이 글에서는 10개의 스위치와 3개의 DC 소스를 가진 새로운 15레벨 비대칭 다레벨 인버터를 소개합니다. 스위칭 각도를 최적화함으로써 AI 기반 선택적 조화 제거 기법은 THD를 낮추고 효율을 높입니다(>97%). 실험과 시뮬레이션을 통해 향상된 전력 품질, 부품 수 감소, 중전압 응용 호환성이 입증되었습니다.
이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.
이 논문에서
요약
초록
이 글에서는 중전압 응용을 위한 축소 스위치 비대칭 15레벨 다단계 인버터(MLI) 토폴로지와 인공지능(AI)의 지원을 받는 선택적 조화 제거(SHE) 제어 기법을 제시합니다. 제안된 배치에는 총 정지 전압(TSV)을 제한하면서 계단식 출력 전압을 생성하기 위해 10개의 단방향 스위치와 3개의 불균등 DC 소스가 사용됩니다. 다양한 변조 지수에 대해 가장 효과적인 스위칭 각도를 찾기 위해 인공 신경망(ANN)과 뉴턴-래프슨(NR) 방법을 결합한 하이브리드 제어 전략이 사용됩니다. 제안된 토폴로지의 성능을 테스트하기 위해 저전압 실험 프로토타입을 사용하며, 이는 MATLAB/Simulink 시뮬레이션을 통해 평가됩니다. 연구 결과는 평가된 작동 조건 하에서 인버터가 낮은 저차 고조파 함량과 우수한 변환 효율을 가진 다단계 출력 파형을 생성할 수 있음을 보여줍니다. 평가된 부하 범위 내에서 측정된 효율은 98.6%에서 97.1% 사이이며, 명목상 조건에서 총 고조파 왜곡(THD)은 5.47%로 나타난다. 제안된 위상은 문헌의 몇몇 다수준 인버터 토폴로지와의 비교 분석에 따르면, 유사한 작동 가정 하에서 낮은 스위치 수와 경쟁력 있는 TSV 및 조화 성능을 달성합니다. 그럼에도 불구하고, 작전 상황과 통제 절차가 연구 전반에 걸쳐 완전히 표준화되어 있지 않기 때문에, 이러한 비교는 단지 유익한 정보일 뿐입니다. 제안된 아키텍처는 중전압 응용으로의 확장 가능성을 목표로 하지만, 실험적 검증은 저전압 프로토타입을 사용하여 스위칭 동작과 제어 능력을 확인한다. 결과는 실험적 검증이 낮은 전압 수준에서 수행되었음에도 불구하고 위상학과 제어 기법이 실현 가능함을 보여줍니다. 더 넓은 적용성을 달성하기 위해서는 고전압 상황에서의 검증과 표준화된 벤치마킹 프레임워크가 필요합니다.
서론
널리 인정받는 재생 가능 에너지원으로서, 태양광 에너지는 지속 가능한 에너지 솔루션을 찾는 데 많은 관심을 받고 있습니다. 태양광 기술은 효율성의 지속적인 향상과 비용 절감 덕분에 널리 사용되고 있습니다. 태양광 발전은 화석 연료 의존도를 줄이고 국가들이 더 친환경 에너지 시스템으로 나아가면서 기후 변화를 늦추는 데 필수적입니다. 태양광 에너지의 비용 효율성과 환경적 이점은 이 에너지를 독특하게 만듭니다. 지속적인 연구 및 시스템 개발의 목표는 원활한 전력망 통합을 보장하면서 PV 셀의 에너지 추출을 극대화하는 것입니다. 다단계 인버터(MLI)는 높은 전력 수준을 관리할 수 있는 능력 덕분에 최근 몇 년간 필수 기술이 되었는데, 이는 낮은 스위칭 손실, 향상된 전력 품질, 그리고 향상된 전자기 간섭 능력과 같은 이점을 제공하기 때문입니다. 1,2,3,4,5.
MLI는 다양한 DC 소스를 사용하고, 여러 반도체 스위치로 구성된 전기 회로에 전력을 공급하여 계단식 전압파형을 생성합니다. 레벨이 더 많아질수록 파형의 품질이 향상됩니다. 하지만 부품 수가 증가함에 따라 좋은 신뢰성과 효율성을 달성하기 어려워져 비용이 증가합니다. 특히 재생 에너지 분야에서 MLI가 잘 작동하려면 안정적이고 신뢰할 수 있는 DC 전원 공급이 필수적입니다. 전압 수준을 제어하고 변동을 줄임으로써 DC/DC 컨버터는 전압 품질과 시스템 신뢰성을 크게 향상시킵니다. 예를 들어,8에서 제안한 이차 부스트 컨버터의 견고한 슬라이딩 모드 제어는 동적 응답과 시스템 안정성이 향상되었습니다. 이와 유사하게,9 에서 고이득 DC/DC 변환기 토폴로지에 대한 비교 분석은 전압을 부스트하는 정교한 방법들이 있음을 보여주며, 이는 PV 응용에서 MLI와의 통합에 적합함을 의미합니다.
