找到 2 条结果 · IEEE Transactions on Power Electronics
基于耗散的动力学感知学习方案用于网络化黑箱构网型逆变器的暂态稳定性分析
Dissipation-Based Dynamics-Aware Learning Scheme for Transient Stability Analysis of Networked Black-Box Grid-Forming Inverters
Zhong Liu · Jialin Zheng · Xiaonan Lu · IEEE Transactions on Power Electronics · 2025年9月
基于耗散性的稳定性分析方法借助李雅普诺夫函数，在评估基于逆变器的电力系统暂态稳定性方面应用广泛。然而，特定厂商的逆变器控制方案具有专有性，这常常导致逆变器模型成为“黑箱”，透明度有限。同时，目前仍需要一个“通用”的暂态稳定性评估框架，以替代当前实践中通常采用的针对特定案例的设计。为克服这些局限性，本文提出了一种基于耗散性的动态感知学习方案，用于对含网络化黑箱型电网形成逆变器的电网进行暂态稳定性分析。与传统的黑箱建模方法不同，传统方法学习逐点轨迹映射作为输出特性，而所提出的方法直接学习状态变量的导...
解读: 从阳光电源的业务视角来看，这项基于耗散理论的黑箱构网型逆变器暂态稳定性分析技术具有重要的战略价值。随着我司大规模储能系统和构网型逆变器在高比例新能源电网中的广泛应用，系统暂态稳定性评估已成为制约项目落地的关键技术瓶颈。 该技术的核心创新在于突破了传统方法对精确数学模型的依赖，通过神经网络直接学习系...
基于事件驱动的强化学习预测控制器设计——用于三相NPC变流器的在线逼近器方法
Event-Driven Based Reinforcement Learning Predictive Controller Design for Three-Phase NPC Converters Using Online Approximators
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 2024年12月
本文针对电力变换器系统，研究了一种利用在线逼近器的无模型强化学习预测控制问题的两步事件驱动方法，解决了系统不确定性和不必要的开关损耗等问题。具体而言，本技术报告的关键特点如下：1) 采用一个评判神经网络实时学习性能函数；2) 采用一个执行神经网络在线逼近预测控制器，并使从评判网络获得的学习性能函数最小化；3) 采用两步事件驱动控制协议降低开关频率（SF）。此外，我们进一步探讨了该方案对参数不确定性的敏感性，并量化了其在低开关频率运行和未知干扰条件下的性能。此外，还对网络权重估计误差进行了收敛性分...
解读: 从阳光电源的业务视角来看，这项基于事件驱动的强化学习预测控制技术对三相NPC变流器的应用具有重要战略价值。NPC（中点钳位）拓扑是我司大功率光伏逆变器和储能变流器的核心架构，该技术在提升系统性能和降低运维成本方面展现出显著潜力。 该论文提出的双步事件驱动控制策略直接针对变流器的两大痛点：一是通过在...