找到 8 条结果 · 电动汽车驱动
基于动态平均一致性算法的微网无功功率分配与电压调节方法
Dynamic Average Consensus-Based Reactive Power Sharing and Voltage Regulation Method in the Microgrid
作者未知 · IEEE Transactions on Industrial Informatics · 2025年8月
作为一种新兴的方法，微电网中接口逆变器的下垂控制已被广泛采用。然而，由于实际微电网中馈线阻抗存在差异，下垂控制无法实现分布式发电机之间的无功功率按比例分配。因此，本文提出了一种基于平均一致性算法的新型分布式自适应虚拟阻抗方法，以缓解馈线阻抗不匹配问题。其中，虚拟阻抗由静态电感和自适应电感组成，通过创建额外的控制回路来重塑等效阻抗。自适应电感单元基于无功功率偏差，采用多智能体一致性算法进行设计。通过对等效阻抗进行完全分布式调整，可以提高无功功率分配的精度。然后，将所提出的控制方法应用于改进的下垂控...
解读: 从阳光电源微电网解决方案的业务视角来看，该论文提出的基于动态平均一致性算法的无功功率分配与电压调节技术具有重要应用价值。传统下垂控制在实际微电网中因馈线阻抗差异无法实现精确的无功功率按比例分配，这一痛点在阳光电源大规模分布式光伏并网和储能系统集成项目中普遍存在，直接影响系统效率和电能质量。 该技术...
数据驱动的无模型自适应控制在微电网多场景下电力变换器中的应用
Data-Driven Model-Free Adaptive Control for Power Converter Under Multiscenarios in Microgrids
Lei Liu · Zhenbin Zhang · Yuxin Zhao · Guangze Chen 等6人 · IEEE Transactions on Industrial Electronics · 2025年1月
微电网需要高效的控制方案，以实现电力变换器的高渗透率。基于模型的控制因其简便性而在变换器中得到广泛应用，但在处理模型不准确、关键负载和多扰动问题时面临挑战。为解决这些问题，本文针对三电平中点箝位（3L - NPC）电力变换器系统提出了一种数据驱动的无模型自适应控制（MFAC）方法，可在无需任何系统参数的情况下实现鲁棒、高质量的电流和电压控制。具体而言，无模型自适应控制是一种通过设计基于李雅普诺夫理论直观推导得出的自适应律来估计系统动态特性的有效方法，以此调节电流和电压，确保对未建模动态、模型变化...
解读: 从阳光电源的业务视角来看，这项数据驱动无模型自适应控制（MFAC）技术对我们的核心产品线具有重要战略价值。该技术针对微电网场景下三电平NPC变流器的控制难题，提出了突破传统模型依赖的创新方案，与我们在光伏逆变器、储能变流器及微电网系统的技术发展方向高度契合。 技术价值方面，MFAC的核心优势在于无...
基于无模型深度强化学习的微电网能量管理
Energy Management in Microgrids Using Model-Free Deep Reinforcement Learning Approach
Odia A. Talab · Isa Avci · IEEE Access · 2025年1月
随着智能电网技术的发展，微电网在整合风能、太阳能等可再生能源方面发挥着关键作用。然而，可再生能源的间歇性及电动汽车与快充站负荷的增长，给微电网运行的稳定性与效率带来挑战。本文提出一种无模型的实时能量管理策略，无需传统不确定性建模即可应对源荷双重不确定性。将问题建模为马尔可夫决策过程，并采用基于Actor-Critic架构的深度确定性策略梯度算法实现动态优化。仿真结果表明，该方法总成本降至51.8770 €ct/kWh，较Dueling DQN和DQN分别降低3.19%和4%，验证了其在现代微电网...
解读: 该无模型深度强化学习能量管理技术对阳光电源微电网解决方案具有重要应用价值。可直接应用于PowerTitan储能系统与ST系列储能变流器的能量调度优化，通过DDPG算法实现光伏-储能-充电桩的实时协同控制，无需复杂的不确定性建模即可应对源荷波动。该方法可集成至iSolarCloud云平台，提升微电网E...
孤立微电网的非线性动态建模与大信号稳定性分析
Nonlinear Dynamic Modeling and Large-Signal Stability Analysis of Isolated Microgrids
Jiwei Ge · Yang Han · Ensheng Zhao · Yuxiang Liu 等6人 · IEEE Transactions on Energy Conversion · 2024年11月
微电网的分布式发电主要来自可再生能源，通过电力电子变换器实现灵活的能量转换。然而，微电网缺乏旋转惯量，抗干扰能力较差，使其更容易出现暂态不稳定问题，而这种暂态不稳定无法通过小信号分析进行评估。为了分析大扰动对系统暂态稳定性的影响，本文对由构网型（GFM）和跟网型（GFL）变换器组成的微电网中的非线性特性进行了数学描述。然后，建立了独立交流微电网的通用非线性动态模型。此外，采用基于Takagi - Sugeno（TS）多模型的迭代算法来估计吸引域（DOA）。本文的主要创新点在于对由多种类型变换器和...
解读: 从阳光电源的业务视角来看，这项关于孤岛微电网非线性动态建模和大信号稳定性分析的研究具有重要的战略价值。该论文针对微电网转动惯量不足和抗扰动能力弱的核心痛点，建立了包含构网型（GFM）和跟网型（GFL）变流器的通用非线性动态模型，这与阳光电源在光伏逆变器和储能变流器领域的技术路线高度契合。 对于阳光...
