영구자석 동기전동기(Permanent Magnet Synchronous Motor, PMSM)에서 구리 손실을 최소화하기 위해서는 최대 토크 퍼 앰페어(Maximum Torque Per Ampere, MTPA) 제어가 필수적이다. 수학적 모델을 활용하는 MTPA 제어 방법은 파라미터에 대한 정확한 정보가 요구되지만, 파라미터가 온도와 부하에 따라 달라질 수 있으므로 정확한 MTPA를 수행하기는 어렵다. 따라서 본 논문은 인공신경망(Artificial Neural Network, ANN)의 한 종류인 ADALINE(Adaptive Linear Neuron)을 이용한 새로운 MTPA 제어 방법을 제안한다. 제안된 방법에서는 ADALINE을 통해 d^γ -축 전류 대비 고정자 전류의 궤적(locus)을 추정하고, 추정된 궤적을 통해 MTPA 운전점을 결정한다. 이 방법은 모터 파라미터의 변동에 강인하며 구현이 용이하다.

3상 레그 인버터를 사용하여 2상 모터를 구동할 때, 각 인버터 레그의 로우사이드 스위치와 음의 DC-링크 단자 사이에 션트 저항을 삽입함으로써 위상 전류를 측정할 수 있다. 단지 두 개의 인버터 레그에 션트 저항을 사용하는 전류 측정 방식은 제한적인 전류 측정 능력을 가진다. 이러한 2-션트 방식에 더해, 3-션트 방식은 인버터의 중성(뉴트럴) 레그에 위치한 션트 저항을 활용하여 측정할 수 없는 전류들을 재구성할 수 있다. 따라서 3-션트 방식은 2-션트 방식보다 측정 가능한 전류 영역을 넓힐 수 있다. 그러나 이 방식은 로우사이드 스위치에 대한 충분한 턴온 시간이 보장될 수 없는 특정 동작 영역 내의 전류를 적절히 재구성하지 못하여, 2상 모터의 토크 리플이 증가하고 인버터의 DC 전압 활용도가 감소한다. 본 논문에서는 3-션트 방식에서 전류 재구성 영역을 확장하기 위한 간단한 기법을 제안한다. 제안된 기법은 로우사이드 스위치의 턴온 시간을 CPWM(Continuous PWM)보다 더 길게 확보할 수 있는 DPWM(Discontinuous Pulse Width Modulation)을 활용하여 재구성 영역을 확장함으로써 DC 전압 활용도를 향상시킬 수 있다.

삼상 인버터(three-leg inverters)로 구동되는 2상 모터의 위상 전류를 측정하기 위해, 각 인버터 레그의 하측 스위치와 음의 DC 레일 사이에 삽입되는 레그 션트 저항(leg shunt resistors)을 고가의 홀 효과 센서(Hall-effect sensors) 대신 사용할 수 있다. 두 레그 션트 방법은 두 상(phase) 레그에 션트 저항을 배치하는 방식으로, 전류 측정 범위가 제한된다. 이 방법에 더해, 중성(neutral) 레그에 추가 션트 저항을 사용함으로써 3 레그 션트 방법은 측정 불가능한 위상 전류를 재구성할 수 있다. 따라서 전류 측정 범위는 두 레그 션트 방법에서보다 더 넓게 할 수 있다. 그러나 이 방법은 인버터의 전압 변조 지수(voltage modulation index)가 높은 특정 영역에서 전류를 적절히 재구성하지 못하여, DC 전압 활용률을 감소시키고 모터의 토크 리플(torque ripple)을 증가시킨다. 이러한 문제를 개선하기 위해, 본 논문은 CPWM(Continuous Pulse Width Modulation) 방법을 적용한 3 레그 타입 2상 인버터의 전류 재구성 영역을 분석하고, 그 영역을 확장하기 위한 간단한 기법을 제안하였다. 제안된 기법은 DPWM(Discontinuous PWM) 방법을 활용하여 인버터 하측 스위치의 턴온 시간(turn-on time)을 확보함으로써 전류 재구성 영역을 확장하며, 그 결과 DC 전압 활용률이 향상된다.

