找到 31 条结果
基于MILP-TD3的用户侧储能系统优化运行
Optimal Operation of User-side Energy Storage Systems Based on MILP-TD3
陈景文单茜 · 中国电机工程学报 · 2025年7月 · Vol.45
深度强化学习（DRL）在用户侧储能调控中应用广泛，但智能体常难以严格满足运行约束，影响系统安全性。为此，提出一种混合整数线性规划与双延迟深度确定性策略梯度结合的MILP-TD3方法。构建以运行成本最小为目标、计及电池退化成本的实时优化模型，并将功率平衡约束嵌入马尔科夫决策过程。通过将TD3的动作价值函数转化为MILP公式，确保智能体严格执行约束。算例结果表明，该方法平均日运行成本较传统TD3降低25.34%，单次决策平均耗时0.024秒，满足实时性与安全性要求。
解读: 该MILP-TD3方法对阳光电源ST系列储能变流器和PowerTitan储能系统的智能调度具有重要应用价值。通过将约束嵌入强化学习决策过程，可直接集成到iSolarCloud云平台的能量管理系统中，提升用户侧储能的实时优化能力。该方法考虑电池退化成本的建模思路，可优化ST储能系统的全生命周期经济性，...
基于深度强化学习的主动配电网动态重构综述
A Review of Dynamic Reconfiguration in Active Distribution Networks Based on Deep Reinforcement Learning
江昌旭郭辰刘晨曦林俊杰邵振国 · 高电压技术 · 2025年4月 · Vol.51
随着双碳目标推进，风电、光伏等分布式电源大量接入配电网，加剧了出力的间歇性与波动性。主动配电网动态重构属高维混合整数非线性随机优化问题，传统方法存在局限。深度强化学习融合深度学习表征能力与强化学习决策优势，适用于该场景下的重构策略求解。本文综述其研究进展，分析数学模型构建、编码方式及算法应用现状，总结现有方法不足与深度强化学习的优势，并展望未来研究方向。
解读: 该深度强化学习配电网重构技术对阳光电源储能与光伏系统协同优化具有重要价值。在PowerTitan大型储能系统中，可结合iSolarCloud平台实时数据，通过DRL算法动态优化储能充放电策略与网络拓扑，应对光伏出力波动。对于SG系列逆变器集群，该技术可优化多逆变器协同控制与潮流分配，提升MPPT效率...
基于深度强化学习的含储能船舶的海岛-海上渔排能源运输策略研究
Energy Transportation Strategy for Island-Marine Fish Farm System with Energy Storage Vessels Based on Deep Reinforcement Learning
朱振山陈豪陈炜龙黄缨惠 · 中国电机工程学报 · 2025年4月 · Vol.45
针对海上渔排与风光资源富余岛屿间的能源交互问题，提出一种包含全电船舶的能源运输策略，并构建考虑移动式储能电池组状态细分的混合动作空间马尔可夫决策过程模型。采用基于多批次前向传播的参数化双深度Q网络求解，通过解耦离散与连续动作提升训练稳定性与收敛性能。仿真结果表明，该方法能有效实现多节点间能量调配，在大规模场景下优于传统深度强化学习方法，具备更强灵活性与优化能力。
解读: 该深度强化学习能源调度技术对阳光电源移动储能业务具有重要应用价值。研究中的混合动作空间MDP模型和参数化双深度Q网络可直接应用于PowerTitan移动储能系统的智能调度，优化多场景间能量转运策略。其电池状态细分建模方法可增强ST系列储能变流器的SOC管理精度，提升电池全生命周期效益。该技术与iSo...
基于深度强化学习算法的分布式光伏-EV互补系统智能调度
Intelligent Scheduling of Distributed Photovoltaic-EV Complementary Systems Based on Deep Reinforcement Learning Algorithm
陈宁李法社王霜张慧聪唐存靖倪梓皓 · 高电压技术 · 2025年3月 · Vol.51
针对分布式光伏与电动汽车大规模接入电网带来的冲击，构建了光伏-EV互补调度模型，以平抑并网功率波动、提升用户经济性为目标，综合考虑光伏出力、负荷波动、EV接入随机性、实时电价及电池老化成本等因素，提出采用梯度随机扰动改进的近端策略优化算法（GRP-PPO）求解。通过调整目标函数获得两种运行策略：策略一优先满足出行需求与功率稳定，并网点功率稳定率达91.84%；策略二侧重用户收益，单日EV收益达82.6元，有效激励用户参与调度，较传统PPO算法性能提升3.48%。
解读: 该深度强化学习调度技术对阳光电源光储充一体化解决方案具有重要应用价值。GRP-PPO算法可直接集成至iSolarCloud云平台，实现分布式光伏SG系列逆变器、ST储能变流器与充电桩的协同优化调度。91.84%的并网功率稳定率可显著降低PowerTitan储能系统的功率波动应对压力，延长电池寿命；双...
