找到 2 条结果 · 控制与算法
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
Yu Zeng · Shan Jiang · Georgios Konstantinou · Josep Pou 等6人 · IEEE Transactions on Power Electronics · 2025年5月
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。
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...
面向稳定性的电力变换器多目标控制设计：深度强化学习辅助方法
Stability-Oriented Multiobjective Control Design for Power Converters Assisted by Deep Reinforcement Learning
Shan Jiang · Yu Zeng · Ye Zhu · Josep Pou 等5人 · IEEE Transactions on Power Electronics · 2023年10月
电力变换器的阻抗特性随运行工况变化，导致固定控制参数在复杂工况下可能引发系统失稳。本文提出一种深度强化学习辅助的控制框架，旨在实现多目标优化，以提升变换器在全工况下的稳定性与控制性能。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器及PowerTitan储能变流器）具有重要意义。随着电网环境日益复杂（弱电网、高比例可再生能源接入），传统基于固定参数的PI控制难以兼顾全工况稳定性。引入深度强化学习（DRL）可实现控制参数的自适应寻优，显著提升逆变器在电网阻抗波动下的鲁棒性。建...