플라잉 커패시터(FC), 캐스케이드 H-브리지(CHB), 다이오드 클램프 또는 중성 점 클램프(NPC)는 세 가지 주요 MLI 토폴로지입니다. 여러 단상 H-브리지 유닛이 CHB 인버터를 구성하며, DC 전압레벨 11에 따라 대칭형과 비대칭형으로 다시 나뉩니다. 기존 CHB 인버터는 세 가지 출력 레벨을 생성합니다: 0, 음극, 양극. 각 유닛의 개별 출력 전압을 합산하여 전체 출력 전압을 산출합니다.12,13. FC 및 NPC 인버터는 고전압 수준에서 전압 밸런싱에 어려움을 겪지만, CHB 인버터는 중고전압 응용에 선호됩니다14.
15에서는 스위치 수가 적은 독특한 구조가 제안되지만, 여러 개의 전원 공급원이 필요하다는 단점이 있습니다. 이러한 문제를 해결하기 위해서는 반도체 소자의 최적 활용이 매우 중요합니다. 양방향 전력 스위치를 가진 비대칭 인버터 토폴로지는16에서 제시되며, 이는 IGBT 수를 증가시켜 인버터 비용을 높입니다. 다른 설계는 전압 수준을 높이면서 전원 스위치 수를 줄이는 데 집중합니다17, 18. 시스템이 생성하는 DC 스텝 출력을 AC 스텝으로 변환하는 데 전체 브리지 컨버터가 사용됩니다. 풀브리지 컨버터의 전압 차단 제한 때문에 응용은 고전압 상황에 한정됩니다.
연구에서 설명된 3상 3상 시스템과 같은 여러 혁신적인 토폴로지는 단상 및 3상 시스템의 구성 요소를 줄이기 위해 설계되었습니다. 서브유닛 MLI는 일부 토폴로지에서 더 적은 스위치와20개의 DC 소스로 다중 레벨 출력을 생성하는 데 사용됩니다. 양방향 스위치는 반병렬로 연결되어 일부 시스템에서 스위치 수를 줄이고 양방향 전류 전도(21,22,23,24)를 허용하는 데 사용됩니다. 스위치 간 차단 전압은 계단화된 하위 단위로 줄여 모듈식 프레임워크를 만듭니다. 그럼에도 불구하고 출력 레벨이 증가하면 스위치 수가 증가하는데, 이는 여전히 단점입니다. 부품 절단과 차단 전압을 조절하면서 다양한 수준을 제공하는 새로운 MLI 구성은 지속적으로 수요가 높아져 궁극적으로 인버터 비용을 낮추고 있습니다. 새로운 MLI 토폴로지인 팩드 H-브리지(packed H-bridge)는 전체 브리지25,26의 양쪽에 기본 단위가 연결되어 있습니다. 반면, 다른 설계는 H-브리지를 없애 회로 스위치에 가해지는 전압 스트레스를 줄이는 데 중점을 둡니다. 하지만 이러한 위상들은 많은 구성 요소를 필요로 합니다. 스위치, 커패시터, 정기 전압을 최소화하고 출력 전압을 최적화하기 위해27단계에서, 표준 3-레그 및 H-브리지 셀을 하단에 포함하는 하이브리드 캐스케이드 다레벨 인버터(HCFMLI) 설계를 조사합니다. 연구28,29에서는 대칭 및 비대칭 구성을 이용한 계단식 MLI 토폴로지 비교가 제공되었습니다.
한 연구는 직렬로 연결된 하위 다단계 유닛을 기반으로 한 다준위 변환기의 계단식 설계를 제안하며, DC 소스30의 크기를 계산하는 두 가지 방법을 제공합니다. 한 연구에서는 14개의 스위치, 4개의 커패시터, 2개의 다이오드를 가진 드문 13레벨 인버터가 단일 DC 소스를 사용해 6배 부스트 출력 전압31을 제공하는 것을 설명합니다. 모든 가능한 출력 전압 레벨은 연구에서 제안된 캐스케이드 토폴로지에 의해 생성되며, 비교 분석 결과 이 토폴로지는 더 현대적인 다레벨 변환기33보다 우수함을 보여줍니다. 다른연구에서는 대칭 및 비대칭 출력 전압을 가진 단상 MLI가 토폴로지에 의해 도입되었습니다. 또 다른 리서치35는 비대칭 DC 소스 구성을 지원하는 단일 상 기반 다레벨 토폴로지를 제공하며, 15레벨 출력을 달성하면서 공간과 비용을 줄입니다.
