← 返回
基于深度确定性策略梯度算法的单电感多输出DC-DC变换器强化学习控制器
Deep Deterministic Policy Gradient Algorithm Based Reinforcement Learning Controller for Single-Inductor Multiple-Output DC–DC Converter
| 作者 | Jian Ye · Huanyu Guo · Benfei Wang · Xinan Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年4月 |
| 技术分类 | 控制与算法 |
| 技术标签 | DC-DC变换器 强化学习 机器学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 单输入多输出 (SIMO) DC-DC 变换器 强化学习 DDPG 算法 交叉调节 控制设计 电力电子 |
语言:
中文摘要
单输入多输出（SIMO）DC-DC变换器因结构简单、功率密度高等优势具有广阔应用前景。然而，由于所有负载共享电感，导致严重的相互干扰，控制设计面临挑战。本文提出一种基于深度确定性策略梯度（DDPG）算法的强化学习控制器，旨在解决SIMO变换器中的交叉调节问题，实现多输出电压的精确控制。
English Abstract
Due to its advantages, such as simple structure, high power density, and strong scalability, single-input multiple-output (SIMO) dc–dc converters exhibit vast application prospects. However, a significant challenge arises in the control design of SIMO converters. This challenge stems from the shared usage of the inductor in the main circuit by all loads, inevitably leading to mutual interference a...
S
SunView 深度解读
该研究探讨的SIMO变换器控制技术在阳光电源的户用光伏及小型储能产品线中具有潜在应用价值。目前阳光电源的户用储能系统（如PowerStack系列）及光伏逆变器多采用多级变换架构，若未来产品向更高集成度、多路输出的单级变换拓扑演进，该基于强化学习的控制算法可有效解决多路负载间的耦合干扰问题，提升系统动态响应速度与稳压精度。建议研发团队关注该算法在复杂工况下的鲁棒性验证，并探索其在iSolarCloud智能运维平台中实现参数自适应优化的可能性。