找到 98 条结果
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...
基于深度强化学习的IRS辅助SWIPT系统波束成形设计
Beamforming Design of IRS-Assisted SWIPT System Based on Deep Reinforcement Learning
Hui Zhang · Qiming Jia · Xu Han · Hongde Yu 等5人 · IEEE Transactions on Industrial Informatics · 2024年10月
在智能反射面（IRS）辅助的无线信息与能量同步传输（SWIPT）系统中，联合设计基站发射波束成形和 IRS 对于提高系统性能至关重要。针对该波束成形设计问题，建立了受 IRS 非线性能量损耗影响的实际相位相关幅度模型，进而构建了一个多参数联合优化问题，以最大化设备的总速率。此外，提出了一种 PER - SAC 算法来解决该问题，该算法基于软行动者 - 评判者（SAC）原理，并采用优先经验回放（PER）来提高训练效率。结果表明，在该场景下，PER - SAC 算法比其他算法具有更好的稳定性和收敛效...
解读: 从阳光电源的业务视角来看，这项基于智能反射面（IRS）辅助的无线信息与能量同传（SWIPT）技术研究，为我们在分布式光伏监控、储能系统通信和智慧能源管理领域提供了创新性的技术路径参考。 该论文提出的PER-SAC深度强化学习算法，通过联合优化基站发射波束成形和IRS相位设计，有效解决了无线能量传输...
模糊驱动医疗设备的电能质量评估与优化
Power Quality Assessment and Optimization in FUZZY-Driven Healthcare Devices
Dinesh Kumar Nishad · Saifullah Khalid · Rashmi Singh · IEEE Access · 2025年1月
模糊技术出现彻底改变医疗保健，赋能更智能医疗设备和设备。然而，这些模糊驱动系统的成功运行取决于高电能质量。本文引入创新模糊驱动能源管理系统，结合卷积神经网络CNN用于实时电能质量事件检测、长短期记忆LSTM网络用于预测分析以及强化学习用于优化控制。通过IEEE 13总线测试馈线广泛仿真，证明系统在检测和缓解电能质量扰动方面的卓越性能。基于CNN的检测在事件分类中达到97%准确率，而LSTM实现95%准确预测新兴问题。强化学习控制器相比传统方法，实现电压凹陷恢复快50%、谐波降低提升20%、停电期...
解读: 该电能质量管理技术对阳光电源储能系统在医疗等关键负荷场景具有重要参考。阳光PowerTitan工商业储能系统服务医院、数据中心等对电能质量要求极高的场所。该研究的CNN-LSTM-强化学习混合框架可集成到阳光储能变流器的智能控制系统，实现电能质量事件实时检测和快速响应。在医疗场景下，电压凹陷和谐波可...
基于模仿专家经验的可解释深度强化学习在电动汽车智能充电中的应用
Interpretable Deep Reinforcement Learning With Imitative Expert Experience for Smart Charging of Electric Vehicles
Shuangqi Li · Alexis Pengfei Zhao · Chenghong Gu · Siqi Bu 等6人 · IEEE Transactions on Power Systems · 2024年7月
深度强化学习（DRL）因计算效率高，有望实现复杂系统的在线优化控制，但其可解释性与可靠性限制了在智能电网能量管理中的工程应用。本文首次提出一种新颖的模仿学习框架，用于解决电网连接电动汽车（GEV）充电管理中的高效计算问题。通过基于车网互动（V2G）成本效益分析的先验优化模型生成最优策略，并构建专家经验池以配置学习环境。设计双Actor-Imitator网络结构，实现专家知识向强化学习模型的有效迁移，提升训练效率与调度性能。实验结果表明，该方法在英国某示范微网中有效提升了V2G经济效益并缓解了电池...
解读: 该可解释深度强化学习技术对阳光电源充电桩产品线及储能系统具有重要应用价值。文章提出的模仿学习框架可直接应用于阳光电源V2G充电桩的智能调度算法，通过专家经验池加速DRL训练，提升充电策略的可靠性与可解释性，解决传统黑盒AI在电网能量管理中的工程化难题。该方法可集成至iSolarCloud云平台，实现...