여러 15레벨 인버터 토폴로지가 문헌에 문서화되어 있지만, 스위치 수, DC 소스 구성, 제어 방법론의 차이로 인해 복잡성, 비용, 고조파 성능의 다양한 트레이드오프가 발생합니다. 표 1은 제안된 설계를 맥락에 맞게 설명하기 위해 대표적인 15레벨 인버터 토폴로지의 구조적 비교를 요약합니다. 비교는 스위치 수, DC 소스, 제어 전략과 같은 중요한 요소에 초점을 맞춥니다. 운영 조건과 평가 기준이 연구마다 다르기 때문에, 이 비교는 명시된 구성에 근거한 시사적 의미가 있습니다.
이 작업 기여는 두 가지 분류로 나눌 수 있습니다: (i) 스위치 수가 적은 비대칭 위상을 기반으로 한 15레벨 인버터로 구성된 위상학 기여; 그리고 (ii) 제어 기여로, AI 지원 선택적 고조파 제거(SHE) 기법을 사용하여 기본 전압 제어를 유지하면서 하위 차수 고조파를 제거하는 최적의 스위칭 각도를 찾는 방법입니다. 인공 신경망(ANN)을 사용하여 변조 지수와 선택적 조화 제거(SHE) 공식에서 도출된 최적 스위칭 각도 간의 비선형 관계를 학습하는 것은 본 연구에서 특히 "AI 기반"이라고 부릅니다. 근접 최적 초기 해를 제공한 후 뉴턴-래프슨 방법을 통해 정제됨으로써, ANN은 데이터 기반 예측 변수로서 계산 노력을 크게 줄여줍니다. 단순 수치 방법과 비교할 때, 이 하이브리드 접근법은 더 빠른 수렴과 실용적인 적용을 가능하게 합니다.
주요 목표는 비대칭 전원 방식을 활용하여 최소한의 전력 장치로 전류 전도가 가능하도록 하는 새로운 단상 시스템 설계를 개발하는 것입니다. 이 글은 태양광 발전, 전기차(EV) 및 기타 고출력 사양과 같은 저전압 응용을 위한 15레벨(15L) 인버터를 제안합니다. 그림 1 은 제안된 다단계 인버터(MLI)를 통해 옥상 태양광 패널, 배터리, 연료전지, 슈퍼 커패시터, DC-DC 컨버터, 전기 구동 부하를 연결하는 과정을 보여줍니다. 확장 가능한 다단계 작동이 제안된 인버터 개발의 주요 초점입니다. 설계 개념은 적절한 장치 선택, 절연 설계, 시스템 수준의 우려에 따라 중전압 응용으로의 확장을 용이하게 하기 위한 것으로, 현재 작업이 저전압 실험실 프로토타입을 사용해 토폴로지를 검증하더라도 마찬가지입니다. 이 연구의 주요 기여는 다음과 같습니다: 1) CHB 기반 새로운 비대칭 MLI 토폴로지, 높은 출력 전압을 유지하면서 적은 전력 반도체 스위치를 사용하는 방법, 2) 비용 함수 및 총 정기 전압(TSV)의 최적화, 3) 비교 분석 결과 제안된 토폴로지가 현재 시스템보다 효율 면에서 우수하고 총 조화 왜곡(THD)을 감소시키는 결과.
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
프로토콜
위상수상 구성
그림 2 는 권장되는 아키텍처를 보여주며, 10개의 스위치와 3개의 전압원이 비대칭적으로 배열되어 있습니다. 제안된 15레벨 인버터의 DC 전원 비율은 1:2:4입니다. 이 비율은 임의가 아닙니다; 이 방식은 DC 전원 수를 최소화하면서도 다양한 전압 조합을 생성할 수 있도록 선택되었습니다. 선택된 값은 중복 없이 이산 전압 단계를 생성할 수 있게 하여 출력 레벨 수를 증가시킵니다. 이 연구에 사용된 모든 재료 는 재료표에 나열되어 있습니다.
전환 모드
이 방법의 스위칭 상태는 그림 3 과 4에 표시되어 있습니다. 빨간색은 도도성 경로를, 녹색은 그림 3 과 4에서 일치하는 스위치들의 비도도 경로를 나타냅니다. 세 가지 선호 전압원을 가진 10개의 스위치가 배치되어 자연스러운 크기의 연속으로 레벨을 만듭니다. 표 1은 필요한 전압 레벨을 생성하는 데 사용되는 스위치들을 나열합니다. 표 2에서 0은 비전도도를, 1은 스위치의 전도도 경로를 나타냅니다. 제안된 위상의 작동 모드는 다음과 같습니다.
0V직류: 이 작동 모드에서 0 전압을 달성하려면, S1,S 2, S3,S 7,S 9 중 하나가 그림 3A에 나타난 대로 전도합니다.
±1V직류: S1,S 5, S6, S7, S9 는 그림 3B 에 표시된 +1VDC 출력 전압 획득 모드에 따라 전도합니다. 출력 전압으로 -1VDC 를 얻으려면, S2,S 3, S4,S 8, S10 이 도통하며, 이는 그림 4A의 해당 모드로 나타난다.