基于循环神经网络与SustainaBoost增强的微电网在线流驱动能量管理
Online Stream-Driven Energy Management in Microgrids Using Recurrent Neural Networks and SustainaBoost Augmentation
Younes Ghazagh Jahed · Seyyed Yousef Mousazadeh Mousavi · Saeed Golestan · IEEE Transactions on Sustainable Energy · 2024年11月
近年来，可再生能源和电动汽车的广泛接入使微电网运行面临显著的供需不确定性。本文提出一种面向并网型微电网的在线流驱动能量管理策略，结合循环神经网络（RNN）实现对时序数据的学习与实时决策，并引入名为SustainaBoost（SB）的增强技术以提升系统可持续性与神经网络训练质量，有效应对噪声数据影响。实验结果表明，所提RNN模型在测试集上实现98.7%的最优运行成本降低性能。
解读: 该在线流驱动能量管理技术对阳光电源ST系列储能变流器和PowerTitan储能系统具有重要应用价值。RNN时序学习能力可集成至iSolarCloud平台，实现微电网场景下光伏-储能-充电桩的实时协调优化，提升98.7%成本降低性能直接对应储能系统经济性提升。SustainaBoost抗噪声增强技术可...
基于事件触发量化算法的孤岛型现代微电网有限速率数字通信网络分布式二次控制
Finite-Rate Distributed Secondary Control Over Digital Communication Networks Using an Event-Triggered Quantized Algorithm for Islanded Modern Microgrids Utilizing Inverter-Based Resources
Amir Afshari · Mohammad Raeispour · Masoud Davari · Weinan Gao 等6人 · IEEE Transactions on Industrial Informatics · 2024年11月
电网现代化以及基于逆变器的资源（IBR）大规模接入配电系统，促使依赖信息和通信技术的新型控制策略得以发展。为此，本文提出了一种分布式二次控制算法，该算法采用事件触发机制，用于在孤岛型现代微电网中通过数字通信信道在 IBR 之间交换信息。与现有的事件触发研究不同，所提出的方法基于非线性映射技术，用于对数字通信信道上的共享数据进行编码，使其适用于实际应用。该方法使控制系统能够使用数字化和编码后的数据，而非典型的连续模拟信息，从而更高效地利用通信基础设施。因此，考虑到计算约束和通信系统的有限带宽，该算...
解读: 从阳光电源的业务视角来看，这项基于事件触发量化算法的分布式二次控制技术对我司在微电网和储能系统领域的产品升级具有重要参考价值。该技术针对逆变器型资源（IBRs）在孤岛微电网中的协调控制问题，提出了一种适应数字通信网络有限带宽的实用解决方案。 对于阳光电源的光伏逆变器和储能变流器产品线，该技术的核心...
基于模仿专家经验的可解释深度强化学习在电动汽车智能充电中的应用
Interpretable Deep Reinforcement Learning With Imitative Expert Experience for Smart Charging of Electric Vehicles
Shuangqi Li · Alexis Pengfei Zhao · Chenghong Gu · Siqi Bu 等6人 · IEEE Transactions on Power Systems · 2024年7月
深度强化学习（DRL）因计算效率高，有望实现复杂系统的在线优化控制，但其可解释性与可靠性限制了在智能电网能量管理中的工程应用。本文首次提出一种新颖的模仿学习框架，用于解决电网连接电动汽车（GEV）充电管理中的高效计算问题。通过基于车网互动（V2G）成本效益分析的先验优化模型生成最优策略，并构建专家经验池以配置学习环境。设计双Actor-Imitator网络结构，实现专家知识向强化学习模型的有效迁移，提升训练效率与调度性能。实验结果表明，该方法在英国某示范微网中有效提升了V2G经济效益并缓解了电池...
解读: 该可解释深度强化学习技术对阳光电源充电桩产品线及储能系统具有重要应用价值。文章提出的模仿学习框架可直接应用于阳光电源V2G充电桩的智能调度算法，通过专家经验池加速DRL训练，提升充电策略的可靠性与可解释性，解决传统黑盒AI在电网能量管理中的工程化难题。该方法可集成至iSolarCloud云平台，实现...
一种基于神经网络虚拟阻抗的双向电网逆变器控制新方法以改善微电网动态性能
A Novel Bi-Directional Grid Inverter Control Based on Virtual Impedance Using Neural Network for Dynamics Improvement in Microgrids
Mohamad Alzayed · Michel Lemaire · Hicham Chaoui · Daniel Massicotte · IEEE Transactions on Power Systems · 2024年5月
在微电网中，电压源逆变器通常采用下垂控制技术，并结合电压和内部电流控制回路，以实现可靠的电力供应。由于线路阻抗不匹配，标准下垂控制技术难以实现功率的均匀分配，并限制并联连接之间的环流，尤其是在高度非线性系统中。本研究旨在引入一种基于神经网络的虚拟阻抗，并将其与双向电网逆变器控制技术相结合，以提高微电网动态运行期间的稳定性。为了在各种运行场景下以较小的偏差和更好的稳定性准确跟踪需求和参考功率，所提出的技术采用前馈神经网络（FFNN）来学习逆变器暂态过程中的非线性模型。该技术无需额外的调节步骤，仅需...
解读: 该神经网络自适应虚拟阻抗控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。当前阳光电源储能系统采用下垂控制实现多机并联功率分配，但线路阻抗不匹配和负载突变会影响动态响应。该研究提出的神经网络在线调节虚拟阻抗方案，可直接应用于ST储能变流器的控制算法优化，提升多台...