基于元强化学习的自适应可解释储能控制应对动态场景
Meta Reinforcement Learning Based Adaptive and Interpretable Energy Storage Control Meets Dynamic Scenarios
Yibing Dang · Jiangjiao Xu · Fan Yang · Changjun Jiang 等5人 · IEEE Transactions on Sustainable Energy · 2025年4月
随着可再生能源的广泛应用，储能系统在能量调度与经济套利中发挥关键作用。传统强化学习方法因泛化能力有限，在高动态环境下易出现性能下降。本文提出一种基于元强化学习的储能控制框架，包含离线训练与在线适应阶段，通过双循环更新机制和多任务学习获得高泛化性的初始参数，并结合Shapley值方法增强决策可解释性。实验表明，该模型在多种动态微网场景下适应性强，性能较传统方法提升20%至50%，且调度决策特征贡献分析符合人类直觉。
解读: 该元强化学习储能控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。其自适应双循环更新机制可显著提升储能系统在光伏出力波动、负荷变化等动态场景下的调度性能，相比传统方法提升20%-50%的经济效益直接增强产品市场竞争力。Shapley值可解释性分析可集成至iSol...
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...
基于AI驱动的低能耗物联网协议优化用于可扩展高效智慧医疗系统
AI-Driven Optimization of Low-Energy IoT Protocols for Scalable and Efficient Smart Healthcare Systems
Salma Rattal · Abdelmajid Badri · Mohamed Moughit · El Miloud Ar-Reyouchi 等5人 · IEEE Access · 2025年1月
物联网IoT承诺超连接世界，集成数十亿设备。低能耗通信协议对延长资源受限IoT设备电池寿命和确保高效数据交换至关重要。本文提出新型AI驱动优化框架，增强智慧医疗应用中协议的能效、可扩展性和适应性。与以往孤立优化协议的工作不同，本研究全面分析BLE、Zigbee、Thread、LoRa、Sigfox、NB-IoT、Wi-SUN和Weightless等协议，突出优缺点。该框架利用机器学习ML、强化学习RL和深度学习DL等先进AI技术优化传输距离、数据速率和功耗等关键指标。定量评估显示性能和权衡的显著...
解读: 该物联网协议优化技术对阳光电源分布式设备通信系统有应用价值。阳光户用光伏和储能系统中大量传感器和控制器需要低功耗长距离通信。AI优化的LoRa和NB-IoT协议可提升阳光监控设备的通信效率和电池寿命。强化学习自适应协议参数的方法可应用于阳光iSolarCloud平台的设备连接优化。该研究关注的功耗、...
基于SPP拓扑的海上风电场直流集电系统布局优化
DC Collector System Layout Optimization for Offshore Wind Farm With SPP Topology
Chunyang Pan · Shuli Wen · Miao Zhu · Jianjun Ma 等5人 · IEEE Transactions on Sustainable Energy · 2024年12月
随着全球海上风电的快速发展，风电场规模不断扩大，提升整体经济性至关重要。现有研究多集中于直流串并联（SP）拓扑，成本较高。本文提出一种基于分层强化学习（HRL）的优化框架，采用先进的直流串-并-并（SPP）拓扑以提升经济性。该框架通过分层开环多旅行商问题（HOMTSP）建模SPP结构，并将集电系统布局优化（CSLO）分解为子问题，采用分层双Q学习（DQL）求解，结合拓扑引导机制修正交叉线路。基于真实风电场GIS数据与机组连接方案的案例研究表明，所提方法较直流SP和交流双端环状拓扑显著提升经济性。
解读: 该研究的SPP拓扑优化方法对阳光电源的海上风电和储能产品线具有重要参考价值。首先，优化后的直流集电系统布局可直接应用于我司ST系列储能变流器的集成设计，提升大型储能电站的经济性。其次，文中的分层强化学习框架可用于优化PowerTitan储能系统的拓扑结构和功率分配策略。此外，该方法也可迁移应用到SG...
基于对抗性模仿强化学习的混合储能电动汽车能量管理
Imitation reinforcement learning energy management for electric vehicles with hybrid energy storage system
Weirong Liu · Pengfei Yao · Yue Wu · Lijun Duan 等6人 · Applied Energy · 2025年1月 · Vol.378
深度强化学习已成为电动汽车能量管理的一种有前景的方法。然而，深度强化学习依赖大量试错训练才能获得近似最优性能。为此，本文提出一种面向混合储能系统的电动汽车对抗性模仿强化学习能量管理策略，以最小化电池容量损耗成本。首先，利用动态规划在多种标准驾驶条件下生成专家知识，用于引导强化学习的探索过程，该专家知识表示为最优功率分配映射。其次，在早期模仿阶段，通过对抗网络使强化学习智能体的动作快速逼近最优功率分配映射。再次，根据对抗网络中判别器的输出设计动态模仿权重，促使智能体在在线驾驶条件下逐步过渡到自主探...