±2V직류: 출력 전압 +2VDC 를 얻기 위해 S3,S 4, S6, S7,S 9 가 그림 3C에 나타난 방식으로 켜집니다. S1,S 2, S5,S 8, S10 은 그림 4B 모드에 표시된 방식과 동일하게 도도되어 -2V직류 출력을 달성합니다.
±3V직류: 그림 3D에 표시된 +3Vdc 출력 전압을 제공하기 위해 S1,S 3,S 6,S 7,S 9 가 각각 전도합니다. 그림 4 에서 보듯이 S2,S 4, S5,S 8, S10 은 유사한 방식으로 전도하여 -3VDC 출력 전압을 생성합니다.
±4V직류: S1,S 2, S3, S7, S8 은 그림 3E 에 나타난 방식으로 도통하여 +4V직류 를 출력 전압으로 동작시킵니다. S4,S 5, S6,S 9, S10 은 그림 4D에 표시된 순서대로 수행되어 출력 전압이 -4V직류가 됩니다.
±5V직류: 출력 전압으로 +5V직류 를 생성하는 스위칭 시퀀스는 그림 3F에 나타난다. 그림 4E 는 스위치의 전도 패턴을 보여주어 출력 전압 레벨인 -5V직류를 제공합니다.
±6V직류: 출력 전압이 +6VDC 인 해당 스위칭 패턴은 그림 3G에 나와 있습니다. 그림 4F 는 -6V직류 출력 전압을 전달하는 데 사용되는 스위치 패턴을 보여줍니다.
±7V직류: S1,S 3, S6, S7, S8 은 그림 3H 에 보이는 대로 +7V직류 출력을 생성합니다. S2,S 4, S5,S 8, S9 는 그림 4G 에 나타난 대로 -7V직류 출력을 달성합니다.
변조 방법
이 연구에서는 제안된 인버터의 효능을 분석하기 위해 저주파 제어 기법을 사용합니다. 선택적 고조파 제거(SHE)는 MLI의 동작을 수행하기 위해 저주파 스위칭 방법론을 활용합니다. 저차 고조파는 SHE를 통해 효율적으로 제거되어 스위칭 손실을 최소화합니다. 하지만 이 방법을 사용하려면 여러 어려운 초월적 방정식을 해결해야 합니다. 그림 4 는 4분의 1파장 대칭에 고려되는 스위칭 각도를 보여줍니다. m 레벨(m은 홀수) 출력 전압 파형은 2(m-1) 스위칭 각도를 가집니다. 그림 5 는 스위칭 각도를 네 개의 사분면으로 나누는 모습을 보여줍니다. 주요 스위칭 각도는 0에서 π/2까지 이어지는 첫 번째 사분면에 있는 각도입니다. 나머지 사분면 각도는 주요 스위칭 각도를 사용하여 쉽게 결정할 수 있습니다.
인버터의 전체 총고조파 왜곡(THD)을 줄이기 위해 SHE 기법은 저차 고조파를 제거하는 것을 목표로 합니다. 출력이 15레벨이기 때문에, 제안된 인버터는 SHEPWM을 사용해 3, 5, 7, 9, 11, 13과 같은 저차 고조파를 타겟팅하고 제거합니다. 작은 필터를 사용해 고차 고조파를 성공적으로 억제할 수 있습니다. 출력 전압 파형의 수학적 표현은 푸리에 급수를 사용하여 얻습니다. 다음 방정식들이 이러한 식을 제공합니다:
(1)
여기서 0= DC 성분이
an= 짝수 조화
bn=홀수 하모닉
이 경우
(2)
(3)
(4)
출력 파형 쿼터 사이클 대칭성은 짝수 차수 고조파(an = 0)와 DC 성분(a0 = 0)을 상쇄하여 홀수 고조파(bn)만 남게 합니다. 따라서 다단계 인버터 출력 방정식은 다음과 같이 표현됩니다
(5)
15레벨 인버터이기 때문에 1/4 주기 동안 7개의 점화 각도를 사용하여 각 고조파 성분의 최대 전압을 결정합니다. 다음 방정식은 피크 고조파 성분을 나타냅니다.
(6)
(7)
(8)
(9)
(10)
(11)
(12)
부하에서 제거하려면 위 방정식 중 3, 5, 7, 9, 11, 13차 고조파의 전압 크기를 0으로 조정해야 합니다.
(13)
인버터의 변조 지수(M)는 다음과 같이 계산할 수 있습니다.
(14)
뉴턴-래프슨(NR) 방법을 사용하여 발사 각도를 계산하며, SHE PWM의 주요 목표는 가능한 한 고조파 값을 줄이는 것입니다. NR 접근법은 비선형 방정식 해를 0에서 90◦ 사이의 난수인 초기 추정치로 시작합니다. 숫자가 포함된 반복은 j와 e로 표현됩니다. NR 접근법은 다음과 같은 행동을 포함합니다.
