← 返回
| 作者 | Mian Liao · Haoran Li · Ping Wang · Tanuj Sen · Yenan Chen · Minjie Chen |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年2月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 双向DC-DC 机器学习 储能变流器PCS 拓扑与电路 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 多有源桥（MAB）变换器 功率流控制 前馈控制 机器学习 DC-DC变换器 控制策略 |
语言:
中文摘要
多有源桥（MAB）变换器在实现复杂功率流控制方面具有重要意义。传统前馈控制方法依赖于精确的集总电路模型，而本文提出了一种无需精确电路模型的机器学习（ML）方法，用于实现MAB变换器的前馈功率流控制，提升了系统控制的灵活性与鲁棒性。
English Abstract
Controlling the multiway power flow in a multi-active-bridge (MAB) converter is important for achieving high performance and sophisticated functions. Traditional feedforward methods for MAB converter control rely on precise lumped circuit models. This article presents a machine learning (ML) method for the feedforward power flow control of an MAB converter without a precise circuit model. A feedfo...
S
SunView 深度解读
MAB变换器是阳光电源储能系统（如PowerTitan、PowerStack系列）及多端口能源路由器中的核心拓扑。传统的控制策略高度依赖参数建模，在复杂工况下易受参数漂移影响。本文提出的机器学习前馈控制方法，能够摆脱对精确电路模型的依赖，显著提升多端口变换器在动态响应和功率分配精度上的表现。建议研发团队将其应用于储能变流器（PCS）的控制算法优化中，特别是针对多端口直流耦合储能系统，以提升系统在复杂电网环境下的控制鲁棒性和智能化水平。