找到 15 条结果
新型SEPIC衍生半桥式PFC变换器用于电池充电应用
New SEPIC Derived Semi-Bridgeless PFC Converter for Battery Charging Application
Sampson E. Nwachukwu · Komla A. Folly · Kehinde O. Awodele · IEEE Access · 2025年4月
本文提出交直流半桥双开关SEPIC变换器，专为电池充电设计。通过改进结构显著降低交流输入电流总谐波畸变率，提升功率因数。变换器工作在断续导通模式以实现低电流THD，同时大幅减小电感尺寸。采用两个功率开关实现功率因数校正，主要创新在于通过电感电容能量平衡原理设计电路结构，确保低THD和单位功率因数。阻断二极管消除输入电感环流，提升效率。100W/53V原型测试显示电流THD为2.1%、单位功率因数、额定工况效率92.4%。
解读: 该PFC变换器技术与阳光电源OBC车载充电机设计理念一致。阳光OBC产品追求高功率因数、低THD和高效率，该半桥SEPIC拓扑无需额外PFC控制算法即可实现2.1% THD，优于传统方案。该技术可应用于阳光下一代OBC产品，减小电感体积，提升功率密度，在800V高压快充平台上实现更紧凑的设计和更高的...
基于知识嵌入型深度强化学习的电力系统频率紧急控制方法
Knowledge-Embedded Deep Reinforcement Learning for Power System Frequency Emergency Control
作者未知 · 电力系统自动化 · 2026年1月 · Vol.2026
This paper proposes a knowledge-embedded deep reinforcement learning method for frequency emergency control in new power systems. Using DDPG in an IEEE 39-bus environment, it integrates theoretical knowledge to optimize action space for under-frequen...
解读: 该研究提出的知识嵌入型DRL频率紧急控制方法，可直接赋能阳光电源ST系列储能变流器（PCS）及PowerTitan液冷储能系统的构网型（GFM）与调频控制功能。其高频切机/低频减载协同策略可增强光储电站参与电网一次调频、惯量响应和黑启动支撑能力。建议在iSolarCloud平台中集成该算法模块，面向...
基于谐波分析法的DAB变换器人工智能辅助最小无功功率控制
Artificial Intelligence-Aided Minimum Reactive Power Control for the DAB Converter Based on Harmonic Analysis Method
Yuanhong Tang · Weihao Hu · Di Cao · Nie Hou 等7人 · IEEE Transactions on Power Electronics · 2021年9月
为降低双有源桥（DAB）变换器的无功功率，本文提出了一种基于谐波分析法和深度强化学习（DDPG算法）的辅助控制方案。通过离线训练智能体，实现DAB变换器在不同工况下的最优控制，有效提升了功率传输效率。
解读: 该技术对阳光电源的储能业务（如PowerTitan、PowerStack系列）具有重要价值。DAB变换器是储能变流器（PCS）的核心拓扑，通过引入深度强化学习优化无功功率控制，可显著降低变换器损耗，提升系统全生命周期能效。建议研发团队关注该算法在PCS控制板上的嵌入式部署，利用AI技术替代传统复杂的...
基于DDPG的模块化多电平变换器电平增加型iSHE调制方法
Level-Increased iSHE Modulation Method for Modular Multilevel Converters Based on DDPG
Xinxiao Qin · Weihao Hu · Yubo Han · Yuanhong Tang 等8人 · IEEE Transactions on Power Electronics · 2025年2月
针对模块化多电平变换器（MMC）在子模块数量较少时输出波形质量不佳的问题，本文提出了一种通过改变部分子模块电容电压来增加等效输出电压电平数量的技术。该方法显著提升了MMC的性能，并结合了基于深度确定性策略梯度（DDPG）的控制策略，优化了调制效果。
解读: 该技术对阳光电源的集中式逆变器及大型储能变流器（如PowerTitan系列）具有重要参考价值。随着大功率电力电子设备对电能质量要求的提升，MMC拓扑在大型光伏电站及电网侧储能中应用广泛。通过DDPG强化学习算法优化调制策略，可以在不增加硬件成本的前提下提升输出波形质量，降低谐波含量，从而减小滤波器的...
基于深度强化学习的逆变器控制器：增强含电弧炉电网中可再生能源的集成
Deep Reinforcement Learning Enabled Inverters: Strengthening RES Integration in Grids With Electric Arc Furnaces
Ebrahim Balouji · Özgül Salor · Safwan Al Khatib · IEEE Transactions on Industry Applications · 2024年9月
本文介绍了一种用于支撑电网的逆变器控制系统的开发，旨在将可再生能源（RES）接入电网，以应对存在诸如电弧炉（EAF）等间歇性负载的具有挑战性的工况。采用基于深度学习的方法，运用深度确定性策略梯度（DDPG）这一强化学习（RL）算法，对电网进行建模、估算电压和相角，并控制支撑电网的逆变器。目标是开发一种能产生虚拟惯量的支撑电网的逆变器，以稳定由间歇性负载引发的电网频率问题，并实现可再生能源（RES）与电力系统的无缝集成。使用DDPG无需一些传统的估算工具，如快速傅里叶变换（FFT）、同步参考坐标系...