1단계: 발사 각도를 찾기 위해 초기 값을 설정합니다.
(15)
2단계: "k" 반복에서 "n" 변수에 대한 야코비안 행렬을 사용하여 비선형 방정식과 dα의 값을 계산합니다.
(16)
(17)
3단계: δα가 임계값보다 크면 4단계를 반복합니다. 임계값이 δα 이상이면 과정을 중단합니다.
4단계: 식(18)이 α값을 업데이트하면 2단계로 넘어갑니다.
(18)
이상적인 스위칭 각도를 결정하기 위해 인공 신경망(ANN)과 뉴턴-래프슨 접근법이 사용됩니다. 학습 절차를 위해 ANN은 초기 입력이 필요합니다. 이 방법에 사용되는 인공 신경망의 내부 계층은 그림 6에 나타난다. 이상적인 스위칭 각도를 제공하기 위해 입력과 출력 층 사이에 위치한 두 개의 숨겨진 층(H1 과 H2)과 Vdc 값을 가진 단일 입력 층으로 구성됩니다. 이 모델은 -1에서 1′ 범위인 "탄(tanh)" 활성화 함수를 사용하여 비선형적으로 만듭니다. 각 입력에 가중치를 할당함으로써 개별 뉴런(Yi)을 계산합니다. K는 0과 이전 층의 뉴런 수 사이의 값입니다. 출력 값은 tanh 함수를 사용하여 지정된 범위 내에서 스케일링됩니다. 다음은 이에 대한 설명입니다
(19)
참고로 Wk 는 각 뉴런의 무게, Xk 는 k번째 뉴런의 출력, Bi 는 숨겨진 층의 바이어스를 의미합니다. 오차 지표는 평균제곱오차(MSE) 손실을 사용하여 계산됩니다. 각 층의 가중치를 수정하기 위해 Adam 최적화기를 사용하는 역전파 접근법이 오차 손실을 줄이기 위해 사용됩니다.
(20)
그림 7의 흐름도는 하이브리드 ANN-NR 알고리즘의 최적화 절차를 설명합니다. 인공 신경망(ANN)과 뉴턴-래프슨(NR) 기법이 혼합되어 최적 스위칭 각도의 정확하고 계산 효율적인 계산을 보장하며, 비선형 선택 조화소거(SHE) 방정식을 뉴턴-래프슨 방법으로 0.6 ≤ M ≤ 1.0 변조 지수 범위에서 해결하여 오프라인에서 학습 데이터셋을 생성합니다. 3, 5, 7, 9, 11, 13 고조파에 대한 고조파 제거 요건을 충족하는 유효한 스위칭 각도 집합(α₁–α7)이 각 변조 지수에 대해 찾아 저장됩니다,2. 변조 지수(M)를 나타내는 입력 뉴런 하나, 숨겨진 두 층, 그리고 스위칭 각도 α₁부터7까지 α 7을 나타내는 7개의 출력 뉴런이 피드포워드 신경망을 구성합니다. 첫 번째 숨겨진 층에는 15개의 뉴런, 두 번째 층에는 열 개의 뉴런이 있습니다. 출력 계층은 선형 활성화 함수를 가지지만, 숨겨진 계층은 비선형성을 추가하기 위해 쌍곡 접(tanh) 활성화 함수를 사용합니다. 입력 및 출력 데이터 모두 훈련 안정성과 수렴성을 높이기 위해 [−1, 1] 범위로 표준화됩니다. 학습 전에 변조 지수와 스위칭 각도를 적절히 스케일링하고, 추론 과정에서 재스케일링됩니다.
데이터셋은 훈련, 검증, 테스트 세트로 60:20:20으로 나뉩니다. 학습률 0.001과 손실 함수로 평균 제곱 오차(MSE)를 가진 아담 최적화 기법이 네트워크 학습에 사용됩니다. 과적합을 방지하기 위해 최대 1000에포크까지 훈련이 진행되며, 조기 정지가 포함됩니다. MSE가 미리 정해진 임계값 이하로 떨어지거나 검증 손실이 50년 연속 에포크(인내심 기준)에 개선되지 않으면 훈련이 중단됩니다. 특정 변조 지수에 대한 초기 스위칭 각도 추정은 훈련된 ANN이 작동 중에 제공합니다. 뉴턴–래프슨 반복 해법은 이러한 추정값을 시작 조건으로 사용합니다. NR 접근법은 ANN 출력을 미세 조정하여 비선형 SHE 방정식을 완벽하게 충족시켜 정확한 조화학 제거를 보장합니다.
