找到 9 条结果
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...
功率变换器的FCS-MPC：一种事件驱动的脑情绪学习方法
FCS-MPC of Power Converters: An Event-Driven Brain Emotional Learning Approach
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
针对系统不确定性与低开关频率（SF）下的有限控制集模型预测控制（FCS-MPC）框架，本文提出一种事件驱动的脑情绪在线学习方法。该方法包含三个关键特征：采用双向模糊脑情绪在线学习机制并结合鲁棒控制项以逼近理想控制器；引入基于事件驱动的管状模型预测控制机制实现低SF运行；加入积分误差项以提升低SF下的跟踪性能。所提方法无需权重因子即可有效抑制不确定性、降低开关频率并减小跟踪误差，并给出了闭环系统的收敛性分析。通过多个文献中的基准实例验证了其有效性。
解读: 该事件驱动FCS-MPC技术对阳光电源多条产品线具有重要应用价值。在ST储能变流器中，低开关频率运行可直接降低SiC/GaN功率器件的开关损耗，提升系统效率；无权重因子设计简化了多目标控制参数整定难度。在SG光伏逆变器的MPPT控制中，脑情绪学习机制可增强参数摄动与电网扰动下的鲁棒性。在电动汽车驱动...
基于子空间预测器的预测电压控制方法
Subspace Predictor-Based Predictive Voltage Control for Power Converters
Zeyu Zhang · Jien Ma · Lin Qiu · Xing Liu 等6人 · IEEE Transactions on Industrial Electronics · 2025年2月
有限控制集模型预测控制（FCS-MPC）因性能优异、实现简单和动态响应快，在电力变换器中备受关注。然而，传统FCS-MPC对模型参数依赖性强。为此，本文提出一种基于有限集子空间预测器的电压控制策略，旨在提升系统鲁棒性的同时保留FCS-MPC的优点。该方法在各运行点采用子空间预测器替代物理模型，仅利用历史输入输出数据直接根据参考输出轨迹获取最优控制量，无需知晓系统结构与负载参数，有效避免了参数变化导致的性能下降。三电平中点钳位逆变器实验验证了所提方法的有效性。
解读: 该基于子空间预测器的预测电压控制技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。传统MPC对参数依赖性强，在储能系统电池老化、光伏逆变器负载波动等工况下性能易劣化。该方法仅依赖历史数据即可实现最优控制，无需精确模型参数，可显著提升PowerTitan大型储能系统在全生命周期的控...
基于事件驱动的强化学习预测控制器设计——用于三相NPC变流器的在线逼近器方法
Event-Driven Based Reinforcement Learning Predictive Controller Design for Three-Phase NPC Converters Using Online Approximators
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 2024年12月
本文针对电力变换器系统，研究了一种利用在线逼近器的无模型强化学习预测控制问题的两步事件驱动方法，解决了系统不确定性和不必要的开关损耗等问题。具体而言，本技术报告的关键特点如下：1) 采用一个评判神经网络实时学习性能函数；2) 采用一个执行神经网络在线逼近预测控制器，并使从评判网络获得的学习性能函数最小化；3) 采用两步事件驱动控制协议降低开关频率（SF）。此外，我们进一步探讨了该方案对参数不确定性的敏感性，并量化了其在低开关频率运行和未知干扰条件下的性能。此外，还对网络权重估计误差进行了收敛性分...
解读: 从阳光电源的业务视角来看，这项基于事件驱动的强化学习预测控制技术对三相NPC变流器的应用具有重要战略价值。NPC（中点钳位）拓扑是我司大功率光伏逆变器和储能变流器的核心架构，该技术在提升系统性能和降低运维成本方面展现出显著潜力。 该论文提出的双步事件驱动控制策略直接针对变流器的两大痛点：一是通过在...
数据驱动与事件驱动相结合的电力电子变换器在线学习预测控制
Combining Data-Driven and Event-Driven for Online Learning Predictive Control in Power Converters
Xing Liu · Lin Qiu · Youtong Fang · Kui Wang 等6人 · IEEE Transactions on Power Electronics · 2024年9月
数据驱动与事件驱动相结合，为缓解经典有限控制集模型预测控制中电力变换器长期面临的研究难题（即模型参数不确定性和不必要的开关损耗）带来了可能。受此启发，我们将针对在线学习预测控制器的设计问题展开一项重要研究。与该领域的大多数先前研究不同，这可通过一个集成的数据驱动与事件驱动设计框架来实现。更确切地说，设计过程依赖于以下方面的结合：开发一种数据驱动的无模型自适应预测控制方法、引入在线强化学习技术以及利用事件驱动机制。此外，我们还基于输入 - 输出数据，针对低频开关操作下的未知不确定性，对鲁棒无模型预...
解读: 从阳光电源的核心业务视角来看，这项结合数据驱动与事件驱动的在线学习预测控制技术具有显著的战略价值。该技术针对功率变换器有限集模型预测控制（FCS-MPC）的两大痛点——模型参数不确定性和不必要的开关损耗——提供了创新性解决方案，这与我司光伏逆变器和储能变流器的核心技术需求高度契合。 从产品应用层面...