解读: 该深度强化学习逆变器控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器在工业电网应用具有重要价值。针对电弧炉等非线性负载引起的电压波动、谐波畸变问题，可增强现有构网型GFM控制策略，实现负序与无功功率的自适应动态补偿。该技术可应用于：1）PowerTitan储能系统在钢铁、冶金等工业园区的电能...
面向效率提升的双有源桥DC-DC变换器六自由度调制方案及深度强化学习优化
Six-Control Degree-of-Freedom Modulation Scheme for DAB DC–DC Converters to Enhance Efficiency With the Aid of Deep Reinforcement Learning
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 · Vol.14
本文提出一种六自由度（6-DoF）调制策略，结合深度确定性策略梯度（DDPG）强化学习算法，优化DAB变换器控制变量，降低rms电流与损耗，提升ZVS性能与整机效率，尤其在重载下效果显著，并通过实验验证。
解读: 该DRL-6DoF控制技术可直接赋能阳光电源ST系列储能变流器（PCS）及PowerTitan液冷储能系统中的双向DAB隔离级，提升宽负载范围下的转换效率与动态响应。建议在新一代高功率密度PCS中集成该AI驱动调制策略，替代传统相移+移相组合控制，增强光储/储充系统的能效竞争力；同时可拓展至组串式逆...
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DDPG的风光储系统长期恢复过程协调控制策略
DDPG Based Coordinated Control Strategy of Wind-PV-Storage System for Long-Term Restoration Process
Yingshan Wang · Xueping Gu · Yansong Bai · Yihang Jiang 等5人 · IEEE Transactions on Industry Applications · 2024年10月
可再生能源（RESs）固有的随机波动给电力系统恢复阶段的稳定运行带来了巨大挑战。实施可再生能源协调控制策略对于确保安全高效的恢复至关重要。现有策略主要依靠储能源的调节能力来缓解可再生能源输出的波动性，却忽视了这些单元的主动支撑潜力。此外，恢复过程通常被划分为时间步长以制定宏观层面的恢复计划，但在每个时间步长内明显缺乏在线微观层面的控制策略。本文提出了一种基于深度确定性策略梯度（DDPG）算法的风光储系统长期恢复过程协调控制新策略。该策略将未来风速和辐照度数据纳入决策过程，能够适应频繁的天气变化，...
解读: 从阳光电源的业务视角来看，这项基于DDPG深度强化学习的风光储协调控制技术具有重要的战略价值。该研究突破了传统依赖储能被动调节的局限，强调可再生能源的主动支撑能力，这与我司"光储融合"产品战略高度契合。 **技术价值分析：**该论文提出的微观在线控制策略可直接应用于我司1500V光伏逆变器和Pow...
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...
用于DAB变换器的深度强化学习辅助混合五变量调制方案以降低RMS电流并扩展ZVS运行范围
Deep Reinforcement Learning Assisted Hybrid Five-Variable Modulation Scheme for DAB Converters to Reduce RMS Current and Expand ZVS Operation
Zhichen Feng · Huiqing Wen · Xu Han · Qinglei Bu 等6人 · IEEE Transactions on Power Electronics · 2024年7月
为提升双有源桥（DAB）变换器的转换效率，本文提出了一种结合深度强化学习（DRL）的混合五变量（HFV）调制策略。利用深度确定性策略梯度（DDPG）算法训练智能体，旨在降低均方根（RMS）电流并实现零电压开关（ZVS），从而优化变换器性能。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及光储一体化产品线具有重要价值。DAB变换器是储能变流器（PCS）的核心拓扑，通过引入深度强化学习优化五变量调制，可显著降低PCS在宽电压范围下的损耗，提升系统全工况转换效率。建议研发团队关注该算法在嵌入式DSP/FPGA上的...
基于最优策略梯度的二型模糊控制在5G商用建筑多直流端口PEC变换器中的应用
Optimal Policy Gradient-Based Type-2 Fuzzy Control for Multi-DC Terminal PEC Converter in 5G-Based Commercial Buildings
Meysam Gheisarnejad · Arman Fathollahi · Mohammad Sharifzadeh · Eric Laurendeau 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年5月
在智慧城市集成技术中，电动汽车与第五代通信系统依赖广泛的分布式基础设施。商用建筑因其分布广泛且能耗显著，成为支撑这些技术的理想平台。本文提出一种基于九电平封装E单元（PEC9）变换器的直流供电单元，专为支持电动汽车充电站与5G通信设施而设计。为稳定该多直流端口有源功率因数校正整流器，构建了一种结构化区间二型模糊PD加I（IT2F-PD+I）控制器，并采用深度确定性策略梯度（DDPG）算法优化其输入输出比例因子，通过演员-评论家双深度神经网络实现直流电压的智能调节。基于DS1202的实验验证了该方...
解读: 该九电平PEC变换器与IT2F-PD+I控制技术对阳光电源充电桩产品线具有直接应用价值。多直流端口架构可支持工商业场景下光伏-储能-充电桩的直流母线集成，契合阳光电源ST储能系统与充电设施的融合方案。DDPG深度学习算法优化的模糊控制策略可提升充电桩PFC整流器的动态响应与电压稳定性，特别适用于5G...