基于元强化学习的永磁同步电机通用直接转矩控制器
Universal Direct Torque Controller for Permanent Magnet Synchronous Motors via Meta-Reinforcement Learning
Darius Jakobeit · Maximilian Schenke · Oliver Wallscheid · IEEE Transactions on Power Electronics · 预计 2026年5月
本文提出了一种基于元强化学习的永磁同步电机（PMSM）通用直接转矩控制方法。该方法无需预先获取电机参数，即可在数分钟内实现自动化控制设计，显著提升了控制系统的自适应能力与效率，特别适用于电动汽车驱动等工业场景。
解读: 该技术对阳光电源的电动汽车充电桩及未来可能的电机驱动业务具有重要参考价值。元强化学习能够解决传统控制策略在不同电机参数下鲁棒性不足的问题，缩短控制器的开发与调试周期。建议研发团队关注该算法在充电桩功率模块控制或未来储能系统电机负载管理中的应用，通过引入AI驱动的自适应控制，提升系统在复杂工况下的动态...
面向稳定性的电力变换器多目标控制设计：深度强化学习辅助方法
Stability-Oriented Multiobjective Control Design for Power Converters Assisted by Deep Reinforcement Learning
Shan Jiang · Yu Zeng · Ye Zhu · Josep Pou 等5人 · IEEE Transactions on Power Electronics · 2023年10月
电力变换器的阻抗特性随运行工况变化，导致固定控制参数在复杂工况下可能引发系统失稳。本文提出一种深度强化学习辅助的控制框架，旨在实现多目标优化，以提升变换器在全工况下的稳定性与控制性能。
解读: 该技术对阳光电源的核心产品线（组串式/集中式光伏逆变器及PowerTitan储能变流器）具有重要意义。随着电网环境日益复杂（弱电网、高比例可再生能源接入），传统基于固定参数的PI控制难以兼顾全工况稳定性。引入深度强化学习（DRL）可实现控制参数的自适应寻优，显著提升逆变器在电网阻抗波动下的鲁棒性。建...
基于简易迁移强化学习的跟网型变流器多目标控制器设计
Multi-Objective Controller Design for Grid-Following Converters With Easy Transfer Reinforcement Learning
Yu Zeng · Shan Jiang · Georgios Konstantinou · Josep Pou 等6人 · IEEE Transactions on Power Electronics · 2025年5月
本文提出了一种结合简易迁移学习（ETL）与深度强化学习（DRL）的ETRL方法，旨在将针对特定跟网型变流器设计的控制器快速迁移至参数不同的其他变流器中。该方法包含系统描述、DRL学习、ETL迁移、实验数据微调等阶段，有效解决了多目标控制器在不同系统参数下的适应性问题。
解读: 该技术对阳光电源的组串式光伏逆变器及储能变流器（PCS）具有重要应用价值。在复杂的弱电网环境下，传统PI控制器的参数整定往往难以兼顾多目标性能。通过引入ETRL方法，阳光电源可在iSolarCloud平台积累的运行数据基础上，实现控制器参数的快速自适应迁移，显著缩短不同功率等级、不同电网环境下的产品...
基于深度强化学习的永磁同步电机自抗扰控制在多电飞机中的应用
Active Disturbance Rejection Control Based on Deep Reinforcement Learning of PMSM for More Electric Aircraft
Yicheng Wang · Shuhua Fang · Jianxiong Hu · IEEE Transactions on Power Electronics · 2023年1月
本文提出了一种基于深度强化学习（DRL）的自抗扰控制器（ADRC），用于多电飞机的电机弱磁控制系统。这是人工智能算法首次引入ADRC电机控制系统，利用DRL实现参数的自动整定与优化，有效提升了复杂工况下电机控制的鲁棒性与动态性能。
解读: 该研究提出的‘DRL+ADRC’参数自整定策略，在电机控制领域具有前沿参考价值。对于阳光电源而言，该技术可应用于风电变流器及储能PCS的电机/变流器控制算法优化。在弱电网或复杂工况下，传统的PI控制或固定参数ADRC往往难以兼顾动态响应与稳定性，引入DRL进行参数自适应调整，有助于提升阳光电源产品在...
