探索宽电压范围大功率双向全桥LLC调频加移相混合调制(PFM + PSM)

宽电压范围大功率双向全桥LLC调频加移相混合调制(PFM+PSM) 1、正向LLC拓扑:输入400V,输出200~800V a.移相的电压范围为输出在200~350V之间 b.调频的电压范围为输出在350~800V之间(谐振腔的参数根据这个范围计算的),计算是按照输入额定电压400和输出额定电压380来计算的电压变比, 故额定工况在400V和380V 2、反向LC拓扑:输入200~800V,输出 可供学习参考。

在电力电子领域,宽电压范围大功率双向全桥LLC调频加移相混合调制(PFM + PSM)技术正逐渐崭露头角。今天咱们就深入剖析一下这个有趣的技术。

正向LLC拓扑

正向LLC拓扑的输入电压为400V,输出电压范围在200 - 800V。这个电压输出范围的控制可不是单一方式,而是巧妙地采用了移相(PSM)和调频(PFM)两种调制手段协同工作。

移相(PSM)的应用范围

当输出电压处于200 - 350V这个区间时,移相调制就发挥作用了。移相调制通过改变全桥变换器中开关管的导通相位差,来调节输出电压。这有点像通过调整水龙头开关的开合角度来控制水流大小。在代码实现上,可能会涉及到对开关管控制信号的相位调整:

python 复制代码
# 假设这里是控制开关管的代码片段
# 定义开关管的初始相位
phase = 0
# 当输出电压在200 - 350V时,调整相位
if output_voltage >= 200 and output_voltage <= 350:
    phase = calculate_phase(output_voltage)
    # 这里calculate_phase是根据输出电压计算合适相位的函数
    set_switch_phase(phase)
    # set_switch_phase是设置开关管相位的函数

在这段代码里,我们根据输出电压的范围,动态计算并设置开关管的相位,从而实现移相调制对输出电压的调控。

调频(PFM)的应用范围

当输出电压处于350 - 800V时,调频调制开始大显身手。调频调制是通过改变开关频率来调整输出电压。谐振腔的参数可是根据这个350 - 800V的电压范围精心计算的。这里的计算依据是输入额定电压400V和输出额定电压380V的电压变比,所以额定工况就在400V输入和380V输出这个状态。

在代码层面,可能会有如下体现:

python 复制代码
# 定义初始开关频率
switch_frequency = initial_frequency
# 当输出电压在350 - 800V时,调整开关频率
if output_voltage > 350 and output_voltage <= 800:
    switch_frequency = calculate_frequency(output_voltage)
    # calculate_frequency是根据输出电压计算合适频率的函数
    set_switch_frequency(switch_frequency)
    # set_switch_frequency是设置开关管频率的函数

这段代码根据输出电压的范围,重新计算并设置开关管的频率,以此达成调频调制对输出电压的调节。

反向LC拓扑

反向LC拓扑的输入电压范围在200 - 800V ,虽然这里没有给出具体输出情况,但从正向LLC拓扑的分析我们可以推测,它可能也会采用类似的巧妙控制策略来实现电压转换和功率传输。

宽电压范围大功率双向全桥LLC调频加移相混合调制(PFM + PSM)技术,通过合理划分不同调制方式的应用范围,有效地应对了复杂的电压转换需求。无论是正向LLC拓扑还是反向LC拓扑,都为电力电子系统在不同工况下的高效稳定运行提供了坚实的技术支持。希望今天的分享能为大家理解这一技术提供一些帮助和启发。

相关推荐
询问QQ688238861 天前
混合模型应用:磁链观测低速下精准无传感器控制技术
boosting
sensen_kiss20 天前
INT305 Machine Learning 机器学习 Pt.8 Bagging 和 Boosting
人工智能·机器学习·boosting
美人鱼战士爱学习21 天前
KAG: Boosting LLMs in Professional Domains via Knowledge Augmented Generation
人工智能·集成学习·boosting
极客数模1 个月前
2025年(第六届)“大湾区杯”粤港澳金融数学建模竞赛准备!严格遵循要求,拿下大奖!
大数据·python·数学建模·金融·分类·图论·boosting
lzptouch1 个月前
AdaBoost(Adaptive Boosting)算法
算法·集成学习·boosting
小杨互联网2 个月前
集成学习全解析:Bagging、Boosting、Stacking原理与实战(2025版)
机器学习·集成学习·boosting
九章云极AladdinEdu2 个月前
集成学习智慧:为什么Bagging(随机森林)和Boosting(XGBoost)效果那么好?
人工智能·随机森林·机器学习·强化学习·集成学习·boosting·ai研究
l12345sy3 个月前
Day22_【机器学习—集成学习(4)—Boosting—GBDT算法】
机器学习·集成学习·boosting·残差·gbdt算法·负梯度
Y|3 个月前
GBDT(Gradient Boosting Decision Tree,梯度提升决策树)总结梳理
决策树·机器学习·集成学习·推荐算法·boosting