找到 9 条结果
基于TD3算法的多输入多输出DC-DC变换器强化学习控制
TD3 Algorithm Based Reinforcement Learning Control for Multiple-Input Multiple-Output DC–DC Converters
Jian Ye · Huanyu Guo · Di Zhao · Benfei Wang 等5人 · IEEE Transactions on Power Electronics · 2024年10月
本文提出了一种基于双延迟深度确定性策略梯度（TD3）算法的强化学习控制器，用于单电感多输入多输出（SI-MIMO）DC-DC变换器。该控制器旨在解决多输入源功率分配难题，并有效抑制多输出通道间的交叉调节干扰。
解读: 该研究提出的基于TD3算法的智能控制策略，对阳光电源的储能变流器（PCS）及光储一体化系统具有重要参考价值。在PowerTitan等储能系统中，多端口能量管理与功率分配是核心难点，传统PID或模型预测控制在复杂工况下调节能力有限。引入强化学习算法可显著提升系统在多源输入、多负载输出场景下的动态响应速...
用于电动汽车电池充电的APWM ZVZCS全桥DC-DC变换器的分析、设计与实现
Analysis, Design, and Implementation of an APWM ZVZCS Full-Bridge DC–DC Converter for Battery Charging in Electric Vehicles
Venkata Ravi Kishore Kanamarlapudi · Benfei Wang · Ping Lam So · Zhe Wang · IEEE Transactions on Power Electronics · 2017年8月
本文提出了一种新型零电压零电流开关（ZVZCS）全桥DC-DC变换器，旨在降低电动汽车充电系统中的功率转换损耗。该变换器采用创新的非对称脉宽调制（APWM）门极驱动技术，有效提升了功率转换效率，为电动汽车充电应用提供了高效的电路解决方案。
解读: 该研究提出的ZVZCS全桥DC-DC变换器技术对阳光电源的电动汽车充电桩业务具有直接参考价值。通过引入APWM技术实现软开关，可显著降低功率模块的开关损耗，提升充电桩的转换效率与功率密度。建议研发团队评估该拓扑在阳光电源大功率直流快充桩中的应用潜力，特别是在优化散热设计和提升整机效率方面。此外，该技...
储能系统功率变换器自适应约束模型失配预测控制
Adaptive Constraints Model Active Mismatch Predictive Control for Power Converters of Energy Storage System
Xibeng Zhang · Shun Zhou · Benfei Wang · Yang Lu 等8人 · IEEE Transactions on Power Electronics · 2025年9月
模型预测控制（MPC）广泛应用于储能系统功率变换器，但微控制器采样频率限制及模型失配会导致动态和稳态下的跟踪误差，影响设备寿命。本文提出一种自适应控制策略，通过补偿模型失配，提升储能变换器的控制精度与运行可靠性。
解读: 该研究直接针对储能变流器（PCS）的核心控制算法优化，对阳光电源的PowerTitan和PowerStack系列产品具有重要价值。通过引入自适应约束模型，可有效解决PCS在复杂电网环境下的模型失配问题，提升电流跟踪精度，从而降低功率器件的应力，延长储能系统的使用寿命。建议研发团队将其应用于新一代PC...
单电感多输入多输出DC-DC变换器的无差拍控制
Deadbeat Control for a Single-Inductor Multiple-Input Multiple-Output DC–DC Converter
Benfei Wang · Xinan Zhang · Jian Ye · Hoay Beng Gooi · IEEE Transactions on Power Electronics · 2019年2月
本文提出了一种针对单电感多输入多输出（SI-MIMO）DC-DC变换器的无差拍控制方法。该方法通过解决交叉调节问题，实现了输入电流调节（ICR）与输出电压调节（OVR）的同步控制。此外，文中引入了输出电流观测器以替代部分传感器，提升了系统的控制性能与鲁棒性。
解读: 该研究提出的SI-MIMO拓扑及无差拍控制策略，对阳光电源的储能系统（如PowerTitan、PowerStack）及户用储能产品具有重要的技术参考价值。在多源输入（如光伏+电池）与多负载输出的集成化场景中，该控制方法能有效解决交叉干扰问题，提升动态响应速度。建议研发团队关注该拓扑在多端口储能变流器...
直流微电网中用于混合储能系统的模型预测电流控制双向三电平DC/DC变换器
A Model Predictive Current Controlled Bidirectional Three-Level DC/DC Converter for Hybrid Energy Storage System in DC Microgrids
Xinan Zhang · Benfei Wang · Ujjal Manandhar · Hoay Beng Gooi 等5人 · IEEE Transactions on Power Electronics · 2019年5月
本文提出了一种用于直流微电网混合储能系统（HESS）的新型三电平DC/DC变换器架构。该拓扑通过单一变换器实现了电池与超级电容器等不同储能设备的集成，支持双向功率流动，并具备对不同储能设备进行独立调节的灵活性。
解读: 该研究提出的三电平双向DC/DC拓扑与阳光电源的PowerTitan及PowerStack储能系统高度契合。三电平技术能有效降低开关损耗并提升功率密度，对于提升大型储能系统（ESS）的效率至关重要。模型预测控制（MPC）的应用能够显著改善动态响应速度，这对于应对微电网中复杂的功率波动具有重要意义。建...
