找到 2 条结果 · 控制与算法
基于无源性的构网型多逆变器电站稳定性控制
Passivity-Based Control for the Stability of Grid-Forming Multi-inverter Power Stations
Ming Li · Enjun Liu · Hua Geng · Yongtao Mao 等6人 · IEEE Transactions on Industrial Electronics · 2025年2月
现有并网逆变器在面对电网非线性变化时会遇到稳定性问题，当前的解决方案难以有效应对复杂的电网环境。我们提出一种基于无源性的控制策略，以提高构网型多逆变器电站的稳定性和动态性能，从而应对这些挑战。从能量重塑的角度设计的内环，确保了逆变器输出的稳定性。采用微分无源性设计的外环，显著增强了对扰动的响应能力，并在多台逆变器并联运行时无需通信即可确保功率分配和相位同步。非线性扰动观测器估计并网点的非线性扰动，并将此信息反馈到内环进行参数补偿。我们基于李雅普诺夫稳定性准则证明了整个控制器的无源性。这确保了电站...
解读: 从阳光电源的业务视角来看，这项基于无源性控制的构网型多逆变器协同控制技术具有重要的战略价值。随着我司在全球光伏逆变器和储能系统市场份额的持续扩大，大规模新能源电站面临的电网稳定性问题日益凸显，该技术为解决这一核心痛点提供了系统性方案。 该技术的核心创新在于三层协同控制架构：能量重塑的内环控制确保单...
基于神经网络预测器与软演员-评论家算法的电力电子变换器预测控制方法
A Predictive Control Method Based on Neural Predictor and Soft Actor–Critic for Power Converters
Chenghao Liu · Jien Ma · Xing Liu · Lin Qiu 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
本文着重于将软强化学习（RL）技术引入有限控制集模型预测控制（FCS - MPC）框架，以提升鲁棒性能。更确切地说，在神经预测器的基础上，开发了一个使用软演员 - 评论家算法训练的智能体，用于探索嵌入在MPC框架内的最优控制输入。同时，在训练过程中引入了基于李雅普诺夫函数的约束条件，并给出了相应的权重更新法则。此外，所提出的方法保证了集成了RL智能体的系统的稳定性。最后，仿真和实验结果均验证了该方法相较于现有FCS - MPC方法的优越性。
解读: 从阳光电源的核心业务视角来看，这项基于软强化学习的预测控制技术具有重要的战略价值。该方法将软演员-评论家算法与有限集模型预测控制相结合，通过神经网络预测器实现智能决策，这与我们在光伏逆变器和储能变流器中广泛应用的MPC控制策略形成了技术演进路径。 对于阳光电源的产品线，该技术的核心价值体现在三个层...