← 返回
基于TD3算法的多输入多输出DC-DC变换器强化学习控制
TD3 Algorithm Based Reinforcement Learning Control for Multiple-Input Multiple-Output DC–DC Converters
| 作者 | Jian Ye · Huanyu Guo · Di Zhao · Benfei Wang · Xinan Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年10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 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 强化学习 TD3算法 DC-DC变换器 MIMO 功率分配 交叉调节 智能控制 |
语言:
中文摘要
本文提出了一种基于双延迟深度确定性策略梯度（TD3）算法的强化学习控制器，用于单电感多输入多输出（SI-MIMO）DC-DC变换器。该控制器旨在解决多输入源功率分配难题，并有效抑制多输出通道间的交叉调节干扰。
English Abstract
This article presents a reinforcement learning (RL) controller based on the twin delayed deep deterministic (TD3) policy gradient algorithm for single-inductor multiple-input multiple-output (SI-MIMO) dc–dc converters. The controller aims to address the power allocation challenges arising from parallel input sources and mitigate cross-regulation among multiple output channels. The objective is to ...
S
SunView 深度解读
该研究提出的基于TD3算法的智能控制策略，对阳光电源的储能变流器（PCS）及光储一体化系统具有重要参考价值。在PowerTitan等储能系统中，多端口能量管理与功率分配是核心难点，传统PID或模型预测控制在复杂工况下调节能力有限。引入强化学习算法可显著提升系统在多源输入、多负载输出场景下的动态响应速度与抗干扰能力，减少交叉耦合影响。建议研发团队关注该算法在复杂拓扑变换器中的轻量化部署，以提升iSolarCloud智能运维平台在系统级能量调度中的智能化水平。