← 返回
基于学习的MMC神经动态面预测控制
Learning-Based Neural Dynamic Surface Predictive Control for MMC
| 作者 | Xing Liu · Lin Qiu · Jose Rodriguez · Kui Wang · Yongdong Li · Youtong Fang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年1月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 多电平 强化学习 机器学习 并网逆变器 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 强化学习 神经动态面控制 模块化多电平变换器 (MMC) 预测控制 自适应控制 电力电子 |
语言:
中文摘要
本文提出了一种基于强化学习的神经动态面预测控制方法,用于解决模块化多电平变换器(MMC)的控制问题。该方法有效克服了传统动态规划算法中“维度灾难”及对精确系统模型依赖的局限性,通过引入预测器结构,提升了MMC系统的动态响应性能与控制鲁棒性。
English Abstract
Reinforcement learning technique was developed recently as an interesting topic in designing adaptive optimal controllers. This technique explicitly provided a feasible solution to circumvent the “curse of dimensionality” and requiring a system model inherent in the classical dynamic programming algorithm. By virtue of this property, in our work, by introducing this technique into a predictor-base...
S
SunView 深度解读
MMC技术在阳光电源的高压大功率光伏逆变器及大型储能系统(如PowerTitan系列)中具有重要应用潜力。该文提出的基于强化学习的预测控制算法,能够有效解决MMC复杂拓扑下的多目标优化控制难题,提升系统在弱电网环境下的稳定性。建议研发团队关注该算法在提升逆变器动态响应速度及降低计算复杂度方面的表现,探索其在大型地面电站及电网侧储能变流器中的应用,以进一步优化系统并网性能,增强产品在复杂电网环境下的适应性。