解读: 该对抗模仿强化学习策略对阳光电源混合储能系统具有重要应用价值。可应用于ST系列PCS的电池-超级电容混合储能优化,通过专家知识引导的强化学习加速训练42.6%,降低电池容量损耗成本5.1%-12.4%。技术可集成至iSolarCloud平台实现在线工况自适应功率分配,延长PowerTitan储能系统...
评估结合中间储能的电转X系统中基于网格惩罚的强化学习在可再生能源管理中的应用
Assessing Grid Penalized Reinforcement Learning for Renewable Energy Management of Power-to-X Integrated With Intermediate Storage
Jeongdong Kim · Jonggeol Na · Joseph Sang-Il Kwon · Seongbin Ga 等6人 · IEEE Transactions on Sustainable Energy · 2025年6月
本研究通过详细案例与对比分析，探讨了在可再生能源与电价不确定性下，基于深度强化学习（DRL）的电转X（PtX）系统规划策略。提出一种融合混合储能系统的DRL小时级规划模型，采用网格惩罚奖励函数以抑制电网电力过度使用，并考虑可再生能源出力与电价的时间不确定性。利用法国国家实际数据，将该模型与规则基线模型在不同时空不确定性下进行比较。结果表明，DRL模型在全国范围内实现月利润提升1360.12%，尽管可再生能源渗透率略低，但通过提高电网惩罚强度可有效缩小渗透率差距并维持高盈利性。该研究首次量化揭示了...
解读: 该DRL驱动的可再生能源管理技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。研究提出的网格惩罚强化学习策略可直接应用于储能系统的能量管理系统（EMS），通过动态优化充放电策略，在电价波动和新能源出力不确定性下实现经济性最优。混合储能系统的小时级规划模型可集成至iSol...
边缘计算环境中基于分布式深度强化学习的多域物联网网络任务卸载优化
Optimized Task Offloading in Multi-Domain IoT Networks Using Distributed Deep Reinforcement Learning
Ojonukpe Sylvester Egwuche · Japie Greeff · Absalom El-Shamir Ezugwu · IEEE Access · 2025年1月
物联网网络中，传感器、网关和服务在不同层级互操作为终端用户提供服务。IoT设备数量增加且计算能力有限，需要资源高效的网络中间层任务处理。本研究利用深度强化学习智能建模卸载策略为马尔可夫决策过程，将IoT设备视为分布式决策代理，考虑环境动态进行卸载决策。为应对高维度问题实现最优策略，采用深度Q网络建模代理在动态环境中的交互。架构允许IoT边缘节点基于连接、资源可用性和邻近性向边缘服务器卸载任务进行本地决策。不同学习率、批次大小和内存大小的大量仿真显示，所提方案采用CNN近似器生成最优策略，相比传统...
解读: 该边缘计算卸载技术对阳光电源分布式能源物联网具有应用价值。阳光iSolarCloud平台管理大量光伏逆变器和储能设备，边缘侧需要智能决策任务分配。该研究的深度强化学习策略可应用于阳光SG逆变器的边缘AI单元，优化数据处理和上传策略。在大型光伏电站中，该技术可实现组串逆变器与汇流箱、边缘控制器的协同计...
面向电动汽车协调的两阶段输电系统运营商-配电系统运营商服务提供框架
Two-Stage TSO-DSO Services Provision Framework for Electric Vehicle Coordination
Yi Wang · Dawei Qiu · Fei Teng · Goran Strbac · IEEE Transactions on Power Systems · 2024年12月
高比例可再生能源接入导致电力系统惯性下降，对频率响应服务的需求日益增加。电动汽车（EV）凭借车网互动（V2G）能力可为输电系统运营商（TSO）提供经济高效的频率调节服务，但其在参与频率支撑时可能引发电压安全问题，影响配电系统运营商（DSO）运行。为此，本文提出一种两阶段多电动汽车服务提供框架：第一阶段参与日前TSO-DSO频率备用调度；第二阶段在配电网中实时执行备用交付并支持电压调节。针对大规模EV与复杂环境，第二阶段采用去中心化调控范式，并设计通信高效的强化学习算法以降低多智能体训练的通信开销...
解读: 该两阶段TSO-DSO协调框架对阳光电源充电桩与储能业务具有重要应用价值。文章提出的去中心化强化学习算法可直接应用于阳光电源充电桩产品，实现V2G双向充放电时的频率-电压协同控制，避免频率支撑服务引发配网电压越限。该框架与PowerTitan储能系统的多层级调度架构高度契合：日前阶段可优化储能参与辅...
