找到 3 条结果
一种基于在线神经网络逼近器的无模型预测控制方法
An Online Neural Network Approximator-Based Model-Free Predictive Control Approach for Power Converters
Pengbo Zhao · Jien Ma · Xing Liu · Lin Qiu 等7人 · IEEE Transactions on Power Electronics · 2025年10月
本文提出了一种基于在线神经网络逼近器的无模型预测控制（MFPC）方法，旨在解决传统基于超局部模型的MFPC对电感、电容等参数的依赖问题。该方法通过在线学习机制增强了功率变换器控制系统的鲁棒性，无需精确的系统模型参数即可实现高性能控制，为电力电子变换器的控制策略优化提供了新思路。
解读: 该技术对阳光电源的核心产品线（如组串式逆变器、PowerTitan/PowerStack储能变流器）具有极高的应用价值。目前阳光电源产品在复杂电网环境下（如弱电网）对参数鲁棒性要求极高，传统的基于模型的MPC受参数漂移影响较大。引入在线神经网络逼近的无模型控制，可有效提升逆变器在电网阻抗波动时的动态...
一种抑制光伏系统中无变压器奇数模块级联H桥逆变器漏电流的硬件调制策略
Hardware-Based Modulation Strategy to Suppress the Leakage Current for Transformerless Odd-Module Cascaded H-Bridge Inverter in PV System
Pengcheng Zhao · Xiaoqiong He · Yikai Wang · Chenghao Qiu 等5人 · IEEE Transactions on Power Electronics · 2024年3月
无变压器级联H桥（CHB）并网逆变器在体积、成本和效率方面具有优势，但缺乏电气隔离会导致系统与大地之间产生漏电流，引发电磁干扰和安全问题。本文建立了含寄生电容的CHB模型，并提出了一种基于硬件的调制策略，旨在有效抑制漏电流，提升系统运行的安全性和电磁兼容性。
解读: 该研究针对无变压器级联H桥拓扑的漏电流抑制问题，对阳光电源的组串式逆变器及大型地面电站解决方案具有重要参考价值。随着光伏系统向高压、高功率密度方向发展，无变压器拓扑的应用日益广泛，漏电流控制是提升产品安全性和电网适应性的关键。建议研发团队关注该硬件调制策略在多电平逆变器中的应用，以优化产品在复杂环境...
基于神经网络预测器与软演员-评论家算法的电力电子变换器预测控制方法
A Predictive Control Method Based on Neural Predictor and Soft Actor–Critic for Power Converters
Chenghao Liu · Jien Ma · Xing Liu · Lin Qiu 等6人 · IEEE Transactions on Industrial Electronics · 2024年10月
本文着重于将软强化学习（RL）技术引入有限控制集模型预测控制（FCS - MPC）框架，以提升鲁棒性能。更确切地说，在神经预测器的基础上，开发了一个使用软演员 - 评论家算法训练的智能体，用于探索嵌入在MPC框架内的最优控制输入。同时，在训练过程中引入了基于李雅普诺夫函数的约束条件，并给出了相应的权重更新法则。此外，所提出的方法保证了集成了RL智能体的系统的稳定性。最后，仿真和实验结果均验证了该方法相较于现有FCS - MPC方法的优越性。
解读: 从阳光电源的核心业务视角来看，这项基于软强化学习的预测控制技术具有重要的战略价值。该方法将软演员-评论家算法与有限集模型预测控制相结合，通过神经网络预测器实现智能决策，这与我们在光伏逆变器和储能变流器中广泛应用的MPC控制策略形成了技术演进路径。 对于阳光电源的产品线，该技术的核心价值体现在三个层...