找到 6 条结果 · IEEE Journal of Emerging and Selected Topics in Power Electronics
DAB DC-DC变换器六控制自由度调制方案及深度强化学习效率增强
Six Control Degrees of Freedom Modulation Scheme for DAB DC-DC Converters
Zhichen Feng · Huiqing Wen · Xu Han · Guangyu Wang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
通过增加控制自由度(DoF)可提高双有源桥(DAB)变换器转换效率。提出六控制自由度(6-DoF)调制进一步提升DAB变换器效率。采用频域分析直接推导变换器运行表达式,包括传输功率、电感电流和均方根(RMS)电流。提出6-DoF深度强化学习(DRL-6DoF)优化方案,采用深度确定性策略梯度(DDPG)算法求解最小功率损耗最优解。训练后的DDPG代理可在各种运行工况下输出控制变量最优值。采用DRL-6DoF控制方案,因低RMS电流和优异ZVS性能进一步提升DAB变换器效率。特别在重载工况下,因可...
解读: 该六自由度深度强化学习DAB优化技术对阳光电源储能变流器的DAB变换器效率提升有重要应用价值。DDPG算法优化可应用于ST储能系统的DC-DC变换级,实现全工况高效运行。可变开关频率和低RMS电流技术对阳光电源DAB拓扑产品的重载效率优化有借鉴意义。该技术对PowerTitan大型储能系统的智能控制...
跟网型逆变器鲁棒稳定性分析：集成参数不确定性和区间时延的PI控制器整定
Robust Stability Analysis of Grid-Following Inverters
Nima Mahdian Dehkordi · Ali Rezaei · Mohsen Hamzeh · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
针对跟网型逆变器面临区间参数不确定性和未知有界时延问题,提出新型鲁棒稳定性分析框架。不同于经典鲁棒控制策略(H∞、μ综合、滑模控制)导致高阶或非线性控制器难以实时调谐,以及无模型方法(强化学习、数据驱动)缺乏稳定性保证,该方法采用时延相关准则结合值集和零点排除原理。该方法简单、系统、非保守,无需复杂调谐即可完全确定PI稳定增益。仿真和实验验证了实际鲁棒性和逆变器控制适用性。
解读: 该鲁棒稳定性分析框架对阳光电源跟网型逆变器控制参数整定有重要应用价值。时延相关准则和参数不确定性集成方法可应用于ST储能变流器和SG光伏逆变器的GFL控制器设计,提高在电网参数变化和通信延迟条件下的稳定性。简化的PI增益确定方法便于工程实现,优于复杂鲁棒控制策略。该技术对阳光电源逆变器在弱电网和高比...
三相双有源桥变换器效率优化的无模型深度强化学习框架
A Model-Free Deep Reinforcement Learning Framework for Efficiency Optimization of Three-Phase Dual Active Bridge Converters
Zhihao Chen · Zhen Li · Sijia Huang · Haoyu Chen 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
针对三相双有源桥(3p-DAB)变换器效率优化面临的挑战,现有数学推导和人工智能方法依赖复杂耗时的解析或数据驱动建模增加开发复杂度。提出基于深度强化学习的无模型优化框架,通过系统交互直接学习策略而无需电气参数显式建模,显著减少开发时间并确保优化性能。参数敏感性分析验证不同变换器条件下的强泛化性。开发深度确定性策略梯度算法退化变体用于3p-DAB单步决策优化,配合AI驱动占空比控制策略提升效率。与先进数学分析和数据驱动方法的综合对比验证了所提方法的有效性。
解读: 该深度强化学习DAB优化技术对阳光电源智能变换器开发有重要创新价值。无模型优化框架可应用于ST储能变流器的DAB模块效率优化,减少建模工作量并加快产品开发周期。深度确定性策略梯度算法对PowerTitan大型储能系统的多模块协调控制有借鉴意义,可实现自适应效率优化。该技术对阳光电源AI驱动的iSol...
