← 返回
微网储能侧DC-DC变换器的强化学习自抗扰控制策略
Reinforcement Learning-based Active Disturbance Rejection Control Strategy for Energy Storage Side DC-DC Converters in Microgrids
| 作者 | 马幼捷 · 刘熠铭 · 周雪松 · 王博 · 陶珑 · 问虎龙 |
| 期刊 | 太阳能学报 |
| 出版日期 | 2025年1月 |
| 卷/期 | 第 46 卷 第 3 期 |
| 技术分类 | 储能系统技术 |
| 技术标签 | DC-DC变换器 微电网 强化学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 微电网 DC-DC变换器 自抗扰控制 Q-learning算法 Lyapunov判据 马幼捷 刘熠铭 周雪松 王博 陶珑 问虎龙 太阳能学报 Acta Energiae Solaris Sinica |
版本:
直流微电网电压稳定性是新型电力系统的关键问题。针对微电网中直流母线电压波动大、抗干扰能力弱等问题，提出一种基于Q-learning算法的DC-DC变换器自抗扰控制策略。引入线性扩张状态观测器精确估计并补偿内外扰动，结合Q-learning实现控制参数自适应优化，有效提升输出电压稳定性。通过理论分析证明Q-learning算法在范数意义下的收敛性及系统Lyapunov稳定性。仿真结果表明，所提策略在不同工况下较传统线性自抗扰与双闭环PI控制具有更强的抗扰能力与鲁棒性。
直流微电网电压稳定性研究是新型电力系统面临的关键问题.针对微电网系统中直流母线电压波动大和抗干扰能力弱等缺陷,该文提出一种由 Q-learning算法赋能的DC-DC变换器自抗扰控制策略.通过引入线性扩张状态观测器,实现对模型内部摄动与外部扰动量的精确估计与补偿,利用Q-learning 算法实现控制策略参数自适应优化,从而更高效地维持输出电压稳定.基于理论分析,推导范数意义下的Q-learning算法收敛性,并运用Lyapunov理论判据证明线性自抗扰的稳定性.最后,通过仿真对比该文提出的控制策略、线性自抗扰控制与双闭环PI控制在不同工况下的结果,充分验证该策略在提升 DC-DC 变换器抗扰能力和鲁棒水平的高效性与优越性.
S
SunView 深度解读
该强化学习自抗扰控制策略对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。Q-learning自适应参数优化结合线性扩张状态观测器的方案，可直接应用于储能侧DC-DC变换器的母线电压控制，显著提升直流微电网场景下的电压稳定性和抗扰能力。该技术可优化现有储能PCS的双向DC-DC控制算法，增强光储充一体化系统在负荷突变、新能源波动等复杂工况下的鲁棒性。理论收敛性证明和Lyapunov稳定性分析为工程化实施提供了可靠依据，建议在iSolarCloud平台集成该算法的在线参数优化功能，实现储能系统的智能自适应控制升级。