找到 2 条结果
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...
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...