返回
Triple Phase Shift Modulation for Active Bridge Converter: Deep Reinforcement Learning-Based Efficiency Optimization
DOI:10.3390/electronics15081563.png)
摘要
En 中文
针对船舶区域直流系统中的三端口有源桥(TAB)变换器,提出了一种三重移相(TPS)调制策略。与传统的多端口变换器不同,TAB在TPS调制下实现了电压转换和双向功率转换。它展现出在降低控制复杂度、增强故障容错能力以及扩展正常和故障运行模式下的零电压开关(ZVS)区域方面的优越性能。为进一步提高其转换效率,引入了一种基于深度确定性策略梯度(DDPG)算法的深度强化学习优化方法,用于自适应优化TPS控制参数并最小化变换器的整体功率损耗。为验证所提出的TPS调制及基于DDPG的优化策略对TAB变换器拓扑的有效性,构建了相应的硬件原型,并在不同运行条件下进行了实验测试。实验结果表明,采用DDPG优化的TAB架构能够有效降低电流应力和功率损耗,将变换器在正常模式下的最大效率提升至96.9%,并在故障隔离后实现3%的效率增益。
Keyword:
triple-phase-shift modulation strategy
three-port active bridge converter
deep deterministic policy gradient
fault-tolerant control
efficiency optimization
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Dependability Model of Electric Power Systems for Assessing Smart City Energy Sustainability
Sustainability
IF3.3
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
Decoupled PWM Plus Phase-Shift Control for a Dual-Half-Bridge Bidirectional DC-DC Converter双半桥双向dc-dc变换器的解耦PWM加移相控制
Research on the Optimal Transient Power Angle Control Strategy for New Energy Transmission Systems in Energy Storage Enhancement Areas
Sustainability
IF3.3
Dynamic State Estimation for Sustainable Distribution Systems Considering Data Correlation and Noise Adaptiveness考虑数据相关性和噪声适应性的可持续配电系统动态状态估计
Sustainability
IF3.3

