← 返回

面向稳定性的电力变换器多目标控制设计:深度强化学习辅助方法

Stability-Oriented Multiobjective Control Design for Power Converters Assisted by Deep Reinforcement Learning

作者 Shan Jiang · Yu Zeng · Ye Zhu · Josep Pou · Georgios Konstantinou
期刊 IEEE Transactions on Power Electronics
出版日期 2023年10月
技术分类 控制与算法
技术标签 强化学习 深度学习 并网逆变器 弱电网并网
相关度评分 ★★★★★ 5.0 / 5.0
关键词 功率变换器 稳定性 深度强化学习 阻抗特性 多目标控制 控制设计
语言:

中文摘要

电力变换器的阻抗特性随运行工况变化,导致固定控制参数在复杂工况下可能引发系统失稳。本文提出一种深度强化学习辅助的控制框架,旨在实现多目标优化,以提升变换器在全工况下的稳定性与控制性能。

English Abstract

Impedance characteristics of power converters are dependent on operating conditions, posing challenges to the stability-oriented design of control systems. This is because constant control parameters, designed according to a limited number of operating conditions, may cause instability in other conditions. In this letter, a deep reinforcement learning-assisted framework is proposed to achieve mult...
S

SunView 深度解读

该技术对阳光电源的核心产品线(组串式/集中式光伏逆变器及PowerTitan储能变流器)具有重要意义。随着电网环境日益复杂(弱电网、高比例可再生能源接入),传统基于固定参数的PI控制难以兼顾全工况稳定性。引入深度强化学习(DRL)可实现控制参数的自适应寻优,显著提升逆变器在电网阻抗波动下的鲁棒性。建议研发团队在iSolarCloud智能运维平台积累的运行数据基础上,探索基于DRL的参数自整定算法,并将其集成至新一代PCS控制固件中,以增强产品在弱电网下的并网适应能力,降低现场调试难度。