找到 2 条结果
一种混合MMC在直流故障闭锁期间避免全桥子模块过压的能量吸收方法
An Energy Absorbing Method for Hybrid MMCs to Avoid Full-Bridge Submodule Overvoltage During DC Fault Blocking
Xiongfeng Fang · Gen Li · Canfeng Chen · Dongyu Wang 等6人 · IEEE Transactions on Power Electronics · 2022年5月
针对混合模块化多电平变换器（MMC）在直流故障闭锁期间全桥子模块（FB-SM）易发生严重过压的问题，本文提出了一种由金属氧化物避雷器（MOV）和晶闸管组成的能量吸收支路（EAB）。该方案在正常运行期间无额外功率损耗，有效解决了直流侧及桥臂电感能量释放导致的过压风险。
解读: 该技术对于阳光电源的大功率储能系统（如PowerTitan系列）及高压直流输电应用具有重要参考价值。随着储能系统向更高电压等级发展，MMC拓扑在大型储能电站中的应用潜力增加。该能量吸收方案能有效提升系统在极端故障下的可靠性，降低对全桥子模块耐压等级的冗余要求，从而优化成本。建议研发团队关注该EAB电...
基于模型优化的残差深度强化学习在逆变器型电压-无功控制中的应用
Residual Deep Reinforcement Learning With Model-Based Optimization for Inverter-Based Volt-Var Control
Qiong Liu · Ye Guo · Lirong Deng · Haotian Liu 等6人 · IEEE Transactions on Sustainable Energy · 2024年9月
提出一种基于近似模型驱动优化的残差深度强化学习（RDRL）方法，用于主动配电网中的逆变器型电压-无功控制（IB-VVC）。通过改进的马尔可夫决策过程统一建模模型驱动与RDRL方法，RDRL在模型基策略动作基础上学习残差动作。该方法继承了近似模型优化的控制能力，并通过残差策略学习增强策略优化性能。由于实际中获取的近似模型通常较为可靠，模型优化所得动作接近最优，从而缩小残差动作搜索空间，提升评论器逼近精度并降低执行器搜索难度。仿真结果表明，RDRL在学习过程中显著提升优化性能，并在69节点和141节...
解读: 该残差深度强化学习方法对阳光电源ST系列储能变流器和PowerTitan大型储能系统的电压-无功控制具有重要应用价值。技术可直接应用于：1）ST系列储能变流器的智能VVC控制策略，通过残差学习优化逆变器无功输出，提升电网电压支撑能力；2）PowerTitan储能系统的多机协调控制，在iSolarCl...