Yihao Wan · Qianwen Xu · Tomislav Dragičević · IEEE Transactions on Industrial Electronics · 2024年10月

有限集模型预测控制（FS - MPC）似乎是一种很有前景且有效的电力电子变换器控制方法。传统的有限集模型预测控制存在权重因子选择耗时的问题，这会显著影响控制性能。有限集模型预测控制面临的另一个持续挑战是，要获得理想的控制性能，它依赖于预测模型。为克服上述问题，我们提议将强化学习（RL）应用于电力变换器的有限集模型预测控制。首先，采用强化学习算法对有限集模型预测控制进行自动权重因子设计，旨在最小化总谐波失真（THD）或降低平均开关频率。此外，通过用预测算法的成本函数为强化学习智能体制定激励机制，该...

解读: 从阳光电源的业务视角来看，这项基于强化学习的预测控制技术对我们的核心产品线具有重要战略价值。该技术针对有限集模型预测控制（FS-MPC）的两大痛点提出了创新解决方案，这与我们在光伏逆变器和储能变流器领域追求高效率、高可靠性的目标高度契合。 在实际应用层面，该技术的自动权重因子设计功能可显著缩短我们...