找到 3 条结果 · IEEE Transactions on Industrial Electronics
电网故障下直流链路电压同步型风力发电机组的控制
Control of DC-Link Voltage-Synchronized Wind Turbine Generators Under Grid Faults
Zhenyan Deng · Renxin Yang · Yu Zhang · Chen Zhang 等6人 · IEEE Transactions on Industrial Electronics · 2025年6月
直流母线电压同步型虚拟同步机（GFM）控制因其对直流母线电压的有效控制，在风力发电机组（WTG）中得到了越来越广泛的应用。然而，由于电容惯性较小，同步环的带宽相对较高。当网侧变流器（GSC）采用电压 - 电流级联控制环时，这些控制环之间的耦合会带来不稳定风险。采用单一交流电压环因其简单性和稳定性被认为是一种有前景的替代方案。然而，由于缺乏固有的限流机制，处理暂态过电流具有挑战性。此外，故障期间斩波器会钳位直流母线电压动态，这会导致失步，并可能造成暂态功角不稳定。为解决上述问题，本文提出了一种适用...
解读: 从阳光电源的业务视角来看，这项直流母线电压同步型构网控制技术对我们在风电变流器及多能互补系统领域具有重要参考价值。尽管研究聚焦于风电机组，但其核心技术与我们的光伏逆变器、储能变流器在拓扑结构和控制原理上高度相似，特别是在构网型（GFM）控制策略的应用方面。 该技术的核心价值在于解决了构网型控制在电...
基于斯塔克尔伯格博弈的软演员评论家-深度强化学习方法用于锂离子电池及冷却系统的快速充电管理
Fast Charging Management of a Lithium-Ion Battery and Cooling System: A Stackelberg Game-Based Soft Actor Critic−Deep Reinforcement Learning Method
Hongrong Yang · Quanyi Chen · Xiaoying Shi · Yinliang Xu 等5人 · IEEE Transactions on Industrial Electronics · 2025年5月
本文提出了一种针对锂离子电池和冷却系统的快速充电管理策略，旨在解决在多种物理约束条件下实现快速充电，同时将冷却能耗和电池老化降至最低的难题。将电池与冷却系统之间的复杂耦合关系构建为基于斯塔克尔伯格博弈的双层优化框架，以反映充电和冷却过程的顺序交互。为此，开发了一种基于斯塔克尔伯格博弈的软演员 - 评论家深度强化学习方法，并对其收敛性进行了严格证明，确保了该方法的可靠性。大量实验结果验证了该方法的有效性，表明其优于现有先进策略，包括单智能体深度强化学习、贝叶斯方法以及恒流 - 恒压（CCCV） -...
解读: 从阳光电源的业务视角来看，这项基于Stackelberg博弈和深度强化学习的快充管理技术具有重要的战略价值。该技术通过将电池充电与热管理系统的耦合关系建模为双层优化框架，实现了充电速度、能耗控制和电池寿命之间的动态平衡，这与我司储能系统的核心技术需求高度契合。 在储能业务层面，该技术可直接应用于我...
计算高效的长时域预测控制在电力变换器中的应用：一种强化学习方法
Computationally Efficient Long-Horizon Predictive Control for Power Converter: A Reinforcement Learning Approach
Yihao Wan · Yang Zhang · Qianwen Xu · IEEE Transactions on Industrial Electronics · 2025年4月
长预测时域有限控制集模型预测控制（FCS - MPC）在闭环稳定性、谐波失真和开关频率方面表现出卓越的性能。然而，对于传统的穷举法，实际实施时的计算负担会随着预测时域的增加呈指数级增长。传统方法包括将其重新表述为整数最小二乘（ILS）问题，以及采用基于人工神经网络（ANN）的有监督模仿学习技术，以减轻长预测时域带来的计算负担问题。在本文中，通过将强化学习（RL）框架与长预测时域相结合，开发了一种新型自主控制器用于变流器控制。通过这种方式，RL智能体通过与变流器系统进行交互，自主学习最优开关策略。...
解读: 从阳光电源的业务视角来看，这项基于强化学习的长预测时域模型预测控制技术具有重要的战略价值。该技术针对功率变换器控制中的核心痛点——长预测时域带来的计算复杂度问题，提出了创新性解决方案，这与我们在光伏逆变器和储能变流器产品中追求高性能控制的需求高度契合。 技术价值方面，长预测时域控制能够显著改善闭环...