找到 3 条结果 · 电动汽车驱动
基于最优策略梯度的二型模糊控制在5G商用建筑多直流端口PEC变换器中的应用
Optimal Policy Gradient-Based Type-2 Fuzzy Control for Multi-DC Terminal PEC Converter in 5G-Based Commercial Buildings
Meysam Gheisarnejad · Arman Fathollahi · Mohammad Sharifzadeh · Eric Laurendeau 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
在智慧城市集成技术中，电动汽车与第五代通信系统依赖广泛的分布式基础设施。商用建筑因其分布广泛且能耗显著，成为支撑这些技术的理想平台。本文提出一种基于九电平封装E单元（PEC9）变换器的直流供电单元，专为支持电动汽车充电站与5G通信设施而设计。为稳定该多直流端口有源功率因数校正整流器，构建了一种结构化区间二型模糊PD加I（IT2F-PD+I）控制器，并采用深度确定性策略梯度（DDPG）算法优化其输入输出比例因子，通过演员-评论家双深度神经网络实现直流电压的智能调节。基于DS1202的实验验证了该方...
解读: 该九电平PEC变换器与IT2F-PD+I控制技术对阳光电源充电桩产品线具有直接应用价值。多直流端口架构可支持工商业场景下光伏-储能-充电桩的直流母线集成，契合阳光电源ST储能系统与充电设施的融合方案。DDPG深度学习算法优化的模糊控制策略可提升充电桩PFC整流器的动态响应与电压稳定性，特别适用于5G...
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...
基于深度强化学习的逆变器控制器：增强含电弧炉电网中可再生能源的集成
Deep Reinforcement Learning Enabled Inverters: Strengthening RES Integration in Grids With Electric Arc Furnaces
Ebrahim Balouji · Özgül Salor · Safwan Al Khatib · IEEE Transactions on Industry Applications · 2024年9月
本文介绍了一种用于支撑电网的逆变器控制系统的开发，旨在将可再生能源（RES）接入电网，以应对存在诸如电弧炉（EAF）等间歇性负载的具有挑战性的工况。采用基于深度学习的方法，运用深度确定性策略梯度（DDPG）这一强化学习（RL）算法，对电网进行建模、估算电压和相角，并控制支撑电网的逆变器。目标是开发一种能产生虚拟惯量的支撑电网的逆变器，以稳定由间歇性负载引发的电网频率问题，并实现可再生能源（RES）与电力系统的无缝集成。使用DDPG无需一些传统的估算工具，如快速傅里叶变换（FFT）、同步参考坐标系...
解读: 该深度强化学习逆变器控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器在工业电网应用具有重要价值。针对电弧炉等非线性负载引起的电压波动、谐波畸变问题，可增强现有构网型GFM控制策略，实现负序与无功功率的自适应动态补偿。该技术可应用于：1）PowerTitan储能系统在钢铁、冶金等工业园区的电能...