文献类型：期刊文章

作　　者：胡广[1] 胡维昊[1] 唐远鸿[1] 黄琦[1] 陈哲[2]

Hu Guang;Hu Weihao;Tang Yuanhong;Huang Qi;Chen Zhe(University of Electronic Science and Technology of China School of Mechanical and ElectricalEngineering Power System Wide Area Measurement and Control of the Key Laboratory of SichuanProvince,Chengdu 611731 China;Department of Energy Technology Aalborg University,Aalborg DK-9110 Denmark)

机构地区：[1]电子科技大学机械与电气工程学院,电力系统广域测量与控制四川省重点实验室,成都611731 [2]奥尔堡大学能源系,奥尔堡DK-9110

出　　处：《电工技术学报》

基　　金：四川省科技计划(杰出青年科技人才)资助项目(2020JDJQ0037)。

年　　份：2022

卷　　号：37

期　　号：S01

起止页码：225-234

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为减小双主动半桥直流变换器(DAHB)在传统双重移相(DPS)调制下轻载区较大的功率损耗,该文提出一种基于强化学习(RL)的DPS调制效率优化方案(QDPS)。该方案使用Q-learning算法作为一种RL的典型算法,通过对智能体进行离线训练,得到优化后的调制策略QDPS。该策略能够为DAHB直流变换器提供最优的移相角,有效减小变换器在轻载区的功率损耗。与现有的单移相控制策略和双重移相控制策略相比,QDPS移相控制策略能够有效提高变换器的运行效率,改善变换器的性能。最后,通过Matlab/Simulink仿真验证了所提出优化方案的有效性。

关 键 词：双重移相控制  双主动半桥直流变换器  强化学习  Q-LEARNING 效率  

分 类 号：TM46]