找到 2 条结果
电力变换器的FCS-MPC：一种数据驱动的无模型强化学习解决方案
FCS-MPC of Power Converters: A Data-Driven Model-Free Reinforcement Learning Solution
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 预计 2026年5月
本文为有限控制集模型预测控制（FCS-MPC）奠定了理论基础，利用数据驱动的无模型强化学习方法，结合比例积分型数据驱动动态内部模型预测控制与强化学习策略，实现了电力变换器的高效控制。
解读: 该技术对阳光电源的核心产品线（光伏逆变器、储能PCS及风电变流器）具有重大应用价值。传统的FCS-MPC高度依赖系统精确模型，而该无模型强化学习方案能显著降低建模难度，提升复杂工况下的动态响应速度与鲁棒性。建议研发团队将其应用于PowerTitan等大功率储能系统及组串式逆变器中，以优化在弱电网环境...
一种基于数据驱动的改进无模型自抗扰无差拍预测电流控制方法
An Improved Model-Free Active Disturbance Rejection Deadbeat Predictive Current Control Method of PMSM Based on Data-Driven
Yicheng Wang · Shuhua Fang · Demin Huang · IEEE Transactions on Power Electronics · 2023年8月
本文提出了一种基于数据驱动的改进无模型自抗扰无差拍预测电流控制（ADRDPCC）方法，用于解决永磁同步电机（PMSM）控制中参数失配问题，旨在提升控制系统的鲁棒性与动态性能。
解读: 该研究提出的无模型自抗扰预测控制算法，核心在于解决参数失配带来的鲁棒性问题。对于阳光电源而言，该算法可借鉴应用于风电变流器及电动汽车驱动系统，通过减少对电机参数的依赖，提升变流器在复杂工况下的动态响应速度与抗扰动能力。建议研发团队关注该数据驱动控制策略在高性能电机驱动场景下的落地可行性，以优化现有变...