基于鲁棒深度强化学习的不完全可观测配电网逆变器电压无功控制
Robust deep reinforcement learning for inverter-based volt-var control in partially observable distribution networks
Qiong Liua · Ye Guoa · Tong Xub · Applied Energy · 2025年1月 · Vol.399
摘要 基于逆变器的电压无功控制在主动配电网（ADN）中调节电压和最小化功率损耗方面发挥着关键作用。然而，将深度强化学习（DRL）应用于该任务面临的一个主要挑战是ADN中量测设备部署有限，导致系统状态不完全可观测以及奖励信号未知的问题。为解决这些问题，本文提出了一种具有保守评论家（conservative critic）和代理奖励（surrogate reward）的鲁棒DRL方法。该保守评论家利用分位数回归技术，基于不完全可观测的状态估计出保守的状态-动作值函数，从而有助于训练出更具鲁棒性的策...
解读: 该鲁棒深度强化学习方法对阳光电源ST系列储能变流器及SG系列光伏逆变器的Volt-Var控制具有重要应用价值。通过保守critic和代理奖励机制,可在配电网测点有限(仅10%节点可测)条件下实现电压调节和网损优化,契合实际工程部署约束。该技术可增强PowerTitan储能系统在部分可观测环境下的自适...
基于深度强化学习的考虑动态风的风电场流动控制
Deep reinforcement learning-driven wind farm flow control considering dynamic wind
Hangyu Wang · Shukai He · Jie Yan · Shuang Han 等5人 · Energy Conversion and Management · 2025年1月 · Vol.337
摘要 克服由尾流效应引起的功率损失对于提高运行中风电场的效率至关重要。风电场流动控制是实现这一目标的关键方法。然而，包括风速和风向变化在内的动态风况以及环境不确定性，给有效的流动控制带来了重大挑战。为应对这些挑战，本文提出了一种基于深度强化学习并考虑动态风的风电场流动控制方法。首先，从LiDAR测量数据中提取动态风波动特征，构建了全面的数据集。随后，开发了一种以动态风作为输入、通过偏航角调整最大化风电场输出功率的流动控制方法。最后，引入双延迟深度确定性策略梯度（Twin Delayed Deep...
解读: 该深度强化学习风电场流控技术对阳光电源储能系统具有重要借鉴价值。TD3算法的实时优化与在线学习机制可应用于ST系列PCS的动态功率调度,通过经验回放处理新能源波动不确定性。动态风况建模思路可迁移至PowerTitan储能系统,结合iSolarCloud平台实现风光储协同控制,优化多能互补场景下的功率...
多目标集成电路物理布局优化的分层深度强化学习及拥塞感知奖励塑造
Hierarchical Deep Reinforcement Learning for Multi-Objective Integrated Circuit Physical Layout Optimization With Congestion-Aware Reward Shaping
Haijian Zhang · Yao Ge · Xiuyuan Zhao · Jiyuan Wang · IEEE Access · 2025年1月
随着半导体技术向先进节点演进,集成电路物理布局优化面临关键挑战,传统EDA工具难以同时优化布线拥塞、功耗和时序等多个冲突目标。本文提出一种新型分层深度强化学习框架,采用拥塞感知奖励塑造机制动态平衡探索与利用。
解读: 该深度强化学习优化技术可直接应用于阳光电源SiC功率模块的芯片布局设计。通过多目标优化框架同时优化功率密度、热分布和可靠性,为ST系列储能变流器的新一代高功率密度芯片设计提供AI辅助工具。...
基于深度强化学习的多模态对抗攻击下鲁棒光伏功率预测
Robust Photovoltaic Power Forecasting Against Multi-Modal Adversarial Attack via Deep Reinforcement Learning
Jingxuan Liu · Haixiang Zang · Lilin Cheng · Tao Ding 等6人 · IEEE Transactions on Sustainable Energy · 2025年3月
随着深度学习与多模态外部数据在光伏功率预测中的广泛应用，网络攻击尤其是虚假数据注入可能严重误导预测结果，威胁电网安全经济运行。现有研究尚未充分关注多模态协同攻击的影响，且难以应对隐蔽性攻击。为此，本文提出一种新型鲁棒预测框架，通过构建充分利用多模态相关性的对抗攻击模拟潜在虚假数据注入，并采用深度确定性策略梯度算法动态调整各模态权重，以抑制数据污染并保留有效信息。 actor与环境模块预训练以提升收敛性与泛化能力。实验表明，在输入扰动低于5%时，所提方法均绝对误差仅增加0.053 kW，显著优于无...
