7})および測定値(5^番目、7^番目、11^番目、13^番目)の情報を示しています。これらの数値は、MI値に関連する測定値や形質を反映しているように見えます。 図8A は変調指数に対する切り替え角度の変化を示し、 図8B は調和次数が変調指数に対してどのように変化するかを示しています。

パフォーマンス分析

本研究では、提案された15レベル非対称インバータの性能を、電圧応力分布、変換効率、電力損失特性、デバイス利用率に焦点を当てて評価し、これらはすべて実際の実装に直接影響を与えます。さまざまな動作条件下ですべてのスイッチの最大遮断電圧を合計して、総スタンディング電圧(TSV)を算出します。表2に示されたスイッチング状態に基づいて、電圧応力がデバイス間で均等に分布していないことに注意します。例えば、スイッチS₁、S₂、S₅、_{S 9}、S₁₀は、それぞれ+6V_DC動作レベルでVdc、3V_dc、2V_dc、4V_dc、4V_dcのブロッキング電圧に遭遇します。

この構成では、電源(V3)に接続されたスイッチングデバイスのピーク電圧ストレスは同じですが、電源(V1およびV2)に接続されたスイッチデバイスは異なる値を持ちます。以下の式はスイッチの最大電圧応力を示しています。

V_S1 = V_S4 = V₁ = V_DC (21)

V_S3 = V_S5 = V₂ = 2V_DC (22)

V_S2 = V_S6 = V₁ + V₂ = 4V_DC (23)

V_S7 = V_S8 = V_S9 = V_S10 = V₃ = 4V_DC (24)

ここで V_Sn は、デバイスがオフ状態にあるときの最大電圧ストレスを表します。提案された設計の総定時電圧(TSV)は(25)で表されます。

TSV = 2 * V_S1 + 2 * V_S3 + 2 * V_S2 + 4 * V_S7 = 30 V_DC (25)

非対称な直流電源配置とスイッチングシーケンスは、 図9に示される非均一な応力プロファイルを直接生み出します。不均一な分布のために、部品の過剰な応力を防ぐために慎重な評価と選択が必要ですが、全体のTSVは従来型設計より低いです。提案された位相の枠組みの中で、スイッチの数と到達可能な電圧レベルとの関係も評価します。現在のアーキテクチャでは、従来のカスケード構造とは異なり、10台のスイッチを使って15レベルを達成しています。従来のカスケード構造では、レベル向上には部品の比例的な増加が必要です。私たちの調査によると、伝導経路はこの削減を達成するために複数の動作モードで再利用されています。しかし、この方法は単純なスケーラビリティを高電圧レベルに制限し、スイッチングロジックにさらなる制限を加えます。

式(26)は、電源数(N_s)、スイッチ数(_{N sw})、ゲートドライバー回路数(N個の_{ドライバー})、ダイオード数(N_D)、コンデンサ数(N_C)、コストファクター(CF)、効率に依存するすべての項を用いてコスト係数を計算することで得られます。この場合、δは重み付け係数を表します。部品はδが1未満のときにより多くの重みが与えられ、総常常電圧(TSV)(p.u.)はδが1より大きいときにより重みが与えられます。δ = 1の場合、成分重みとTSV(p.u.)は等しいです。本研究で議論されたすべての位相について、δは1と仮定されます。

CF = N_s + _{N sw} + N_{ドライバー} + N_D + _{N C} + δ*TSV(p.U.(26)

インバータの効率はしばしば式(27)で表されます。

(27)

ここで、出力、入力、損失はそれぞれP_出力、_P入力、P_損失で表されます。スイッチング損失と伝導損失は、提案されたトポロジーにおける3種類の電力損失です。スイッチング損失:これらの損失は、デバイスを1サイクルで素早くオン・オフすることで生じます。この式は遷移によって生じるスイッチング損失を表現するために用いられます。

 

(28)

(29)

i番目のスイッチのターンオン損失、ターンオフ損失、オフ状態電圧はそれぞれ P_swlturnon(i)、 P_swltunoff(i)、 V_swoffで表されます。 I_on と i_off はスイッチのオン・オフ状態の電流を表しています。式(30)は、これらの損失をどのように合計して全体のスイッチング損失(P_sw(Total))を決定するかを示しています。

(30)

伝導損失:スイッチの伝導損失は次のように表されます

(31)

(32)

ここで、V_donとV_swonはそれぞれダイオードとスイッチのオン状態電圧降下を表し、P_DconとP_swconはダイオードとスイッチの伝導損失を表します。ダイオードとスイッチのオンステート抵抗はRドンとRス_ウォンで表され、スイッチの平均電流とRMS電流はi_Davg、i_swavg、i_Drms、i_swrmsで表されます。

選定されたデバイスについては、PLECS半導体モデルの構成に標準データシートベースの特性が用いられます。スイッチング損失(P_オン、_Pオフ)、伝導パラメータ(R_Don, V_Don)、熱抵抗は公称データシート値を用いて指定され、メーカーデータからの完全な曲線フィッティングが利用できない場合、PLECSによって瞬時の動作状況に応じて内部的にスケールされます。

図10に示されたPLECSシミュレーションプラットフォームを用いて、導電損失とスイッチング損失の両方のデバイスレベルの特徴を考慮し、損失解析を行い電力消費を評価します。損失の分布は負荷によって劇的に変化することがわかりました。純粋な抵抗負荷では、特定のスイッチが一定の電流流を受けるため、伝導損失が主に発生します。一方で、電圧と電流の位相遅延により、RL負荷ではスイッチング損失が増加し、スイッチング遷移時のエネルギー消費が増加します。図11Aおよび図11Bはこの挙動を示しており、一部のスイッチは伝導役割に応じて継続的により高い損失濃度を示します。

