找到 2 条结果
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...
一种用于电池管理系统中具有42 ppm/V线性灵敏度的2.69 ppm/℃带隙基准源
A 2.69 ppm/℃ bandgap reference with 42 ppm/V line sensitivity for battery management system
Jing Wang1Feixiang Zhang1Zhiyuan He1Hui Zhang2Lin Cheng1 · 半导体学报 · 2025年1月 · Vol.46
本文提出了一种面向电池管理系统（BMS）的高精度带隙基准源（BGR），具备超低温度系数（TC）和线性灵敏度（LS）。该BGR采用电流模式结构，结合斩波运放与内部时钟发生器以消除运放失调，利用低压差稳压器（LDO）和预稳压器分别提升输出驱动能力与LS性能。通过曲率补偿抑制高阶非线性效应，并在20℃和60℃两点进行修调，结合固定曲率校正电流，实现芯片级超低TC。基于CMOS 180 nm工艺实现，核心面积0.548 mm²，工作电压2.5 V，从5 V电源汲取84 μA电流。在-40℃至125℃范围...
解读: 该超低温度系数带隙基准源技术对阳光电源储能与充电产品线具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的BMS模块中，2.69 ppm/℃的温度系数和42 ppm/V线性灵敏度可显著提升电池电压采样精度，优化SOC/SOH估算算法，增强储能系统在-40℃至125℃宽温域的可靠...