利用多智能体强化学习识别和修复孤岛直流微电网中的FDI攻击
Vulnerability Identification and Remediation of FDI Attacks in Islanded DC Microgrids Using Multiagent Reinforcement Learning
Ali Jafarian Abianeh · Yihao Wan · Farzad Ferdowsi · Nenad Mijatovic 等5人 · IEEE Transactions on Power Electronics · 2022年6月
本文提出了一种基于多智能体深度强化学习（RL）的新方法，旨在揭示现有网络攻击检测方案的缺陷，并为直流微电网建立更可靠的网络安全解决方案。该算法能够自动发现系统中的脆弱点，为提升电力电子系统的网络安全防御能力提供理论基础。
解读: 随着阳光电源PowerTitan和PowerStack等储能系统及微电网解决方案在全球范围内的广泛部署，系统网络安全已成为关键竞争力。本文提出的多智能体强化学习方法，可应用于iSolarCloud智能运维平台，通过模拟攻击场景主动识别系统脆弱点，提升储能变流器（PCS）在孤岛模式下的抗干扰与防御能力...
基于人工神经网络和深度强化学习的功率模块封装多目标自动设计
Automated Design of Power Module Packaging With Multiobjectives Based on Artificial Neural Network and Deep Reinforcement Learning
Jianing Wang · Weina Mao · Baolong Yan · Shaolin Yu 等8人 · IEEE Transactions on Power Electronics · 2026年4月
传统功率模块封装设计依赖人工经验，而基于元启发式算法的计算机辅助优化存在仿真周期长的问题。本文提出了一种基于人工神经网络和深度强化学习的多目标自动设计方法，旨在实现功率模块封装的高效优化，显著缩短设计迭代周期。
解读: 该技术对阳光电源的核心产品线（如组串式/集中式光伏逆变器、PowerTitan储能系统及风电变流器）具有极高的应用价值。功率模块是上述产品的核心组件，其封装设计直接影响热管理、功率密度及可靠性。通过引入深度强化学习和神经网络替代传统的有限元仿真迭代，可大幅缩短研发周期，提升功率模块的散热性能与电气性...
基于混合注意力深度强化学习的纯电动汽车健康感知集成热管理策略
Health-Conscious Integrated Thermal Management Strategy Using Hybrid Attention Deep Reinforcement Learning for Battery Electric Vehicles
Changcheng Wu · Jiankun Peng · Dawei Pi · Xin Guo 等7人 · IEEE Transactions on Power Electronics · 2025年10月
本文针对纯电动汽车（BEV），提出了一种考虑电池健康状态的集成热管理策略（ITMS）。通过引入混合注意力深度强化学习算法，在保证座舱舒适度的同时，有效延长了续航里程并优化了电池寿命，为电动汽车热管理系统的智能化控制提供了新方案。
解读: 该研究采用的深度强化学习与注意力机制，对阳光电源的充电桩业务及储能系统（如PowerStack/PowerTitan）具有重要借鉴意义。在充电桩产品中，集成热管理策略可优化充电过程中的温控效率，提升用户充电体验；在储能系统领域，该算法可用于BMS的精细化热管理，通过预测性控制延长电池组循环寿命，降低...
基于谐波分析法的DAB变换器人工智能辅助最小无功功率控制
Artificial Intelligence-Aided Minimum Reactive Power Control for the DAB Converter Based on Harmonic Analysis Method
Yuanhong Tang · Weihao Hu · Di Cao · Nie Hou 等7人 · IEEE Transactions on Power Electronics · 2021年9月
为降低双有源桥（DAB）变换器的无功功率，本文提出了一种基于谐波分析法和深度强化学习（DDPG算法）的辅助控制方案。通过离线训练智能体，实现DAB变换器在不同工况下的最优控制，有效提升了功率传输效率。
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。DAB变换器是储能变流器（PCS）的核心拓扑，通过引入深度强化学习优化无功功率控制，可显著降低变换器损耗，提升系统全生命周期能效。建议研发团队关注该算法在PCS控制板上的嵌入式部署，利用AI技术替代传统复杂的...
