.png){kind=icon}
返回
Artificial Intelligence Data Driven Control for DC Solid State Transformer in DC Microgrid
.png){kind=icon}
PRE
AI
DOI：10.1109/TSG.2025.3624275.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
DC固态变压器（DCSST）是连接直流微电网系统中电源、负载及其他元件的关键组件。随着新能源源和随机负载的集成，系统日益复杂，导致建模成本高昂，精确建模面临挑战。负载的随机性引入多种扰动，影响系统稳定性。为应对这些挑战，本文提出了一种基于深度强化学习（DRL）和改进卡尔曼滤波器（IKF）的数据驱动无模型控制（DMFC）方法用于DCSST。首先，建立了DCSST的数据驱动模型。其次，设计了IKF，该滤波器针对DMFC进行优化，用于修正测量误差、滤波噪声以及估计不确定扰动。随后，引入DMFC，该方法在无需精确系统模型的情况下确保大信号扰动下的稳定性。最后，将DRL子控制器集成到DMFC中，以智能调整控制信号并提升系统的运行适应性。实验结果表明，所提出的控制方法无需精确模型即可在大信号扰动下自适应地保证系统稳定性，同时展现出良好的动态和稳态性能。
Keyword:
DC solid-state transformer
DC microgrid
data driven
artificial intelligence
large disturbance stability
期刊
IF:
9.8
论文数:
5.7K
被引数:
4.3W
机构
引用论文
.png){kind=icon}
A Novel Intelligent Nonlinear Controller for Dual Active Bridge Converter With Constant Power Loads
PREAI
分享收藏Reinforcement Learning Based Efficiency Optimization Scheme for the DAB DC-DC Converter With Triple-Phase-Shift Modulation基于强化学习的三相移相调制DAB dc-dc变换器效率优化方案
OAAI
OAAI分享收藏
查看更多内容