← 返回
用于DAB变换器的深度强化学习辅助混合五变量调制方案以降低RMS电流并扩展ZVS运行范围
Deep Reinforcement Learning Assisted Hybrid Five-Variable Modulation Scheme for DAB Converters to Reduce RMS Current and Expand ZVS Operation
| 作者 | Zhichen Feng · Huiqing Wen · Xu Han · Qinglei Bu · Yinxiao Zhu · Guangyu Wang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年7月 |
| 技术分类 | 拓扑与电路 |
| 技术标签 | DAB 双向DC-DC 强化学习 深度学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 双有源桥 (DAB) 变换器 混合五变量调制 深度强化学习 DDPG算法 有效值 (RMS) 电流 零电压开关 (ZVS) 操作 |
语言:
中文摘要
为提升双有源桥（DAB）变换器的转换效率，本文提出了一种结合深度强化学习（DRL）的混合五变量（HFV）调制策略。利用深度确定性策略梯度（DDPG）算法训练智能体，旨在降低均方根（RMS）电流并实现零电压开关（ZVS），从而优化变换器性能。
English Abstract
In order to enhance the conversion efficiency of dual-active-bridge converters, a hybrid five-variable (HFV) modulation strategy with the aid of deep reinforcement learning technique is proposed in this article. Specifically, deep deterministic policy gradient (DDPG) algorithm is employed to train the agent with the purpose of the lower root mean square (RMS) current and the zero voltage switching...
S
SunView 深度解读
该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及光储一体化产品线具有重要价值。DAB变换器是储能变流器（PCS）的核心拓扑，通过引入深度强化学习优化五变量调制，可显著降低PCS在宽电压范围下的损耗，提升系统全工况转换效率。建议研发团队关注该算法在嵌入式DSP/FPGA上的部署可行性，将其作为下一代高效率PCS控制策略的储备技术，以提升产品在复杂电网环境下的动态响应能力和能效表现。