의도된 고조파(3차–13차)의 잔차 크기가 0.5% 미만이고 스위칭 각도가 필요한 순서 제한을 충족할 때, 해가 유효하다고 간주됩니다:
0 < α1 < α2 < α3 < α4 < α5 < α6 < α7 < π / 2. 이 하이브리드 ANN–NR 전략은 반복 수치 기법의 우수한 정확성과 신경망의 빠른 예측력을 결합한 전체 변조 지수 범위에 걸친 신뢰할 수 있는 조화 억제의 결과입니다. 표 2는 MI 값 범위에 대한 여러 매개변수(α1 부터α 7까지)와 측정값(5차, 7차, 11차, 13차)에 대한 정보를 보여줍니다. 이 수치들은 MI 값과 관련된 측정값이나 형질을 반영하는 것으로 보입니다. 그림 8A 는 변조 지수에 대해 스위칭 각도가 어떻게 변하는지를 보여주며, 그림 8B 는 조화 차수가 변조 지수에 대해 어떻게 변하는지 보여줍니다.
성능 분석
본 연구에서는 제안된 15레벨 비대칭 인버터의 성능을 전압 스트레스 분포, 변환 효율, 전력 손실 특성, 장치 활용도에 집중하여 평가하며, 이 모든 요소가 실제 구현에 직접적인 영향을 미칩니다. 다양한 작동 조건에서 모든 스위치의 최대 차단 전압을 합산하여 총 정지 전압(TSV)을 산출합니다. 표 2에 표시된 스위칭 상태에 따라 전압 스트레스가 장치 간에 고르게 분포되지 않는다는 점을 주목합니다. 예를 들어, 스위치S 1,S 2, S5,S 9, S10은 각각 +6VDC 작업 수준에서 Vdc, 3Vdc, 2Vdc, 4V dc, 4Vdc 차단 전압을 만납니다.
이 구성에서는 소스(V3)에 연결된 스위칭 장치의 최대 전압 스트레스가 동일하지만, 소스(V1과 V2)에 연결된 스위칭 장치는 서로 다른 값을 가집니다. 다음 방정식은 스위치의 최대 전압 스트레스를 나타냅니다.
VS1 = VS4 = V1 = VDC (21)
VS3 = VS5 = V2 = 2VDC (22)
VS2 = VS6 = V1 + V2 = 4VDC (23)
VS7 = VS8 = VS9 = VS10 = V3 =4VDC (24)
여기서 VSn 은 소자가 오프 위치에 있을 때 최대 전압 스트레스를 나타냅니다. 제안된 설계의 총 정지 전압(TSV)은 (25)로 표현됩니다.
TSV = 2 * VS1 + 2 * VS3 + 2 * VS2 + 4 * VS7 = 30 VDC (25)
비대칭 DC 소스 배열과 스위칭 순서는 그림 9에 나타난 비균일한 응력 프로파일을 직접 초래합니다. 불균등한 분포는 전체 TSV가 전통적인 설계보다 낮음에도 불구하고 과도한 응력을 방지하기 위해 신중한 장치 등급과 선택이 필요합니다. 제안된 위상수학의 틀 안에서 스위치 수와 달성 가능한 전압 수준 간의 연관성도 평가합니다. 현재 아키텍처는 15단계 달성을 위해 10개의 스위치를 사용하는데, 이는 전통적인 계단 구조와 달리 레벨 향상을 위해 부품 수가 비례적으로 증가해야 하는 방식과는 다릅니다. 조사에 따르면, 전도 경로는 이 감소를 위해 여러 작동 모드에서 재사용되고 있습니다. 그럼에도 불구하고 이 방법은 단순한 확장성을 높은 전압 수준으로 제한하고 스위칭 논리에 더 많은 제약을 추가합니다.
식(26)은 전원 수(Ns), 스위치 수(N sw), 게이트 드라이버 회로 수(N드라이버), 다이오드 수(ND), 커패시터 수(NC), 비용 계수(CF), 그리고 효율성에 의존하는 모든 항을 이용해 비용 계수를 계산하여 얻습니다. 이 경우 δ가 가중치 계수를 나타냅니다. 부품은 δ가 1보다 작을 때 더 많은 가중치를 부여받고, 총 정치 전압(TSV)(p.u.)은 δ가 1보다 클 때 더 많은 가중치를 부여합니다. δ = 1이라면, 구성 요소 가중치와 TSV (p.u.)는 같습니다. 이 연구에서 논의된 모든 위상에 대해 δ는 1.
CF = Ns + NSW + N드라이버 + ND + NC + δ*TSV(p.U.) (26)
인버터의 효율은 종종 식(27)으로 표현됩니다.
(27)
여기서 전력 출력, 전력 입력, 전력 손실은 각각 P출력, P 입력, P손실로 표현됩니다. 스위칭 손실과 전도 손실은 제안된 위상에서 세 가지 유형의 전력 손실입니다. 스위칭 손실: 이 손실은 한 사이클 내에 장치를 빠르게 켜고 끄면서 발생합니다. 이 공식은 전이에 의해 발생하는 스위칭 손실을 표현하는 데 사용됩니다.