用于DAB变换器的深度强化学习辅助混合五变量调制方案以降低RMS电流并扩展ZVS运行范围
Deep Reinforcement Learning Assisted Hybrid Five-Variable Modulation Scheme for DAB Converters to Reduce RMS Current and Expand ZVS Operation
Zhichen Feng · Huiqing Wen · Xu Han · Qinglei Bu 等6人 · IEEE Transactions on Power Electronics · 2024年7月
为提升双有源桥（DAB）变换器的转换效率，本文提出了一种结合深度强化学习（DRL）的混合五变量（HFV）调制策略。利用深度确定性策略梯度（DDPG）算法训练智能体，旨在降低均方根（RMS）电流并实现零电压开关（ZVS），从而优化变换器性能。
解读: 该技术对阳光电源的储能系统（如PowerTitan、PowerStack）及光储一体化产品线具有重要价值。DAB变换器是储能变流器（PCS）的核心拓扑，通过引入深度强化学习优化五变量调制，可显著降低PCS在宽电压范围下的损耗，提升系统全工况转换效率。建议研发团队关注该算法在嵌入式DSP/FPGA上的...
通过构网型混合光伏电站提升电力系统短期电压稳定性
Short-Term Voltage Stability Improvement in Power System Through Grid-Forming Hybrid PV Plants
Muhammad Sarwar · Venkataramana Ajjarapu · Amarsagar R. R. Matavalam · Soummya Roy 等5人 · IEEE Transactions on Industry Applications · 2025年3月
摘要：在基于逆变器的电源（IBR）高渗透率的电力系统中，短期电压稳定性问题是主要关注点。故障引发的延迟电压恢复（FIDVR）就是这样一个可能导致短期电压不稳定的问题。本文研究了利用混合光伏电站的动态电压支持和负荷控制来缓解FIDVR的方法。我们提出了一个基于深度强化学习（DRL）的优化框架，用于混合光伏电站的最优动态无功注入和最优负荷控制。无功注入量和切负荷量取决于系统运行工况，因此这个数据驱动的框架能够给出适应不同运行工况的最优设定值。数值模拟表明，最优动态无功注入和负荷控制能够改善电压恢复情...
解读: 从阳光电源的业务视角来看，本论文所探讨的短期电压稳定性问题及其解决方案具有重要的战略意义。随着全球光伏装机容量持续增长，故障引发的延迟电压恢复（FIDVR）问题日益凸显，这直接关系到我司光伏逆变器产品在高渗透率场景下的电网适应性。 论文提出的构网型混合光伏电站方案与我司技术路线高度契合。我司已在1...
受脑启发的深度强化学习在复合干扰下电力系统负荷频率控制中的应用
Brain-Inspired Deep Reinforcement Learning for Load Frequency Control of Power Systems With Composite Interference
Xiaoming Sun · Chen Peng · Xinchun Jia · Yajian Zhang · IEEE Transactions on Industrial Informatics · 2025年4月
本文针对存在内部噪声和外部负荷波动复合干扰的电力系统，提出了一种受大脑启发的基于深度强化学习（DRL）的负荷频率控制框架。具体而言，受人类大脑决策过程的启发，系统状态的一些历史、当前和未来特征被充分提取到经验池中，以便深度强化学习智能体进行高效训练。同时，设计了一种渐进式训练机制，通过逐步增加训练目标将训练过程划分为多个阶段，以减少训练过程中的盲目性。此外，针对复合干扰，预先学习一些模拟干扰，以提高深度强化学习智能体的适应性。在单发电机组电力系统上的实验结果表明，所提出的方法能够在复合干扰下有效...
解读: 从阳光电源的业务视角来看，这项基于脑启发式深度强化学习的负荷频率控制技术具有重要的战略价值。随着公司光伏逆变器和储能系统在全球电网中的装机规模持续扩大，如何应对新能源接入带来的频率波动问题已成为核心技术挑战。 该技术的创新点与阳光电源的实际需求高度契合。首先，其针对"内部噪声与外部负荷波动复合干扰...