基于Adaline神经网络的数据使能有限状态预测控制用于电力变换器
Data-Enabled Finite State Predictive Control for Power Converters via Adaline Neural Network
Wenjie Wu · Lin Qiu · Xing Liu · Jien Ma 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月
有限控制集模型预测控制（FCS-MPC）在电力变换器与电机驱动中展现出良好前景，但受限于模型依赖性。本文从动态建模角度提出一种数据使能的有限集预测控制方案。采用动态线性化数据模型在各运行点等效重构系统，并通过自适应线性神经网络在线更新时变参数，提升建模精度与实现性能。同时提出一种改进的无电容电压平衡方法以调节中点电位。由于负载电流与电容电压的无参数预测仅依赖系统输入输出测量及历史数据，有效规避了参数变化带来的不利影响。通过在三电平中点钳位逆变器上的仿真与实验验证了所提方法的优越性。
解读: 该数据驱动的有限集预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器的三电平拓扑控制具有重要应用价值。通过Adaline神经网络实现无参数化预测控制，可有效解决储能系统在宽工况运行时的参数漂移问题，提升PowerTitan大型储能系统在温度变化、器件老化等复杂工况下的控制鲁棒性。改进的中点电位...
一种基于可调度区域引导的自适应模式切换调控方法用于可再生能源制氨虚拟电厂
A Dispatchable Region-Guided Adaptive Mode-Switching Regulation for Renewable Power to Ammonia Virtual Power Plants
Sirui Wu · Jiarong Li · Jin Lin · Feng Liu 等6人 · IEEE Transactions on Sustainable Energy · 2024年6月
可再生能源制氨（RePtA）虚拟电厂（VPP）正受到全球关注。然而，可再生能源的波动性及预测误差的随机性给氢气与电力平衡带来挑战。若仅考虑合成氨反应器（ASR）在30%–100%负荷范围内的常规运行模式，将导致频繁购售电，降低经济性。为此，本文引入ASR的待机与过载两种临时运行模式以提升系统灵活性，并分析RePtA VPP的多阶段可调度区域（DR），提出DR引导的自适应模式切换调控策略。该策略有效降低电价成本并避免模式切换过度响应。基于中国东北实际项目的案例研究表明，相比无模式切换场景，购电量和...
解读: 该可再生能源制氨VPP的自适应调控技术对阳光电源PowerTitan储能系统和ST系列储能变流器具有重要应用价值。文章提出的多阶段可调度区域分析方法可直接应用于储能系统的能量管理策略，通过引入待机和过载模式提升系统灵活性，与阳光电源储能系统的多模式运行控制理念高度契合。该策略有效减少59.8%购电量...
基于扩展ISMO的两步预测时域无模型预测控制在功率变换器中的应用
Extended ISMO-Based Two-Step Prediction Horizon Model-Free Predictive Control for Power Converters
Zeyu Zhang · Jien Ma · Lin Qiu · Xing Liu 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年7月
模型预测控制因实现简单、性能优良和动态响应快而广泛应用于功率变换器。然而，传统方法依赖负载参数进行预测，鲁棒性差，且高频开关导致额外损耗。为此，本文提出一种基于积分滑模观测器（SMO）的鲁棒有限控制集模型预测控制方法。通过引入扩展ISMO实现超局部模型观测，有效抑制负载参数扰动影响；结合两步预测时域结构，拓展优化范围，提高连续周期内重复电压矢量的应用概率，显著降低开关频率。该方法在提升系统鲁棒性的同时，有效减少了对负载参数的敏感性，并保持较低开关频率。仿真与实验结果验证了所提方法的鲁棒性和低开关...
解读: 该扩展ISMO无模型预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器具有重要应用价值。其核心优势在于：1）通过超局部模型观测实现对负载参数扰动的鲁棒控制，可显著提升PowerTitan储能系统在电网阻抗波动、负载突变等复杂工况下的稳定性；2）两步预测时域结构有效降低开关频率，直接减少SiC/...
客座编辑特刊：面向零排放电动交通的电机驱动先进技术
Guest Editorial Special Issue on Advanced Technologies of Motor Drives for Zero-Emission E-Mobility
Yunwei Ryan Li · Wei Hua · Luca Zarri · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月
为实现《巴黎协定》将全球温升控制在2°C以内的目标，电动交通（e-mobility）迅速发展。然而，其电机驱动系统所耗电能仍部分来自化石能源，因此提升驱动系统能效成为实现净零排放的关键。本期特刊聚焦电机驱动在新材料、谐波抑制、电磁干扰抑制、智能控制、故障容错、能量管理及系统设计等方面的前沿进展，收录43篇高质量论文，涵盖提高能效的多种技术路径，推动电动交通可持续发展。
解读: 该特刊聚焦的电机驱动先进技术对阳光电源新能源汽车产品线具有直接应用价值。其中SiC/GaN器件应用、三电平拓扑技术可直接优化车载OBC充电机和电机驱动系统的功率密度与效率；PWM控制、SVPWM及模型预测控制MPC等智能控制算法可提升电机驱动精度和动态响应；谐波抑制与EMI抑制技术可改善充电桩的电能...