← 返回
基于简易迁移强化学习的跟网型变流器多目标控制器设计
Multi-Objective Controller Design for Grid-Following Converters With Easy Transfer Reinforcement Learning
| 作者 | Yu Zeng · Shan Jiang · Georgios Konstantinou · Josep Pou · Guibin Zou · Xin Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年5月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 跟网型GFL 强化学习 深度学习 并网逆变器 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 跟网型变换器 强化学习 迁移学习 多目标控制 控制器设计 深度强化学习 |
语言:
中文摘要
本文提出了一种结合简易迁移学习（ETL）与深度强化学习（DRL）的ETRL方法，旨在将针对特定跟网型变流器设计的控制器快速迁移至参数不同的其他变流器中。该方法包含系统描述、DRL学习、ETL迁移、实验数据微调等阶段，有效解决了多目标控制器在不同系统参数下的适应性问题。
English Abstract
This article proposes an easy transfer reinforcement learning method that combines easy transfer learning (ETL) with deep reinforcement learning (DRL) to adapt a multiobjective controller tailor-made for one grid-following converter to other converters with different system parameters. The ETRL method contains five stages: system description; DRL learning; ETL; experimental data fine-tuning; and o...
S
SunView 深度解读
该技术对阳光电源的组串式光伏逆变器及储能变流器（PCS）具有重要应用价值。在复杂的弱电网环境下，传统PI控制器的参数整定往往难以兼顾多目标性能。通过引入ETRL方法，阳光电源可在iSolarCloud平台积累的运行数据基础上，实现控制器参数的快速自适应迁移，显著缩短不同功率等级、不同电网环境下的产品研发与调试周期。建议在PowerTitan等储能变流器产品中试点应用，以提升设备在多变电网条件下的动态响应能力和稳定性。