(28)
(29)
i번째 스위치의 턴 온 손실, 턴오프 손실, 오프 상태 전압은 각각 Pswlturnon(i), Pswltunoff(i), V스워프로 표시됩니다. I온과 I 오프는 스위치의 온과 오프 상태에서 전류를 나타냅니다. 식(30)은 이러한 손실을 어떻게 합산하여 전체 스위칭 손실(Psw(Total))을 결정하는지 보여줍니다.
(30)
전도 손실: 스위치의 전도 손실은 다음과 같이 표현됩니다
(31)
(32)
여기서 V돈과 V스완은 각각 다이오드와 스위치의 온(on) 상태 전압 강하를, PDcon과 Pswcon은 다이오드와 스위치의 전도 손실을 나타냅니다. 다이오드와 스위치의 온스테이트 저항은 RDon과 Rswon으로 나타내며, 스위치의 평균 및 RMS 전류는 iDavg, iswavg, iDrms, iswrms로 표현됩니다.
선택된 소자들의 경우, 표준 데이터시트 기반 특성을 사용하여 PLECS 반도체 모델을 구성합니다. 스위칭 손실(P온,P 오프), 전도 파라미터(RDon, VDon), 열 저항은 명목 데이터시트 값을 사용하여 명시되며, 제조사 데이터에서 완전한 곡선 적합이 불가능한 경우 PLECS가 내부적으로 스케일링합니다.
그림 10에 나타난 PLECS 시뮬레이션 플랫폼을 사용하여 전도 및 스위칭 손실에 대한 장치 수준의 특성을 고려하여 전력 소모를 평가하는 손실 분석을 수행합니다. 손실 분포는 부하에 따라 극적으로 변한다는 것을 발견했습니다. 순수 저항 부하 시 전도 손실이 주로 발생하는데, 이는 특정 스위치가 일정한 전류 흐름을 경험하기 때문입니다. 반면, 전압과 전류 간의 위상 지연은 RL 부하의 스위칭 손실을 증가시켜 스위칭 전이 시 에너지 소모를 증가시킵니다. 그림 11A와 11B는 이러한 동작을 보여주며, 일부 스위치는 전도 역할에 따라 지속적으로 더 큰 손실 농도를 보입니다.
그림 12에 나타난 것처럼, 인버터의 총 효율은 0–2000 W의 다양한 작동 조건에서 출력 전력과 입력 전력을 비교하여 계산됩니다. 우리의 조사 결과에 따르면, 낮은 출력 수준에서는 98.6%에서 등급 조건 근처에서 효율이 97.1%로 떨어졌습니다. 우리는 전류 크기가 커질수록 스위칭과 전도 손실이 더 크게 기여한다는 점을 지적하며 이 경향을 설명합니다. 관찰된 변화는 부하가 높을수록 손실 메커니즘이 더 두드러지며, 효율이 여전히 좋더라도 열 설계에서 고려해야 함을 시사합니다.
이러한 성능 측정값은 단순화된 기생 모델링과 이상화된 스위칭 동작을 전제로 하는 시뮬레이션 조건에서 도출된다는 점을 강조하는 것이 중요합니다. 실제 적용에서는 데드 타임 삽입, 게이트 드라이버 지연, 유괴 인덕턴스, 온도 의존성 소자 특성과 같은 다른 요소들이 효율과 손실 분포를 변화시킬 수 있습니다. 따라서 결과는 비교 평가의 일관된 근거를 제공하더라도 모든 실제 운영 영향을 완전히 포착하지는 못합니다. TSV, 효율성, 손실 분포는 다중 수준 인버터 분석에서 벤치마킹 기준으로 자주 사용되며, 이 연구에서 사용되는 성능 평가 접근법은 해당 분야의 인정된 절차와 일치합니다. 그러나 이 연구에서 고려한 위상, 스위칭 기법, 작동 조건은 본질적으로 정량적 결과에 의존한다는 점을 지적합니다.
문헌에서 제안된 비대칭 15레벨 인버터와 몇 가지 다레벨 인버터 토폴로지는 표 3에서 대조됩니다. 스위치 수, DC 전원 수, 제어 기술, 일반적인 작동 특성과 같은 주요 구조 및 성능 관련 요소들이 비교의 초점입니다. 24, 25와 같은 일부 현재 배열은 더 많은 스위치(최대 16개)를 사용하거나 하이브리드 또는 고주파 변조 기법에 의존하여 제어 복잡성과 스위칭 손실이 증가할 수 있다는 점이 지적되었습니다. 서로 다른 변조 방식과 설계 한계 하에서 작동하지만,27과 같은 다른 축소 스위치 토폴로지는 더 적은 장치 수를 달성합니다.
