《Energy Exploration & Exploitation》：A high-gain isolated DC–DC converter for renewable energy and electric vehicle applications: Long-term field validation and machine-learning-assisted performance assessment
编辑推荐：
高增益隔离型DC-DC变换器对于将光伏（PV）组件和燃料电池等低压可再生能源与电动汽车（EV）牵引及充电系统所需的高压直流母线相连接至关重要；然而，现有的高升压设计通常依赖多开关或磁路复杂的拓扑结构，且仅在短期实验室条件下进行验证，在长期稳定性、频谱特性和实际
高增益隔离型DC-DC变换器对于将光伏（PV）组件和燃料电池等低压可再生能源与电动汽车（EV）牵引及充电系统所需的高压直流母线相连接至关重要；然而，现有的高升压设计通常依赖多开关或磁路复杂的拓扑结构，且仅在短期实验室条件下进行验证，在长期稳定性、频谱特性和实际现场性能方面存在关键缺口。本工作提出了一种低成本隔离型高增益DC-DC变换器，能够利用单个高频变压器和简单的SG3525–LM393模拟电压模式控制架构，将8.5–12 V输入升压至高达700 V，从而在保持高升压能力的同时减少元件数量并降低实现复杂度。全面的实验室表征——包括稳态增益测量、变压器磁通平衡验证、瞬态线路/负载扰动评估、开关波形检查以及基于快速傅里叶变换（FFT）的电磁分析——确认了连续导通模式（CCM）下的稳定高电压增益、极低纹波、强闭环调节能力以及有效的开关噪声抑制，谐波幅值在高达5 MHz范围内低于20 dB。使用商用太阳能光伏组件进行的户外实验进一步验证了该变换器在自然变化辐照条件下的稳健性，无需辅助调理电路即可可靠地产生高达700 V的输出电压。为评估长期行为，研究人员采用CatBoost回归模型对90天内采集的990个运行样本进行了分析，获得了R2=0.9705、平均绝对误差（MAE）=8.08 V和均方根误差（RMSE）=11.22 V的结果，从而验证了机器学习技术在高增益变换器性能预测和数字孪生开发中的适用性。综合结果表明，所提出的拓扑结构兼具高电压增益、优异的电磁兼容性、低实现成本、简化的模拟控制以及经实验验证的长期现场可靠性，使其成为可再生能源供电的电动汽车系统、高压直流母线应用和分布式直流微电网环境的强有力候选方案。
**论文解读：隔离型高增益DC-DC变换器的长期现场验证与机器学习辅助性能评估**
**一、研究背景与问题**
随着电动汽车（EV）和可再生能源系统的快速发展，高效、紧凑的DC-DC变换器在连接低压电源与高压直流母线之间扮演着日益关键的角色。光伏组件和燃料电池的工作电压通常较低（约40 V），而电动汽车牵引和充电系统则需要数百伏的直流母线电压。高增益隔离型DC-DC变换器对于在宽输入电压变化下实现安全升压和可靠运行至关重要。然而，传统升压变换器难以处理极高的电压转换比，因为极端的开关条件会导致元件应力增大、效率降低和系统不稳定。现有文献中报道的多种高增益电路拓扑，如耦合电感、开关电容网络、电压倍增单元和交错结构等，虽然能够提供高电压增益，但引入了额外元件、复杂磁件或多个开关，增加了成本、体积、损耗和控制复杂度。更重要的是，多数研究侧重于增益提升，而对热行为、电磁干扰（EMI）和长期运行可靠性等实际约束条件的验证往往不足。在可再生能源驱动的电动汽车系统中，变换器还需在辐照度和温度快速变化导致输入条件剧烈波动时保持稳定的输出调节。数字控制方法和自适应算法虽能改善瞬态性能，但依赖微控制器或数字信号处理器（DSP）系统，增加了实现复杂度和成本。简单的模拟脉宽调制（PWM）控制器具有低成本和强健性能的优势，但在隔离型高增益电动汽车变换器中，对其进行完整实验测试的研究很少。此外，现有研究中仍缺乏实验频域测试和在真实太阳条件下的长期户外测试。
**二、研究内容与核心技术方法**
针对上述问题，该研究提出并实现了一种低成本隔离型高增益DC-DC变换器。该变换器采用单个高频变压器实现磁耦合能量传输和电压提升，并使用SG3525-PWM控制器与LM393比较器构成模拟电压模式闭环控制方案。整个系统由8.5–12 V的低压输入，通过推挽功率级（MOSFET开关）交替激励高频中心抽头变压器初级绕组，次级经全桥快恢复二极管整流和电容滤波后，输出最高可达700 V的高压直流电。为全面评估变换器性能，研究人员开展了一系列实验验证。首先在实验室条件下，使用可编程直流电源（OWON SPE3103）和数字存储示波器（Tektronix TBS1102B）进行了稳态增益测量、开关波形检查、瞬态线路/负载扰动评估。其次，利用快速傅里叶变换（FFT）对输出波形进行频谱分析，评估开关谐波和电磁干扰特性。随后，使用商用LUM 12110光伏组件（Pmax=111.8 W, Vmp=18.65 V, Imp=5.99 A, Voc=22.66 V）在印度测试地点以固定倾角进行了为期90天的户外现场实验，以每天8:00至18:00、每小时一次的频率记录输入和输出电压，共采集990个数据样本。最后，基于采集的数据集，采用CatBoost回归模型（一种梯度提升决策树集成方法）建立输出电压预测模型，并与线性回归和二阶多项式回归进行性能对比。