基于斯塔克尔伯格博弈的软演员评论家-深度强化学习方法用于锂离子电池及冷却系统的快速充电管理
Fast Charging Management of a Lithium-Ion Battery and Cooling System: A Stackelberg Game-Based Soft Actor Critic−Deep Reinforcement Learning Method
Hongrong Yang · Quanyi Chen · Xiaoying Shi · Yinliang Xu 等5人 · IEEE Transactions on Industrial Electronics · 2025年5月
本文提出了一种针对锂离子电池和冷却系统的快速充电管理策略，旨在解决在多种物理约束条件下实现快速充电，同时将冷却能耗和电池老化降至最低的难题。将电池与冷却系统之间的复杂耦合关系构建为基于斯塔克尔伯格博弈的双层优化框架，以反映充电和冷却过程的顺序交互。为此，开发了一种基于斯塔克尔伯格博弈的软演员 - 评论家深度强化学习方法，并对其收敛性进行了严格证明，确保了该方法的可靠性。大量实验结果验证了该方法的有效性，表明其优于现有先进策略，包括单智能体深度强化学习、贝叶斯方法以及恒流 - 恒压（CCCV） -...
解读: 从阳光电源的业务视角来看，这项基于Stackelberg博弈和深度强化学习的快充管理技术具有重要的战略价值。该技术通过将电池充电与热管理系统的耦合关系建模为双层优化框架，实现了充电速度、能耗控制和电池寿命之间的动态平衡，这与我司储能系统的核心技术需求高度契合。 在储能业务层面，该技术可直接应用于我...
一种物理信息辅助的深度强化学习方法用于大规模TSV阵列的信号与电源完整性优化
A Physics-Assisted Deep Reinforcement Learning Methodology for Signal and Power Integrity Optimization of Large-Scale TSV Arrays
Bingheng Li · Ling Zhang · Hanzhi Ma · Li Jiang 等6人 · IEEE Transactions on Components, Packaging and Manufacturing Technology · 2025年5月
高带宽内存（HBM）中硅通孔（TSV）阵列的信号完整性（SI）和电源完整性（PI）优化对于提高系统可靠性至关重要。然而，以往的研究大多侧重于单独的 SI 或 PI 优化，尚未实现具有良好收敛性的 SI/PI 优化。基于 TSV 阵列 SI/PI 优化的物理机制，本文提出了一种新颖的物理辅助深度强化学习（DRL）方法。开发了一种分治策略来处理大规模 TSV 阵列。利用物理机制设计 DRL 方法的细节，从而将不同的优化场景（SI 优化、PI 优化和 SI/PI 协同优化）统一到一个单一的过程中，设计...
解读: 从阳光电源的业务视角来看，这项基于物理辅助深度强化学习的硅通孔（TSV）阵列信号与电源完整性优化技术，对我们的高功率密度产品开发具有重要参考价值。 在光伏逆变器和储能变流器领域，功率半导体模块的集成度不断提升，多芯片封装和3D集成技术正成为提高功率密度的关键路径。该论文针对高带宽存储器中TSV阵列...
基于深度强化学习的储能控制用于区域间振荡阻尼
Deep Reinforcement Learning-Based Control of Energy Storage for Interarea Oscillation Damping
Abu Shouaib Hasan · Rui Fan · Di Wu · IEEE Transactions on Industrial Informatics · 2025年2月
随着电力消耗的不断增加以及输电投资的不足，如今的电力系统运行状态更接近其极限，这引发了对影响系统稳定性的区域间振荡问题的担忧。本文提出了一种用于增强区域间振荡阻尼的新型储能配置与控制方法。通过结合留数分析和主导模式分析，我们能够确定有利于提升阻尼性能的储能配置位置。为应对控制参数固定和阻尼不足等挑战，我们提出采用基于深度强化学习的方法进行储能控制。利用先进的基于引导替代梯度的进化策略，以稳健、高效且可重复的方式训练学习智能体。同时采用并行计算来加快训练过程。所提出的策略已在中型和大型系统上进行了...
解读: 从阳光电源储能系统业务视角来看，这项基于深度强化学习的区域间振荡抑制技术具有重要战略价值。随着新能源渗透率提升和电网运行接近极限状态，区域间振荡已成为威胁大规模新能源并网稳定性的关键问题，这与我司储能系统的核心应用场景高度契合。 该技术的核心价值在于两个维度的突破：首先，通过残差分析与主导模态分析...
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...
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...
第 1 / 2 页