저주파 SHE 기반 제어 프레임워크 하에서, 제안된 아키텍처는 10개의 스위치와 3개의 DC 소스를 사용하여 15레벨 출력을 생성합니다. 특정 참조 설계와 비교할 때, 이 토폴로지는 스위치 수가 적고 이 설정 및 작동 상태에서 중간 정도의 총 정지 전압(TSV)을 보입니다. 그러나 제공된 비교는 문헌 데이터를 기반으로 하며, 모든 연구가 동일한 작동 환경, 변조 시스템, 부하 가정을 사용하는 것은 아님을 강조해야 합니다. 따라서 직접적인 1:1 성능 동등성을 입증하는 것은 불가능합니다. 완전 조정된 기준선을 제공하는 대신, 비교는 구조적이고 시사적인 평가를 제공하는 것을 목적으로 합니다. 전반적으로, 평가된 작업 범위 내에서 제안된 구성은 부품 수, 제어 복잡성, 조화 성능 간의 실용적인 균형을 제공합니다.
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
결과
시뮬레이션 결과
15단계 연산은 MATLAB/Simulink 인터페이스를 통해 시뮬레이션됩니다. 부하 매개변수는 각각 100 Ω와 100 mH이며, 15개 레벨의 전원 전압은 100 V, 200 V, 400 V로 분류됩니다. 제안된 인버터는 기본 주파수인 50 Hz에서 동작합니다. 저항 부하 상태에서의 인버터 성능은 그림 13에 표시되어 있습니다. 그림 14 는 다양한 부하 시나리오에서의 인버터 작동을 보여줍니다. 다양한 유도 부하 하에서의 인버터 작동 조건은 보조 그림 1에 나타났습니다. 소스 전압 변동에 대한 결과 파형은 보충 그림 2에 나와 있습니다. ...
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
토론
이 글에서는 AI 지원 선택적 조화 제거(SHE) 기법과 결합된 축소 스위치 비대칭 15레벨 인버터 토폴로지를 소개합니다. 제안된 배열은 스위치 수, 총 정기 전압(TSV), 고조파 성능 간의 균형을 잘 이루기 때문에 태양 시스템이나 전기 구동 인터페이스와 같은 중전압 응용에 적합합니다. 이 토폴로지는 시뮬레이션 및 실험 결과와 일치하는 명목상 작동 조건에서 97.1%를 초과하는 고품질의 계단식 전압 파형을 생성할 수 있습니다. 전통적인 반복 방식보다 이상적인 스위칭 각도로 더 빠르게 수렴할 수 있게 하는 하이브리드 ANN–Newton-Raphson(NR) 프레임워크는 제안된 방법36의 주요 특징입니다. 이로 인해 DSP 플랫폼을 이용한 실시간 구현의 실현 가능성이 높아지고 오프라인 처리 시 컴퓨팅 수요를 최소화합니다. 더불어, 전력 스위치 수가 줄어들면 게이트 구동 회로가 더 단순해지고 전도 손실이 줄어들며, 이는 제한된 자...
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
공개 사항
저자들은 이해 상충이 없음을 선언합니다.
감사의 글
저자들은 이 연구가 공공, 상업 또는 비영리 부문의 자금 지원 기관으로부터 특정 보조금을 받지 않았다고 선언합니다.
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
재료
```html
```
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| 현재 센서 | 홀 효과 센서 | — | 전류 측정에 사용 |
| DC 전원 공급 장치 (절연) | 실험실 공급 | — | 10 V, 20 V, 40 V 절연 DC 소스 |
| 디지털 저장 오실로스코프 (DSO) | 텍트로닉스 | — | 파형 관찰 및 측정에 사용 |
| DSP 컨트롤러 | 텍사스 인스트루먼트 | TMS320F28379D | 펄스 생성 및 제어 구현에 사용 |
| 게이트 드라이버 회로 | 맞춤형 드라이버 IC | IR2110 | MOSFET 스위칭 제어에 사용 |
| 유도 부하 | — | — | 30 mH 인덕터 |
| MATLAB/Simulink | MATLAB | 버전 (2025a) | 시뮬레이션 및 분석에 사용 |
| MOSFET | 인피니언 | IRFP460 | 인버터에 사용되는 500 V, 20 A 전원 스위치 |
| PCB / 브레드보드 설정 | 맞춤형 | — | 하드웨어 구현에 사용 |
| 개인용 컴퓨터 | — | — | 시뮬레이션 및 DSP 프로그래밍에 사용 |
| PLECS 소프트웨어 | PLECS | 버전 (5.0.3.) | 열 및 손실 분석에 사용 |
| 전원 다이오드 | 온세미컨덕터 | MUR860 | 600 V, 8 A 고속 복구 다이오드 |
| 전원 공급 장치 | — | — | 제어 및 드라이버 회로용 보조 공급 |
| 저항 부하 | — | — | 30 Ω 전원 저항기 |
| 전압 프로브 | 텍트로닉스 | — | 전압 파형 획득에 사용 |