解读: 该多模态鲁棒预测技术对阳光电源iSolarCloud云平台和PowerTitan储能系统具有重要应用价值。针对光伏电站面临的网络安全威胁，可将深度强化学习的动态权重调整机制集成到智能运维平台中，增强气象数据、历史功率等多源信息融合的抗攻击能力。对于ST系列储能变流器的功率预测模块，该方法可有效抵御虚...
基于多目标与多智能体深度强化学习的光伏逆变器寿命考虑下配电网实时分散式电压/无功控制
Multi-Objective and Multi-Agent Deep Reinforcement Learning for Real-Time Decentralized Volt/VAR Control of Distribution Networks Considering PV Inverter Lifetime
Rudai Yan · Yan Xu · IEEE Transactions on Power Systems · 2024年8月
光伏逆变器能够为配电网的电压/无功控制（VVC）提供快速且灵活的无功功率支持，但额外的无功功率输出会显著缩短其使用寿命。为平衡电压/无功控制性能与逆变器使用寿命之间的矛盾，本文首先提出了一种多目标实时分散式电压/无功控制框架。然后，开发了一种多目标多智能体深度强化学习（MOMADRL）算法，通过集中训练和分散执行来协调光伏逆变器，为传统的基于模型的方法提供了一种更具优势的替代方案，并且无需进行集中通信。通过引入多个智能体和基于智能体的并行训练方案（ABPTS），可以同时学习多种策略以找到帕累托前...
解读: 该多目标多智能体强化学习技术对阳光电源SG系列光伏逆变器的智能控制具有重要应用价值。研究提出的寿命损耗模型可直接应用于逆变器功率器件（IGBT/SiC模块）的热应力管理，通过优化无功调节频次降低温度循环冲击，延长功率模块使用寿命。分散式控制架构与iSolarCloud云平台的边缘智能策略高度契合，可...
受章鱼启发的互联电网协同负荷频率控制：一种多智能体深度元强化学习方法
Bionic cooperative load frequency control in interconnected grids: A multi-agent deep Meta reinforcement learning approach
Jiawen Li · Jichao Dai · Haoyang Cui · Applied Energy · 2025年1月 · Vol.379
摘要 在基于性能的调频市场环境下运行的互联电网中，缺乏协调的频率控制策略以及联络线中的功率波动可能加剧电网运营商之间的利益冲突，导致频率波动更加频繁且严重。为应对这些挑战并提升电网稳定性，本文提出了受章鱼启发的协同负荷频率控制（Squid-Inspired Cooperative Load Frequency Control, SC-LFC）方法。该方法模仿章鱼中观察到的分布式神经决策机制，将每个区域内的各个机组视为独立的智能体。在实时应用中，各机组独立采集本地频率与状态信息，从而避免因区域间通...
解读: 该仿生协同负荷频率控制技术对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。多智能体深度元强化学习算法可集成至储能系统的调频控制策略,使每个储能单元作为独立智能体实时响应电网频率波动,避免通信延迟导致的协调失效。结合阳光电源GFM/VSG控制技术,可显著提升多区域互联电网中储能...
AdapSafe2：无先验安全认证的强化学习在多区域频率控制中的应用
AdapSafe2: Prior-Free Safe-Certified Reinforcement Learning for Multi-Area Frequency Control
Xu Wan · Mingyang Sun · IEEE Transactions on Power Systems · 2024年10月
高比例可再生能源接入下，安全强化学习（RL）被广泛用于电力系统频率控制。然而，现有方法在非稳态环境适应与高维时变安全约束满足方面仍面临挑战。本文提出AdapSafe2，一种无需先验知识且具备安全保证的多区域频率控制方法。通过元环境学习算法自适应追踪系统参数变化，并构建元强化学习框架实现无模型自适应控制；设计基于控制屏障函数的安全评判网络与安全补偿器，动态识别并仅对高风险区域进行补偿，提升高维约束下的求解效率。在2区与3区低惯量系统中的仿真验证了该方法在动态安全约束下的优越性能。
解读: 该无先验安全强化学习技术对阳光电源PowerTitan储能系统和ST系列储能变流器的频率调节功能具有重要应用价值。AdapSafe2的元学习自适应框架可增强储能系统在高比例新能源场景下的动态响应能力，其控制屏障函数安全机制能确保储能系统在SOC、功率等多维约束下的安全运行。该技术可与阳光电源现有的V...
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...
第 3 / 5 页