**三、研究结果与分析**
**（1）稳态电压增益与闭环调节特性**：实验结果表明，变换器在8.5 V至12 V输入电压范围内，输出从约250 V平滑升至380 V，电压增益维持在约30倍。当输入电压为9 V时，输出约270.9 V；10 V时输出约305.6 V；11 V时输出约340.6 V。示波器波形显示平坦稳定的输出，无振荡、过冲或开关噪声，证实了连续导通模式（CCM）运行和SG3525–LM393反馈控制环的有效性。当输入电压从8.5 V升至12 V时，占空比从75%降至55%，表明控制器主动调整占空比以维持输出增益。
**（2）瞬态响应性能**：线路阶跃测试（输入从9 V突变为11 V，负载恒定）中，输出电压最大过冲为3.1%，并在18 ms内恢复稳定；负载瞬态测试（负载从50%阶跃至满载，输入恒定）中，输出电压短暂跌落约4.5%，并在22 ms内恢复正常，无持续振荡。实验增益与理论增益曲线在整个输入电压范围内高度吻合，最大偏差保持在±1.5%以内，验证了数学模型和闭环控制系统的正确性。
**（3）效率与功率损耗分析**：在直流源测试下，变换器在8.5 V至12 V输入范围内实现90.0%–96.0%的效率，最高效率96.0%出现在10.5 V输入（总损耗最低为1.19 W），12 V时效率降至93.0%（总损耗2.52 W）。负载依赖性测试表明，效率从30%负载时的88.5%提升至满载时的95.5%（输出功率32.00 W，损耗仅1.51 W），说明固定开关、控制和辅助损耗在轻载时占输入功率比例更大。
**（4）FFT频谱与电磁兼容性分析**：FFT分析显示，在9 V、10 V和11 V输入条件下，0–5 MHz频率范围内谐波幅度保持均匀低于20 dB，无明显高幅值频谱尖峰，表明开关控制稳定、缓冲电路工作良好，输出滤波器有效抑制了高频分量。各输入电压下的频谱特征一致，证实变换器具有低总谐波畸变（THD）、低开关损耗和高电磁兼容性。
**（5）长期户外现场验证**：在90天户外实验中，变换器直接由商用光伏组件供电，在自然变化的太阳辐照条件下实现了最高约700 V的输出电压。在峰太阳时段（约12:00–14:00）输出达到最大值，与日照日变化规律一致。变换器在无辅助调理电路的情况下，日均输出电压稳定在约490–700 V范围。此外，开路条件下测得的最高输出电压约为750 V（对应开路电压增益为62.5），而带载条件下在12 V输入时输出为380 V（带载电压增益约31.67）。
**（6）机器学习辅助性能预测**：采用CatBoost回归模型对990个90天户外数据样本进行训练、验证和测试。模型以光伏输入电压、小时、日、月和累计时间索引作为输入特征，预测变换器输出电压。CatBoost在时序测试集上取得了平均绝对误差（MAE）为8.08 V、均方根误差（RMSE）为11.22 V、决定系数（R2）为0.9805的结果，优于线性回归（MAE=18.5 V, RMSE=24.2 V, R2=0.91）和二阶多项式回归（MAE=13.7 V, RMSE=18.9 V, R2=0.94）。残差分析表明预测误差集中在±10 V以内，随时间序列呈现围绕零线的随机分布，无长时漂移或周期性偏差，证实模型在变太阳辐照条件下具有稳健的泛化能力。
**四、讨论与结论**
与文献中报道的多种高增益变换器拓扑相比，该研究所提出的单变压器隔离型升压变换器仅使用两个有源开关和一个高频变压器即可实现30–60倍的电压增益，显著降低了电路复杂度。采用SG3525模拟控制方案替代数字控制器，在保证强健电压调节能力的同时大幅降低了硬件成本。在表8所列的16种变换器拓扑中，该变换器是唯一经过90天户外真实光伏面板测试、兼顾高电压增益、低元件数、控制简单、隔离安全和长期运行验证的方案。
研究结论指出，SG3525–LM393控制的变换器成功将9–11 V输入提升至270–340 V稳定高压输出，实现了约30倍增益，具备良好稳定性、低纹波和清洁开关特性。频谱分析证实了0–5 MHz范围内低于20 dB的谐波水平，表明优异的电磁兼容性。户外太阳测试证明变换器在自然变化光照条件下可稳定输出高达700 V。90天CatBoost回归分析以高精度（MAE=8.08 V, RMSE=11.22 V, R2=0.9805）再现了输入-输出电压关系，展示了基于机器学习的方法在电力电子系统性能评估中的实用价值。该研究通过提供经过实验室和长期现场双重验证的完整高增益变换器解决方案，解决了先前研究中存在的关键缺口。未来工作将集中于提升变换器功率等级以适应高功率电动汽车应用，并引入数字或人工智能控制方法以在变化可再生能源条件下实现更优性能。
