找到 3 条结果
三相DAB功率变换器的一种快速可靠启动策略
A Fast and Reliable Start-up Strategy for Three-Phase DAB Power Converters
Zhihao Chen · Zhen Li · Sijia Huang · Xiaozhe Sun 等6人 · IEEE Transactions on Power Electronics · 2025年7月
三相双有源桥（3p-DAB）变换器凭借高功率密度、双向功率流及软开关特性，在直流转换系统中极具前景。然而，如何在满足电流限制的前提下实现快速且可靠的启动仍具挑战。本文提出了一种针对3p-DAB变换器的简单有效启动策略。
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。3p-DAB是中高压储能变流器（PCS）的核心拓扑，其启动过程的可靠性直接影响储能系统的黑启动能力及并网稳定性。通过优化启动策略，可有效抑制启动电流冲击，提升功率模块的寿命与系统安全性。建议研发团队将其应用于...
面向三相双有源桥变换器效率优化的无模型深度强化学习框架
A Model-Free Deep Reinforcement Learning Framework for Efficiency Optimization of Three-Phase Dual-Active-Bridge Converters
Zhihao Chen · Zhen Li · Sijia Huang · Haoyu Chen 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月 · Vol.14
本文提出一种基于深度强化学习的无模型优化框架，直接通过系统交互学习高效控制策略，无需电气参数建模；开发了适配三相DAB单步决策的改进DDPG算法及AI驱动占空比控制策略，并通过参数敏感性分析验证其强泛化能力。
解读: 该研究高度契合阳光电源ST系列PCS、PowerTitan及光储一体化系统中双向DC-DC环节的效率优化需求。三相DAB拓扑广泛应用于储能变流器的直流侧隔离与电压匹配，其动态效率直接影响系统LCOE。所提无模型RL方法可嵌入iSolarCloud智能运维平台，实现PCS在宽工况下的自适应效率寻优，建...
三相双有源桥变换器效率优化的无模型深度强化学习框架
A Model-Free Deep Reinforcement Learning Framework for Efficiency Optimization of Three-Phase Dual Active Bridge Converters
Zhihao Chen · Zhen Li · Sijia Huang · Haoyu Chen 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年9月
针对三相双有源桥(3p-DAB)变换器效率优化面临的挑战,现有数学推导和人工智能方法依赖复杂耗时的解析或数据驱动建模增加开发复杂度。提出基于深度强化学习的无模型优化框架,通过系统交互直接学习策略而无需电气参数显式建模,显著减少开发时间并确保优化性能。参数敏感性分析验证不同变换器条件下的强泛化性。开发深度确定性策略梯度算法退化变体用于3p-DAB单步决策优化,配合AI驱动占空比控制策略提升效率。与先进数学分析和数据驱动方法的综合对比验证了所提方法的有效性。
解读: 该深度强化学习DAB优化技术对阳光电源智能变换器开发有重要创新价值。无模型优化框架可应用于ST储能变流器的DAB模块效率优化,减少建模工作量并加快产品开发周期。深度确定性策略梯度算法对PowerTitan大型储能系统的多模块协调控制有借鉴意义,可实现自适应效率优化。该技术对阳光电源AI驱动的iSol...