基于竞争深度Q网络的移动边缘计算部分卸载与资源分配深度强化学习
Deep Reinforcement Learning With Dueling DQN for Partial Computation Offloading
Ehzaz Mustafa · Junaid Shuja · Faisal Rehman · Abdallah Namoun 等6人 · IEEE Access · 2025年5月
计算卸载将IoT设备资源密集型任务转移到强大边缘服务器，最小化延迟并降低计算负载。深度强化学习广泛用于优化卸载决策，但现有研究存在两大不足：未全面优化状态空间，且Q学习和DQN在大动作空间中难以辨别最优动作。本文提出多分支竞争深度Q网络MBDDQN，解决高维状态-动作空间和动态环境长期成本优化挑战。竞争DQN缓解同步卸载和资源分配决策复杂性，每个分支独立控制决策变量子集，随IoT设备增加高效扩展，避免组合爆炸。实施LSTM网络和独特优势-价值层增强短期动作选择和长期成本估计，提升模型时序学习能力...
解读: 该多分支强化学习技术可应用于阳光电源储能系统的智能调度优化。阳光ST储能变流器在电网侧和工商业场景面临多目标优化挑战，需同时考虑能耗、响应延迟和功率分配。该MBDDQN算法的自适应权重机制可集成到阳光EMS能量管理系统，实现储能系统在削峰填谷、调频调峰和需求响应等多场景下的动态优化。结合阳光iSol...
面向暂态安全约束的大规模电力系统快速收敛深度强化学习优化调度方法
Fast-converging Deep Reinforcement Learning for Optimal Dispatch of Large-scale Power Systems Under Transient Security Constraints
作者未知 · 现代电力系统通用与清洁能源学报 · 2025年9月 · Vol.2025
本文针对暂态安全约束最优潮流（TSC-OPF）中深度强化学习面临的高维状态/动作空间与稀疏奖励难题，提出改进MDP建模与DDPG-CL-PE-ED算法，显著提升训练效率与决策精度，在IEEE 39节点及实际710节点电网验证有效。
解读: 该研究对阳光电源iSolarCloud智能运维平台及PowerTitan/ST系列储能PCS的电网级协同调度具有重要参考价值。其快速收敛DRL算法可嵌入iSolarCloud实现毫秒级暂态安全感知下的光储联合调频调峰决策，提升构网型PCS在弱电网下的动态支撑能力。建议在PowerTitan集群控制模...
数字孪生与TD3算法实现车联网中电动汽车能量管理优化
Digital Twin and TD3-Enabled Optimization of xEV Energy Management in Vehicle-to-Grid Networks
Irum Saba · Abdulraheem H. Alobaidi · Sultan Alghamdi · Muhammad Tariq · IEEE Access · 2025年5月
电动汽车快速普及需优化储能系统管理以提升性能、寿命和可靠性。传统ESS管理方法在实时状态估计、能量优化和预测性维护方面存在困难，导致电池利用和可持续性效率低下。本文提出先进ESS框架，集成数字孪生DT技术和双延迟深度确定性策略梯度TD3算法（源自DDPG的最先进强化学习方法）。该集成实现关键ESS状态（SOC、SOH、SOE和RUL）的精确实时估计，增强预测性维护和运营效率。所提框架促进主动电池健康监控，生成潜在故障早期预警，通过DT驱动ESS控制实现智能电池更换。通过动态调整ESS控制策略，T...
解读: 该数字孪生技术对阳光电源新能源汽车业务具有重要价值。阳光OBC车载充电机和BMS系统需要精准的电池状态估计和智能能量管理。该研究的DT-TD3框架可集成到阳光车辆能量管理系统，实现99.8%的高精度SOC/SOH估计，优化充电策略和电池寿命管理。在V2G车网互动场景下，该技术可预测电池健康状态，智能...
基于无模型深度强化学习的微电网能量管理
Energy Management in Microgrids Using Model-Free Deep Reinforcement Learning Approach
Odia A. Talab · Isa Avci · IEEE Access · 2025年1月
随着智能电网技术的发展，微电网在整合风能、太阳能等可再生能源方面发挥着关键作用。然而，可再生能源的间歇性及电动汽车与快充站负荷的增长，给微电网运行的稳定性与效率带来挑战。本文提出一种无模型的实时能量管理策略，无需传统不确定性建模即可应对源荷双重不确定性。将问题建模为马尔可夫决策过程，并采用基于Actor-Critic架构的深度确定性策略梯度算法实现动态优化。仿真结果表明，该方法总成本降至51.8770 €ct/kWh，较Dueling DQN和DQN分别降低3.19%和4%，验证了其在现代微电网...
解读: 该无模型深度强化学习能量管理技术对阳光电源微电网解决方案具有重要应用价值。可直接应用于PowerTitan储能系统与ST系列储能变流器的能量调度优化，通过DDPG算法实现光伏-储能-充电桩的实时协同控制，无需复杂的不确定性建模即可应对源荷波动。该方法可集成至iSolarCloud云平台，提升微电网E...