主动式PFC与被动式FPC浅析

PFC是电脑电源中的一个非常重要的参数,全称是电脑功率因素,简称为PFC,等于“视在功率乘以功率因素”,即:功率因素=实际功率/视在功率.

而如今PFC分为主动式(有源)和被动式(无源)两种,它们是衡量电源档次高低的一个重要因素。一般来说,功率在250W~300W的电源多采用被动式PFC,而主动式PFC则常用于400W及以上的中高端电源。就性能而言,主动式PFC拥有更高的功率因数(高达99%),配合好的电路设计,能适应更高的电压范围。你可以通过电源散热孔查看该产品采用了何种PFC电路:被动式PFC通常为一块体积较大的电感,由多块硅钢片外部缠绕铜线而成;而主动式PFC则由电感线圈配合IC控制芯片组成。

一:PFC的英文全称为“Power Factor Correction”,意思是“功率因数校正”,功率因数指的是有效功率与总耗电量(视在功率)之间的关系,也就是有效功率除以总耗电量(视在功率)的比值。 基本上功率因素可以衡量电力被有效利用的程度,当功率因素值越大,代表其电力利用率越高。计算机开关电源是一种电容输入型电路,其电流和电压之间的相位差会造成交换功率的损失,此时便需要PFC电路提高功率因数。目前的PFC有两种,一种为被动式PFC(也称无源PFC)和主动式PFC(也称有源式PFC)。

被动式PFC
被动式PFC一般采用电感补偿方法使交流输入的基波电流与电压之间相位差减小来提高功率因数,被动式PFC包括静音式被动PFC和非静音式被动PFC。被动式PFC的功率因数只能达到0.7~0.8,它一般在高压滤波电容附近。

主动式PFC
而主动式PFC则由电感电容及电子元器件组成,体积小、通过专用IC去调整电流的波形,对电流电压间的相位差进行补偿。主动式PFC可以达到较高的功率因数──通常可达98%以上,但成本也相对较高。此外,主动式PFC还可用作辅助电源,因此在使用主动式PFC电路中,往往不需要待机变压器,而且主动式PFC输出直流电压的纹波很小,这种电源不必采用很大容量的滤波电容。

转自:http://article.pchome.net/content-996154-3.html

### 被动式PFC电路设计及工作原理 被动式PFC(Power Factor Correction)是一种用于提高功率因数的技术,主要通过简单的无源元件来改善输入电流波形。它通常应用于低功率设备中,因为其效率性能有限。 #### 1. 基本概念 被动式PFC的核心目标是减少输入电流电压之间的相位差,并使电流波形更接近于正弦波。这可以通过增加整流桥后的滤波电容容量或者采用特定的电路拓扑结构实现[^2]。 #### 2. 工作机制 被动式PFC利用电感或电容器件改变电流波形特性。其中一种常见的方式是填谷式无源PFC电路。该方法通过在整流桥之后加入额外的电容网络,在交流周期的不同阶段存储能量并释放到负载上。这种方式能够扩展二极管导通时间,从而使原本呈尖峰状的电流分布变得更加平滑[^3]。 具体来说,当输入电压处于上升沿时,一部分电能被储存在附加电容器C1中;而在下降沿期间,则由另一组电容器C2继续向负载提供支持。如此交替操作下,最终得到较为连续且形状类似于正弦曲线的总输出电流。 然而需要注意的是,尽管这种方法可以在一定程度上提升功率因素表现水平,但由于两路独立充电路径的存在导致实际有效值降低一半左右再加上较大波动幅度残留等问题限制了它的应用范围——即只适合一些对质量要求不高的场合比如小型LED驱动器之类的产品当中。 #### 3. 应用场景分析 基于上述特点可知,被动型方案因其简单经济实惠而广泛存在于各类消费类电子产品之中特别是那些额定功率低于几百瓦特的小家电领域最为普遍: - **家用电器**:如台灯、风扇等低功耗设备; - **电子玩具** 其他便携式装置也可能采用此类技术以降低成本同时满足基本电磁兼容性标准需求。 但此同时也要认识到随着现代工业对于能源利用率越来越高追求趋势发展下去的话单纯依靠这些基础手段已经难以完全适应更加严格的规定环境之下所以更高阶版本也就是所谓的主动形式逐渐成为主流选择之一。 ```python # 示例代码展示了一个简化版填谷式无源PFC模拟模型构建过程 import numpy as np from scipy import signal def simulate_passive_pfc(v_in, freq=50): t = np.linspace(0, 0.02, num=1000) # 时间轴定义 # 输入信号生成 (假设为理想正弦波) v_rectified = abs(signal.sawtooth(2 * np.pi * freq * t)) # 模拟双电容储能效果 c1_charge = [] c2_discharge = [] for idx, volt in enumerate(v_rectified[:-1]): if volt >= max(v_rectified[idx+1],v_rectified[idx]): # 上升期储存至C1 c1_charge.append((volt + sum(c1_charge))/len(c1_charge)+1e-9 ) elif min([c for c in reversed(c1_charge)])>sum(c2_discharge)/len(c2_discharge): # 下降期切换至C2放电模式 c2_discharge.append(sum(c1_charge[-int(len(t)*freq/100):])/len(c1_charge[-int(len(t)*freq/100):])) combined_current=np.array(c1_charge+c2_discharge) return t[:len(combined_current)],combined_current time,current=simulate_passive_pfc(np.sin) print("Time:", time) print("Current Waveform Approximation:", current) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值