找到 2 条结果 · IEEE Transactions on Industrial Electronics
一种基于自适应下垂与前馈控制的孤岛微电网构网型逆变器瞬态功率均分与解耦方法
An Adaptive Droop and Feedforward Control Based Transient Power Sharing and Decoupling Method for Grid-Forming Inverters in Islanded Microgrids
Jiazhi Wang · Zeng Liu · Kaiwen Feng · Jinjun Liu · IEEE Transactions on Industrial Electronics · 2024年10月
准确的功率分配是孤岛微电网（MG）中构网型逆变器（GFMIs）的基本需求。然而，即使GFMIs的控制器相同，考虑到电路差异，暂态功率分配（TPS）性能仍然不佳。本文提出了一种公共耦合点（PCC）动态小信号模型，用于描述GFMIs之间的相互作用。基于该模型，首先推导了一种自适应暂态功率解耦（TPD）控制器，以确保良好的TPD性能并简化GFMIs的小信号模型。然后，利用自适应下垂和前馈控制推导了一种自适应TPS控制器，以确保良好的TPS性能。与传统下垂控制方法相比，所提出的方法可以补偿线路阻抗和虚拟...
解读: 从阳光电源的业务视角来看，这项基于自适应下垂和前馈控制的构网型逆变器暂态功率共享技术具有重要的战略价值。该技术直接针对孤岛微电网中多台构网型逆变器（GFMI）并联运行时的核心痛点——暂态功率分配不均问题，这与阳光电源在光储微网和离网系统领域的产品需求高度契合。 技术价值方面，该方法通过公共耦合点动...
基于吸引力增强型强化学习的去中心化多机器人鱼协同捕食控制
Decentralized Multirobotic Fish Pursuit Control With Attraction-Enhanced Reinforcement Learning
Yukai Feng · Zhengxing Wu · Jian Wang · Junwen Gu 等6人 · IEEE Transactions on Industrial Electronics · 2025年1月
自适应且高效的协同控制对多机器人鱼系统至关重要，可显著提升其在复杂水下任务中的表现。本文提出一种专为多机器人鱼协同追捕设计的新型自适应算法，融合吸引力机制与强化学习技术，使机器人鱼能依据局部观测与环境线索做出自适应决策。针对机器人鱼的独特动力学特性构建了状态转移环境，并结合课程学习方法设计了去中心化的追捕策略。仿真与实物实验验证了该策略的有效性与适应性，为复杂水下环境中多机器人鱼系统的协同控制提供了重要参考。
解读: 该去中心化多智能体协同控制技术对阳光电源分布式储能系统具有重要借鉴价值。文中的吸引力增强型强化学习算法可应用于PowerTitan大型储能系统的多模块协同控制，实现基于局部观测的自适应功率分配与负载均衡。去中心化决策架构可提升ST系列储能变流器集群的容错性与可扩展性，避免单点故障。课程学习方法可优化...