Xuanyi Zhu · Zechuan Lin · Xuanrui Huang · Kemeng Chen 等6人 · IEEE Transactions on Sustainable Energy · 2025年7月

将混合储能系统（HESS）集成到波浪能转换器（WEC）中可有效抑制多时间尺度下的功率波动，但需依赖高效的能量管理策略（EMS）。模型预测控制（MPC）虽能逼近全局最优并满足约束，但非线性优化问题带来高计算负担，且多目标权衡下的代价函数权重因子（WF）整定困难。为此，本文提出一种学习增强型MPC策略。该方法结合模糊逻辑非对称动作裁剪技术以降低计算耗时，并引入高效暖启动Q学习框架实现WF的在线自整定。为缩小仿真与实际间的差距，设计了基于神经网络的电流预测器以感知功率转换中的非线性损耗。仿真与实验结果...

解读: 该学习增强型MPC策略对阳光电源ST系列储能变流器及PowerTitan大型储能系统具有重要应用价值。其模糊逻辑动作裁剪技术可显著降低MPC实时计算负担，适配储能变流器DSP/FPGA控制平台；Q学习框架实现的权重因子在线自整定能优化多目标权衡（功率平滑、电池寿命、效率），提升ESS集成方案的全生命...