← 返回
混合有源电力滤波器最优电压电流控制的模型与数据混合强化学习
Model and Data Hybrid Reinforcement Learning for Optimal Voltage-Current Control of Hybrid Active Power Filter
| 作者 | Cheng Gong · Chi-Seng Lam |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年9月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 强化学习 机器学习 并网逆变器 功率模块 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 强化学习 混合型有源电力滤波器 最优控制 电压-电流控制 动态响应 电力电子 |
语言:
中文摘要
本文提出了一种用于混合有源电力滤波器(HAPF)的最优电压电流控制(OVCC)新设计,采用了模型与数据混合强化学习(MDRL)方法。该方法在保证低采样和计算需求的同时,实现了高稳态精度和快速动态响应,克服了传统控制策略在动态性能方面的局限性。
English Abstract
In this article, a novel design for optimal voltage and current control (OVCC) is introduced, employing a hybrid model-data reinforcement learning (MDRL) approach for hybrid active power filters (HAPF). High steady-state accuracy and rapid dynamic response are achieved by the MDRL-based OVCC, which also maintains low sampling and computational demands. The limitations of dynamic response, inherent...
S
SunView 深度解读
该研究提出的MDRL控制策略在提升电力电子变换器动态响应与稳态精度方面具有显著优势。对于阳光电源的组串式逆变器及PowerTitan/PowerStack储能变流器(PCS)而言,该算法可优化复杂电网环境下的电流跟踪性能,特别是在弱电网或谐波干扰严重的工况下,能有效提升并网电能质量。建议研发团队关注该混合强化学习框架在PCS控制算法中的迁移应用,以减少对复杂系统建模的依赖,提升产品在智能化运维平台iSolarCloud下的自适应控制能力。