新闻详情

新闻详情

首页 / 资讯中心 / 详情

主动功率因数校正器(Active Power Factor Correcting,APFC)的仿真解析

发布时间:2026/10/30 8:41:37来源:尧图网络
主动功率因数校正器(Active Power Factor Correcting,APFC)的仿真解析
APFC的基本原理APFC的核心思想是让输入电流波形主动跟随电压波形。最常见的实现方式是采用Boost升压拓扑结构。未加APFC时的输入电流特征当一个电路没有APFC时典型的输入电流波形如下图所示从上图可以看出当市电电压瞬时值高于母线电压时整流二极管导通市电向母线电容充电。因此在每个正弦波峰值附近市电电流会出现一个持续时间短但峰值高的窄脉冲其余时间电流几乎为零。这种电流波形具有以下特征峰值高电容充电特性导致电流瞬间很大导通角小二极管仅在电压峰值附近导通谐波丰富包含大量高次谐波分量这种未经过调节的电流波形PF值低通常仅0.5-0.6THD高可超过100%对电网环境和设备有严重危害。Boost型APFC的工作原理为了改善上述问题在整流器后级串接Boost电路如下图所示利用Boost电路的电感储能特性和开关管的PWM调节可以实现电流连续化通过高频开关使输入电流在整个工频周期内连续波形正弦化控制电感电流的包络线跟随电压波形呈正弦变化升压作用Boost电路将母线电压提升至高于输入电压峰值通常380V-400V消除死区APFC的控制环路设计本文介绍的APFC控制环路采用电压外环、电流内环的串级控制方式同时叠加输入电压前馈控制框图如下各环节功能说明控制环节作用实现方式电压外环稳定母线电压在设定值PI/1P1Z补偿器输出为电流幅值指令乘法器生成正弦电流参考电压外环输出 × 整流后电压波形输入电压前馈提高动态响应将输入电压形状直接叠加到电流指令电流内环跟踪正弦电流参考PR控制器对基波增益高下图是在GeckoCircuits中模拟的APFC控制环路实现关键设计要点电压外环使用数字1P1Z补偿器详见我的另一篇随笔《在 GeckoCIRCUITS 上开发新工具模块的方法》它能有效跟踪直流信号电流内环采用PR控制器对工频正弦信号具有高增益可实现对交流指令的无静差跟踪输入电压前馈将整流后的正弦半波电压直接引入电流指令其作用包括减轻电流环的跟踪负担提高系统动态响应速度改善输入电流波形质量电路结构与驱动策略本文仿真采用的电路是无桥Boost PFC拓扑Bridgeless Boost PFC其电路结构及工作过程如下图所示无桥Boost PFC的工作特点省去了传统整流桥利用开关管体二极管实现整流功能导通损耗降低电流路径上仅经过2个半导体器件传统拓扑需3个驱动策略特殊需要根据输入电压极性切换控制逻辑驱动信号分配原则正半周IGBT.2高频PWM开关控制电感储能与释能IGBT.1保持常通作为电流回路路径负半周IGBT.1高频PWM开关IGBT.2保持常通这种驱动策略确保了无论输入电压极性如何Boost电路都能正常工作且电流波形保持正弦。运行仿真仿真波形如下图在PFC启动前期母线电压未进入稳定状态且低于市电电压峰值电流波形呈现出窄导通角的特征。母线电压升起来并稳定之后电流波形呈现正弦曲线。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/30 4:02:09

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/29 23:30:48

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/29 13:36:24

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/29 19:55:35

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/29 13:36:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/30 5:26:05

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