← 返回
基于强化学习的多端口DC-DC变换器拓扑推导
Topology Derivation of Multiport DC–DC Converters Based on Reinforcement Learning
| 作者 | Mi Dong · Ruijin Liang · Jian Yang · Chenyao Xu · Dongran Song · Jianghu Wan |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年4月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | DC-DC变换器 强化学习 机器学习 储能变流器PCS |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 多端口DC-DC变换器 拓扑推导 强化学习 电力电子 电路综合 人工智能 |
语言:
中文摘要
多端口DC-DC变换器在多种应用中备受关注,但传统拓扑推导方法复杂且耗时。本文提出了一种基于强化学习(RL)的拓扑推导方法,能够快速生成复杂变换器的拓扑结构,为电力电子电路设计提供了高效的新路径。
English Abstract
Multiport dc–dc convertersare attracting wide attention in various applications. However, conventional topology derivation methods for multiport dc–dc converters are usually intricate and time-consuming. In this article, a reinforcement learning (RL)-based topology derivation method is proposed, which can derive topologies of complex converters quickly. To apply the RL framework, the topology deri...
S
SunView 深度解读
该研究利用强化学习自动化推导多端口DC-DC拓扑,对阳光电源的研发具有重要价值。在光储一体化及PowerTitan/PowerStack储能系统中,多端口变换器是实现光伏与电池高效耦合的核心。引入AI辅助拓扑设计,可显著缩短新一代高功率密度、高效率变换器的研发周期,优化多端口间的能量调度逻辑。建议研发团队关注该方法在复杂多端口变换器拓扑筛选中的应用,以提升储能变流器(PCS)在多源输入场景下的转换效率与系统集成度。