以半直驱永磁风力发电机电磁损耗分离计算为研究内容，首先在Bertotti铁耗计算方法的基础上推导考虑谐波电流的电机铁心损耗计算方法，根据永磁体涡流密度的轴向分量和切向分量得到永磁体的涡流损耗，分析定子绕组的直流铜耗、交流铜耗和环流损耗解析计算方法；其次，根据有限元磁场计算结果，分析6.5 MW半直驱永磁风力发电机内各部位的磁密随时间变化情况，铁心中磁密的空间和时间谐波均较丰富，同时计算并分析电磁频率对电机铁心损耗的影响情况；然后，研究6.5 MW半直驱永磁风力发电机的永磁体涡流损耗与电磁频率之间的关系，永磁体涡流损耗随电频率增加而增大；最后，利用有限元法与理论计算法相结合的方式定量计算6.5 MW半直驱永磁风力发电机的绕组直流电阻损耗、交流损耗和环流损耗，绕组交流损耗和环流损耗较大。研究成果可用于半直驱永磁风力发电机电磁损耗分离计算，为高性能低成本半直驱永磁风力发电机研发提供支撑。

高精度功率变换器是超精密电机运动控制系统的核心部件，其输出电流谐波失真会引起超精密电机不必要的定位波动，对精密控制系统造成严重影响，总谐波失真是应用在高性能精密控制领域的重要指标。具有无死区特点的双降压类拓扑能够消除传统桥式拓扑中死区导致的电流畸变，输出高质量的平稳波形。为了进一步改善双降压类拓扑输出电流谐波失真，首先阐明了双降压类拓扑谐波失真的来源。针对双降压类拓扑功率变换级和控制系统引入的谐波失真问题，归纳了低谐波失真拓扑特性，揭示了不同控制方法抑制谐波失真的机理，研究了各种调制策略与谐波失真的关系。最后，总结了不同低失真双降压类功率变换器的特定应用场合，并给出了其发展的参考方向。

针对变频器在工业场景中的不同应用，特别是无回馈功能的中压变频系统，设计了一种基于IGCT的制动单元。采用IGCT作为主要功率器件，对IGCT的参数和特性进行了分析。结合目前市场中常见的NPC型中压变频器拓扑，设计了相匹配的制动单元电路，并对系统的工作原理进行了描述。在器件损耗方面，评估了功率器件的结温，设计了散热水冷回路和压装结构。为了不影响直流母线电压的中点平衡，设计了独立的直流母线电压软件控制方法。最后，所设计的中压制动单元已经在工业现场应用于轧制金属复合材料的场合，证实了设计方案的可行性。

为解决传统基于群智能优化算法的主动配电网故障定位方法执行效率低、容错性差的问题，提出一种基于SSA-RF算法与余弦相似度的主动配电网两阶段故障定位方法。首先，利用故障电流状态方程，通过单点及多点故障的随机模拟构建目标配电网的故障特征库；随后，提出一种融合麻雀搜索算法（SSA）的改进随机森林（RF）分类模型，通过模型的训练建立故障电流方向矩阵与故障点所在线路区段的高维映射关系，训练后的SSA-RF分类模型可用于故障线路区段的初步定位；最后，对定位到的故障区段，计算区段内相邻分段线路故障电流方向信息的余弦相似度，通过余弦相似度的突变点对故障线路进行精确定位。以修改后的IEEE 33节点测试配电网为例进行仿真实验，结果表明，所提两阶段故障定位方法相较于基于群智能优化算法的故障定位方法，具有更高的准确率和抗干扰性。

精确的短期电负荷预测对综合能源系统的规划和优化调度具有重要意义，然而真实综合能源系统中的负荷数据由于数据质量低、波动趋势多变等情况，预测精度较低。为此，提出一种带注意力机制的长短时记忆（AT-LSTM）及集成学习的短期电负荷预测方法，在Stacking集成学习的框架下，对AT-LSTM、随机森林、决策树进行集成并预测短期电负荷，弥补单一模型预测精度较低的不足。具体地，基于对真实综合能源系统中的数据探索性分析结果，通过数据综合特征工程构造模型输入特征后，采用该预测方法进行短期电负荷预测。以北京某综合能源系统为例的实验结果表明，相比长短期记忆网络、决策树及随机森林等其他算法，所提方法预测误差最高降低了24.8%。

