.png){kind=icon}
返回
A Novel Learning-Based Optimal Control Strategy for SOFCs in DC Microgrids Using the Recurrent Equilibrium Network
.png){kind=icon}
PRE
AI
DOI：10.1109/TSTE.2025.3635124.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于反馈循环平衡网络（REN）的线性二次调节器，用于增强直流微电网中固体氧化物燃料电池（SOFCs）的控制性能。REN通过离线训练来近似未建模的系统动态并补偿扰动，从而实现高效实时实施。所提出的方法每个控制周期的计算时间不超过20μs，且控制精度高，在电堆电压调节中平均绝对百分比误差（MAPE）不超过0.2%。控制稳定性得到了严格证明。硬件在环（HIL）实验进一步验证了所提出控制器的实际适用性及相比各种方法的优越性能。
Keyword:
Neural network
machine learning
solid oxide fuel cell
optimal control
DC microgrids
hardware-in-the-loop
期刊
I
IF:
10
论文数:
210
被引数:
0
机构
引用论文
Soft Actor-Critic Algorithm Based Reinforcement Learning Controller for Single-Inductor Dual-Output DC-DC Converter基于软演员-评论家算法的强化学习控制器，用于单电感双输出DC-DC转换器
.png){kind=icon}
PREAI
分享收藏
Prior Knowledge Incorporated Large-Scale Multiagent Deep Reinforcement Learning for Load Frequency Control of Isolated Microgrid Considering Multi-Structure Coordination考虑多结构协调的孤立微电网负荷频率控制的融合先验知识的大规模多智能体深度强化学习
PREAI
分享收藏
查看更多内容