Hao Qin · Haowen Sua · Zhixuan Wen · Hongjian Liangb · Applied Energy · 2025年1月 · Vol.396

摘要 本文提出了一种新颖的锁定控制模型，该模型耦合计算流体动力学（CFD）与深度强化学习（DRL），以提升点吸收式波浪能转换装置（WEC）的波浪能量捕获性能。首先，构建了一个数值波浪水槽（NWF）以生成不可预测的不规则波浪，并基于CFD模拟WEC与波浪之间的双向耦合作用，从而为DRL输入构建非线性的环境状态空间。同时，设计了一种基于软演员-评论家（Soft Actor-Critic, SAC）算法的训练方法，无需显式参数调节，实现非预测性的锁定控制智能体。其次，利用CFD-DRL耦合模型，在并行...

解读: 该CFD-DRL耦合控制技术对阳光电源储能系统具有重要借鉴价值。论文中SAC算法实现的非预测性控制策略,可应用于ST系列PCS的能量管理优化,通过深度强化学习应对电网波动的非线性特性,类似波浪能转换器应对不规则波浪。多物理场耦合仿真方法可增强PowerTitan储能系统的热管理与功率控制协同优化。该...