针对因极端天气出现概率较低导致的光伏发电数据不平衡的问题，提出一种K-means聚类算法和基于Wasserstein距离含梯度惩罚项的条件生成对抗网络实现极端天气数据的分类扩充，并提出了一种结合双向长短期记忆网络与卷积神经网络并融入通道注意力机制的预测方法，旨在通过整合时空特征和动态调节特征通道重要性来提升光伏功率预测性能。首先，使用相关性分析和K-means算法对多种环境因素进行筛选，并对其进行划分以及添加标签。其次，选择聚类后数量较少的极端天气标签，使用CWGAN-GP对其进行样本扩充。最后，将扩充后的数据集作为训练集训练CNN-SE-BiLSTM预测模型，实现极端天气的光伏功率预测。以某光伏电站数据进行仿真建模，结果表明：使用CGAN-GP对原始极端天气训练集进行扩充有助于提高模型的预测精度。同时，CNN-SE-BiLSTM在五类天气中的预测误差较其他传统模型有更高的预测进度，说明所提方法适用于光伏功率超短期预测。

针对鼠笼式异步电机高性能控制中参数估计的难题，提出了一种基于改进鲸鱼算法的异步电机双模型联合参数辨识的方法。该方法能够有效辨识定转子电阻、互感与漏感。为提升算法辨识精度，采用非线性收敛因子，并融合混沌反向学习、模拟退火及自适应变异扰动的思想来克服鲸鱼算法依赖初始种群、易陷入局部最优、收敛精度低的不足。此外结合两种传统电机模型的优势，提出改进双模型联合辨识，进一步提高了参数辨识的准确性。以此模型为基础，将改进鲸鱼算法与其它2种算法进行电机参数辨识的对比实验，实验结果表明该改进算法具有较高的辨识精度，证明应用该算法辨识鼠笼式异步电机参数的可行性，对提升鼠笼式异步电机控制性能具有重要意义。

高渗透率分布式发电并网系统网络阻抗波动范围广，电网常呈现弱电网特性，锁相环和电网阻抗交互耦合导致电网跟随型（GFL）变流器与主网失去同步，严重威胁系统稳定性，因此，需将部分机组灵活配置，切换为电网构建型（GFM）以提升并网稳定性。然而电网构建型变流器功率响应慢和源侧的最大功率点跟踪相矛盾，经济性差。为了实现系统稳定前提下最大限度地提高新能源利用率，以并网变流器为研究对象，提出了一种计及主网友好交互的分布式能源双模式自适应柔性切换控制策略。采用非特征次谐波注入的电网阻抗辨识算法感知电网强度，根据电网强弱自适应切换控制策略。强网下，并网变流器采用恒功率控制策略，快速响应最大功率点指令，提高能源利用率。弱网下，变流器柔性切换成虚拟同步机（VSG）控制策略，提升惯性和阻尼支撑能力，实现变流系统与主网友好交互。该策略增强了并网变流器在电网强度变化时的鲁棒性，保障了系统的稳定运行。通过PLECS仿真验证了所提双模式控制策略的有效性。

针对双定子永磁同步电机转矩波动大的问题，采用有限元法和田口法分别在额定点、最大转矩点和最大转速点对双定子永磁同步电机结构参数进行优化，并分析了各优化变量对电磁转矩性能的影响。然后，综合考虑各工况运行点下不同参数对电机性能的影响程度及各个参数影响程度占总影响程度比重，最终得到可兼顾3个工况运行点下电磁转矩性能的最优方案。结果表明，基于田口法进行双定子永磁同步电机多工况运行点的综合优化设计方法，可显著降低电机的转矩波动，提高电机的电磁性能。

传统的三相PWM整流器需要6个功率开关管，由于同一桥臂的2个开关管之间有直通问题，增加了控制难度，且整体复杂。采用一种半控三相PWM整流拓扑，实现三相整流器，只需使用3个功率开关管，3个开关管都由同一个驱动信号控制，该驱动信号由专用的控制器产生，控制电路简单。使用SiC MOSFET作为功率开关管，搭建了实验样机。实验结果表明，整流器可在较高的开关频率下运行，电感和电容器大幅减少，从而减小了整流器的体积，降低了产品成本，提高了转化效率，且总谐波畸变率较小。