영구자석 동기전동기(Permanent Magnet Synchronous Motor, PMSM)에서 구리 손실을 최소화하기 위해서는 최대 토크 퍼 앰페어(Maximum Torque Per Ampere, MTPA) 제어가 필수적이다. 수학적 모델을 활용하는 MTPA 제어 방법은 파라미터에 대한 정확한 정보가 요구되지만, 파라미터가 온도와 부하에 따라 달라질 수 있으므로 정확한 MTPA를 수행하기는 어렵다. 따라서 본 논문은 인공신경망(Artificial Neural Network, ANN)의 한 종류인 ADALINE(Adaptive Linear Neuron)을 이용한 새로운 MTPA 제어 방법을 제안한다. 제안된 방법에서는 ADALINE을 통해 d^γ -축 전류 대비 고정자 전류의 궤적(locus)을 추정하고, 추정된 궤적을 통해 MTPA 운전점을 결정한다. 이 방법은 모터 파라미터의 변동에 강인하며 구현이 용이하다.

3상 레그 인버터를 사용하여 2상 모터를 구동할 때, 각 인버터 레그의 로우사이드 스위치와 음의 DC-링크 단자 사이에 션트 저항을 삽입함으로써 위상 전류를 측정할 수 있다. 단지 두 개의 인버터 레그에 션트 저항을 사용하는 전류 측정 방식은 제한적인 전류 측정 능력을 가진다. 이러한 2-션트 방식에 더해, 3-션트 방식은 인버터의 중성(뉴트럴) 레그에 위치한 션트 저항을 활용하여 측정할 수 없는 전류들을 재구성할 수 있다. 따라서 3-션트 방식은 2-션트 방식보다 측정 가능한 전류 영역을 넓힐 수 있다. 그러나 이 방식은 로우사이드 스위치에 대한 충분한 턴온 시간이 보장될 수 없는 특정 동작 영역 내의 전류를 적절히 재구성하지 못하여, 2상 모터의 토크 리플이 증가하고 인버터의 DC 전압 활용도가 감소한다. 본 논문에서는 3-션트 방식에서 전류 재구성 영역을 확장하기 위한 간단한 기법을 제안한다. 제안된 기법은 로우사이드 스위치의 턴온 시간을 CPWM(Continuous PWM)보다 더 길게 확보할 수 있는 DPWM(Discontinuous Pulse Width Modulation)을 활용하여 재구성 영역을 확장함으로써 DC 전압 활용도를 향상시킬 수 있다.

삼상 인버터(three-leg inverters)로 구동되는 2상 모터의 위상 전류를 측정하기 위해, 각 인버터 레그의 하측 스위치와 음의 DC 레일 사이에 삽입되는 레그 션트 저항(leg shunt resistors)을 고가의 홀 효과 센서(Hall-effect sensors) 대신 사용할 수 있다. 두 레그 션트 방법은 두 상(phase) 레그에 션트 저항을 배치하는 방식으로, 전류 측정 범위가 제한된다. 이 방법에 더해, 중성(neutral) 레그에 추가 션트 저항을 사용함으로써 3 레그 션트 방법은 측정 불가능한 위상 전류를 재구성할 수 있다. 따라서 전류 측정 범위는 두 레그 션트 방법에서보다 더 넓게 할 수 있다. 그러나 이 방법은 인버터의 전압 변조 지수(voltage modulation index)가 높은 특정 영역에서 전류를 적절히 재구성하지 못하여, DC 전압 활용률을 감소시키고 모터의 토크 리플(torque ripple)을 증가시킨다. 이러한 문제를 개선하기 위해, 본 논문은 CPWM(Continuous Pulse Width Modulation) 방법을 적용한 3 레그 타입 2상 인버터의 전류 재구성 영역을 분석하고, 그 영역을 확장하기 위한 간단한 기법을 제안하였다. 제안된 기법은 DPWM(Discontinuous PWM) 방법을 활용하여 인버터 하측 스위치의 턴온 시간(turn-on time)을 확보함으로써 전류 재구성 영역을 확장하며, 그 결과 DC 전압 활용률이 향상된다.

