← 返回
基于DC/DC功率变换器控制的深度机器学习技术：实时实现
DC/DC Power Converter Control-Based Deep Machine Learning Techniques: Real-Time Implementation
| 作者 | Mojtaba Hajihosseini · Milad Andalibi · Meysam Gheisarnejad · Hamed Farsizadeh · Mohammad-Hassan Khooban |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年10月 |
| 技术分类 | 控制与算法 |
| 技术标签 | DC-DC变换器 微电网 机器学习 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | DC-DC变换器 直流微电网 恒功率负载 深度机器学习 实时控制 稳定性 Buck-Boost变换器 |
语言:
中文摘要
随着直流微电网的发展，Buck-Boost变换器的应用日益广泛，但恒功率负载（CPL）带来的不稳定性成为系统面临的主要挑战。本文提出了一种基于深度机器学习的控制策略，旨在无需精确系统建模的前提下，实现直流微电网中DC/DC变换器的实时稳定控制。
English Abstract
The recent advances in power plants and energy resources have extended the applications of buck-boost converters in the context of dc microgrids (MGs). However, the implementation of such interface systems in the MG applications is seriously threatened with instability issues imposed by the constant power loads (CPLs). The objective is that without the accurate modeling information of a dc MG syst...
S
SunView 深度解读
该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及光储一体化解决方案具有重要参考价值。在直流微电网和储能PCS应用中，恒功率负载（CPL）常导致系统振荡，传统控制策略难以兼顾动态响应与稳定性。引入深度学习算法可提升PCS在复杂负载工况下的鲁棒性，减少对精确数学模型的依赖。建议研发团队关注该技术在iSolarCloud平台数据支撑下的模型训练应用，通过优化PCS内部DC/DC环节的控制逻辑，提升系统在弱电网或复杂微电网环境下的并网稳定性，进一步增强阳光电源产品的智能化水平。