基于软Actor-Critic算法的强化学习控制器改进交错并联DC-DC升压变换器电压调节
Improving Voltage Regulation of Interleaved DC-DC Boost Converter via Soft Actor-Critic Algorithm Based Reinforcement Learning Controller
Jian Ye · Di Zhao · Xuewei Pan · Sinan Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
本文提出采用基于软Actor-Critic（SAC）算法的强化学习（RL）控制器作为三相交错并联DC-DC升压变换器的唯一主控制器，以提升输出电压的动态性能。阐述了最大熵学习的优势及SAC算法原理，给出了神经网络结构与奖励函数的设计方案。SAC智能体经离线训练后，在工作点处进行稳定性分析，并在物理平台上部署测试。与现有方法的对比表明，该方法显著提升了变换器的电压控制能力，且对参数、参考值及负载变化具有强鲁棒性。
解读: 该SAC强化学习控制技术对阳光电源DC-DC变换器产品具有重要应用价值。在ST系列储能变流器中，交错并联Boost拓扑广泛用于电池侧DC-DC升压环节，该方法可显著提升电压动态响应速度和参数鲁棒性，优化储能系统功率爬坡能力。在车载OBC充电机中，面对电池SOC变化和负载突变工况，SAC算法的最大熵学...
基于深度强化学习的Vienna整流器PMSG风力发电系统性能优化控制方案
Deep Reinforcement Learning-Based Control Scheme for Performance Enhancement of PMSG Wind Turbine With Vienna Rectifier
Yucheng Du · Bin Cai · Shaomin Yan · Weiyu Zhang 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年9月
提出一种基于深度强化学习（DRL）的新型控制方案，以提升采用Vienna整流器的永磁同步发电机（PMSG）在风力发电系统中的运行性能。针对PMSG定子电流谐波及Vienna整流器中点电压波动问题，设计了基于风速、具有变权重系数的奖励函数，并构建以风速为首要观测状态的快速响应Agent模型，以降低外部环境干扰。通过构建多样化的随机训练环境，增强系统对不同风速变化场景的适应能力。采用双延迟深度确定性策略梯度（TD3）算法进行离线训练。仿真与实验结果表明，该方案在不同风速下控制误差小，显著提升了电能质...
解读: 该研究提出的基于DRL的Vienna整流器控制方案对阳光电源的风电变流器和储能变流器产品线具有重要参考价值。特别是其针对电流谐波和中点电压波动的优化思路，可应用于ST系列储能变流器的三电平拓扑控制。研究中基于风速的变权重奖励函数设计方法，对改进公司产品在复杂工况下的控制性能具有启发意义。该方案通过T...
分布式混合电推进飞机能量管理与控制优化及实验验证
Optimization and Experimental Validation of Energy Management and Control for a Distributed Hybrid Electric Propulsion Aircraft
Mingliang Bai · Ruopu Zhang · Wenjiang Yang · Zibing Qu 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
提出改装通用航空飞机的分布式混合电推进系统(DHEPS),增加分布式推进单元提升整体性能。针对混合电地面试验台进行子系统建模和元件参数选择。提出分层控制框架,顶层基于状态机能量管理策略(SM-EMS)的监控控制器,底层开发多时间尺度机电耦合控制策略,集成分布式电机的强化学习磁场定向控制(RL-FOC)和扩展卡尔曼滤波(EKF)方法,以及发动机-发电机轴速自适应PI控制。巡航剖面仿真显示DHEPS相对基线飞机燃油消耗降低7.4%,能量比航程提升2.1%。RL-FOC和EKF方法显著改善响应时间和稳...
解读: 该分布式混合电推进系统能量管理技术对阳光电源航空电气化和多源协调控制有重要参考价值。状态机能量管理策略可应用于ST储能系统的多模式运行优化,如峰谷套利和调频调峰场景切换。强化学习磁场定向控制对新能源汽车多电机驱动系统的协调控制有借鉴意义,可提升响应速度和稳态精度。该技术对PowerTitan大型储能...