図12に示すように、インバータの総効率は、0〜2000Wのさまざまな動作条件下での出力電力と入力電力を比較して算出されます。私たちの調査結果によると、定格状況付近での効率は低出力時の98.6%から97.1%に低下しました。この傾向を説明するには、電流の大きさが大きくなるほどスイッチングや伝導損失がより大きく寄与することを指摘します。観察された変化は、高負荷レベルで損失メカニズムがより顕著になり、効率は良好であっても熱設計に考慮すべきであることを示唆しています。

これらの性能指標は、簡略化された寄生モデリングと理想化されたスイッチ挙動を前提とするシミュレーション条件下で導出されることを強調してほしい。実際の応用では、デッドタイム挿入、ゲートドライバ遅延、迷いインダクタンス、温度依存のデバイス特性などの他の要素が効率や損失分布を変えることがあります。その結果は、比較評価の一貫した基盤を提供したものの、実際の運用上のすべての影響を完全に捉えているわけではありません。TSV、効率、損失分布は多層インバータ解析のベンチマーキング基準として頻繁に用いられており、本研究で用いられる性能評価手法はこの分野で認められている手順に沿っています。しかし、本研究で考慮されるトポロジー、スイッチング技術、動作条件は定量的結果に本質的に依存していることを指摘します。

文献で提案されている非対称15レベルインバータといくつかの多層インバータトポロジーは、 表3で対比されています。スイッチ数、直流電源数、制御技術、一般的な動作特性などの構造的および性能関連の要素が比較の焦点です。^24、25のように多くのスイッチ(最大16個)を用いたり、ハイブリッドや高周波変調技術に依存したりするため、制御の複雑さやスイッチング損失の増加につながると指摘されています。異なる変調方式や設計上の制約で動作しますが、²⁷のような他の低減スイッチトポロジーはデバイス数が少なくなります。

低周波SHEベースの制御フレームワークの下で、提案されたアーキテクチャは10のスイッチと3つの直流電源を用いて15レベルの出力を生成します。特定のリファレンス設計と比較すると、このトポロジーはスイッチ数が少なく、このセットアップおよび動作状態では中程度の全常電圧(TSV)を示します。ただし、提供された比較は文献データに基づいており、すべての研究が同じ動作環境、変調システム、負荷仮定を用いているわけではないことを強調すべきです。その結果、直接的な一対一の性能同等性を証明することは不可能です。完全に調整された基準値を提供するのではなく、比較は構造的かつ示唆的な評価を意図しています。全体として、評価された作業範囲内で、推奨される構成は部品数、制御の複雑さ、調和性能の間で実用的なトレードオフを提供します。

結果

シミュレーション結果

15レベルの操作はMATLAB/Simulinkインターフェースを用いてシミュレートされます。負荷パラメータはそれぞれ100 Ωと100mHで、15段階の電源電圧は100V、200V、400Vに分類されています。提案されているインバータは基本周波数である50Hzで動作します。抵抗性負荷条件下でのインバータ性能は図13に示されています。図14は、さまざまな負荷状況下でのインバーター動作を示しています。さまざまな誘導負荷下でのインバータ動作条件は補足図1に示されています。ソース電圧変動の波形は補足図2に示されています。補足図3は、15レベルインバータの基本出力が698.9Vで、関連するT...

ディスカッション

本記事では、低減スイッチ非対称15レベルインバータトポロジーとAI支援選択的調和消去(SHE)技術を組み合わせた手法を紹介します。提案された配置は、スイッチ数、全常電圧(TSV)、高調波性能のバランスが良好であるため、太陽光システムや電気駆動インターフェースのような中電圧用途に適しています。このトポロジーは、シミュレーションおよび実験結果と一致し、標準動作条件下で97.1%を超える効率で高品質なステップ付き電圧波形を生成できます。従来の反復のみ手法よりも理想的なスイッチング角度への収束を速く可能にするハイブリッドANN–Newton–Raphson(NR)フレームワークは、提案された手法³⁶の主要な特徴です。これにより、DSPプラットフォームを用いたリアルタイム実装の実現可能性が向上し、オフライン処理時の計算負荷を最小限に抑えます。さらに、電源スイッチの数が少ないため、ゲート駆動回路が簡素化され、伝導損失も低くなっており、これらは限られた資源の用途において非常に重要です。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
現在のセンサー	ホール効果センサー	—	電流測定に使用
DC電源（絶縁型）	ラボ用電源	—	10 V、20 V、40 V絶縁DCソース
デジタルストレージョオシロスコープ（DSO）	テクトロニクス	—	波形観察と測定に使用
DSPコントローラー	テキサスインスツルメンツ	TMS320F28379D	パルス生成と制御実装に使用
ゲートドライバ回路	カスタムビルトドライバIC	IR2110	MOSFETスイッチング制御に使用
誘導負荷	—	—	30 mHインダクタ
MATLAB/Simulink	MATLAB	バージョン（2025a）	シミュレーションと分析に使用
MOSFET	インフィニオン	IRFP460	500 V、20 Aパワースイッチ、インバーターで使用
PCB /ブレッドボードセットアップ	カスタム	—	ハードウェア実装に使用
パーソナルコンピュータ	—	—	シミュレーションとDSPプログラミングに使用
PLECSソフトウェア	PLECS	バージョン（5.0.3.）	熱および損失分析に使用
パワーダイオード	ONセミコンダクタ	MUR860	600 V、8 A高速回復ダイオード
電源ユニット	—	—	制御およびドライバ回路の補助電源
抵抗負荷	—	—	30 Ωパワー抵抗
電圧プローブ	テクトロニクス	—	電圧波形取得に使用