중전압 직류(MVdc) 전력 시스템은 전력 수요가 점증하는 전기 선박에 요구되는 높은 전력 밀도, 기동성, 견고성을 충족하는 강력한 해법을 제공한다. 그러나 직류 전력 시스템은 단락(쇼트서킷) 고장 관리 문제로 어려움을 겪는다. 이 문제를 해결하기 위해, 새로운 압전(piezoelectric) 구동 고속 기계식 스위치(FMS)와 순차적 금속-산화물 바리스터(MOV) 삽입 방식을 특징으로 하는 하이브리드 직류 차단기(dcCB)가 개발되었다. 핵심 혁신은 고장 전류를 신속히 소멸시키고 FMS의 무아크(arc-less) 동작을 보장하도록 설계된 비선형 인덕터 기반 고장 전류 전류차단(commutation) 전략이다. 포화 현상을 적절히 활용함으로써, 가변 인덕턴스를 갖는 인덕터는 전류가 0에 근접하도록 유지하여, 고장 전류 전류차단의 속도를 늦추지 않으면서도 FMS의 무아크 차단 개방이 가능하게 한다. 본 논문은 비선형 인덕터의 특성을 분석하고, 주파수 관련 인덕턴스 변동 및 포화 현상을 시간 영역에서 모델링하기 위해 프랙탈(fractal) RL 회로를 제시한다. 비선형 인덕터를 포함하는 차단기 회로의 모델을 바탕으로, 유전 알고리즘(GA) 기반 다목적 최적화 방법을 개발하여 고장 전류 전류차단 회로(FC3)를 설계한다. 비선형 인덕터 모델의 정확성과 최적화된 설계 방법을 확인하기 위해 4-kV 직류 전압 조건에서의 실험 결과를 제시한다.

3상 인버터를 구동하는 2상 모터 구동기의 위상 전류를 측정하기 위해, 인버터의 하측 스위치 아래에 삽입된 션트 저항을 이용하는 다리 션트 감지 방식(leg shunt sensing method)을 사용하면 비용을 절감할 수 있다. 이 경우 인버터의 3개 션트 저항을 사용하는 3다리 션트 감지 방식은, 2다리 션트 감지 방식에서 사용하는 2상 다리의 2개 션트 저항만으로는 재구성할 수 없는 전류를 재구성할 수 있으므로, 2다리 션트 감지 방식보다 측정 가능한 전류 영역을 더 넓힐 수 있다. 그러나 고전압 변조 조건에서는, 이 3다리 션트 감지 방식으로 전류를 정확히 재구성할 수 없는 특정 동작 영역이 존재한다. 이러한 영역들 때문에 인버터의 전압 활용률이 감소하고, AC 모터의 토크 리플과 소음이 유발된다. 본 논문에서는 CPWM(Continuous Pulse Width Modulation)을 사용하는 3다리 2상 인버터의 3다리 션트 감지 방식에서 전류 재구성 영역을 분석하고, 그 영역을 확장하기 위한 방안을 제안한다. 제안된 방식은 DPWM(Discontinuous PWM) 방법을 이용하여 전류를 재구성할 수 없는 영역을 절반으로 감소시킴으로써 해당 영역을 확장할 수 있으며, 그 결과 인버터의 전압 활용률이 향상된다.

본 논문에서는 3상 PWM(Pulse Width Modulation) 컨버터에 대해 ANNs(인공신경망) 을 활용한 다중 스위치 개방고장 진단 방법을 제안한다. 컨버터의 스위치에서 개방고장이 발생하면, 고정자 전류에는 직류 및 고조파 성분이 포함될 수 있다. 이러한 비정상 전류는 보호회로로 쉽게 차단되지 않으므로, 주변기기에서 2차 고장이 발생할 수 있다. 따라서 개방고장을 진단하는 방법이 필요하다. 단일 스위치 및 이중 스위치에 대한 개방고장의 경우, 고장난 스위치에 따라 21가지 고장 모드가 존재한다. 본 논문에서는 이들 고장 모드를 고장 전류의 직류 성분과 THD(Total Harmonics Distortion) 를 이용하여 국소화한다. 전류에서 직류 성분과 THD를 얻기 위해 ADALINE(Adaptive Linear Neuron)을 사용한다. 고장 모드 국소화를 위해 직렬로 두 개의 ANN을 사용하며, 21가지 고장 모드는 직류 성분을 이용하는 첫 번째 ANN에 의해 6개 구역으로 분류되고, 이후 두 번째 ANN이 각 구역에서 d-q 축 전류의 직류 및 THD를 함께 사용하여 고장 모드를 국소화한다. 시뮬레이션과 실험을 통해 제안한 방법의 타당성이 확인되었다.