基于深度确定性策略梯度算法的单电感多输出DC-DC变换器强化学习控制器
Deep Deterministic Policy Gradient Algorithm Based Reinforcement Learning Controller for Single-Inductor Multiple-Output DC–DC Converter
Jian Ye · Huanyu Guo · Benfei Wang · Xinan Zhang · IEEE Transactions on Power Electronics · 2024年4月
单输入多输出（SIMO）DC-DC变换器因结构简单、功率密度高等优势具有广阔应用前景。然而，由于所有负载共享电感，导致严重的相互干扰，控制设计面临挑战。本文提出一种基于深度确定性策略梯度（DDPG）算法的强化学习控制器，旨在解决SIMO变换器中的交叉调节问题，实现多输出电压的精确控制。
解读: 该研究探讨的SIMO变换器控制技术在阳光电源的户用光伏及小型储能产品线中具有潜在应用价值。目前阳光电源的户用储能系统（如PowerStack系列）及光伏逆变器多采用多级变换架构，若未来产品向更高集成度、多路输出的单级变换拓扑演进，该基于强化学习的控制算法可有效解决多路负载间的耦合干扰问题，提升系统动...
基于软Actor-Critic算法的强化学习控制器改进交错并联DC-DC升压变换器电压调节
Improving Voltage Regulation of Interleaved DC-DC Boost Converter via Soft Actor-Critic Algorithm Based Reinforcement Learning Controller
Jian Ye · Di Zhao · Xuewei Pan · Sinan Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
本文提出采用基于软Actor-Critic（SAC）算法的强化学习（RL）控制器作为三相交错并联DC-DC升压变换器的唯一主控制器，以提升输出电压的动态性能。阐述了最大熵学习的优势及SAC算法原理，给出了神经网络结构与奖励函数的设计方案。SAC智能体经离线训练后，在工作点处进行稳定性分析，并在物理平台上部署测试。与现有方法的对比表明，该方法显著提升了变换器的电压控制能力，且对参数、参考值及负载变化具有强鲁棒性。
解读: 该SAC强化学习控制技术对阳光电源DC-DC变换器产品具有重要应用价值。在ST系列储能变流器中，交错并联Boost拓扑广泛用于电池侧DC-DC升压环节，该方法可显著提升电压动态响应速度和参数鲁棒性，优化储能系统功率爬坡能力。在车载OBC充电机中，面对电池SOC变化和负载突变工况，SAC算法的最大熵学...
基于强化学习的主动模型变化死区控制用于含恒功率负载的直流微电网储能系统
Reinforcement Learning Based Active Model Variation Deadbeat Control for Energy Storage System in DC Microgrids With Constant Power Loads
Xibeng Zhang · Pengpeng Li · Yanyu Zhang · Darong Huang 等8人 · IEEE Transactions on Industrial Electronics · 2025年10月 · Vol.73
针对直流微电网中恒功率负载与模型失配引发的电流纹波和电压波动问题，本文提出一种基于强化学习的主动模型变化死区控制（RL-AMVDB），动态优化电流环模型参数。仿真与硬件实验表明，该方法显著降低电流纹波（最高20%）及电压波动，提升动态响应性能。
解读: 该研究直接支撑阳光电源ST系列PCS及PowerTitan储能系统在直流微电网场景下的高鲁棒性控制需求，尤其适用于含大量CPL（如数据中心、充电桩集群）的用户侧/电网侧储能项目。RL-AMVDB可嵌入iSolarCloud智能平台实现自适应参数整定，建议在新一代构网型PCS固件升级中集成该算法，并面...
深度强化学习与无静差混合控制方法在考虑非线性功率损耗和模型失配的混合储能系统中的应用
Deep Reinforcement Learning and Deadbeat Hybrid Control Method for Hybrid Energy Storage System Considering Nonlinear Power Loss and Model Mismatch
Yanyu Zhang · Pengpeng Li · Xibeng Zhang · Feixiang Jiao 等6人 · IEEE Transactions on Industrial Informatics · 2025年1月
摘要：微电网应用中的混合储能系统（HESS）需进行控制，以平衡发电侧与负载侧之间的功率。然而，转换过程中的功率损耗和模型参数不匹配会影响控制性能。为此，本文提出一种结合深度强化学习的混合储能系统无差拍控制算法。在该方法中，将非线性功率损耗和模型不匹配导致的混合储能系统最优电流参考值的变化视为集中扰动，可由深度确定性策略梯度智能体进行补偿，无差拍控制则基于精确的参考电流生成最优占空比，以消除系统稳态误差并提高动态响应速度。通过仿真和硬件实验验证了所提算法的有效性。结果表明，稳态误差可保持在 1%以...
解读: 从阳光电源储能系统业务视角来看，这项结合深度强化学习与无差拍控制的混合储能技术具有显著的工程应用价值。该技术直击当前储能系统面临的两大核心痛点：非线性功率损耗和模型参数失配，这些问题在我们的光储一体化项目中普遍存在，直接影响系统效率和电能质量。 技术层面，该方法通过深度确定性策略梯度（DDPG）算...