基于图神经网络的电力电子换能器控制框架——早期概念证明
系统与控制
2026-01-13 v1 系统与控制
摘要
电力电子换能器控制通常按拓扑结构调谐，限制了跨异构设计的迁移。本文提出一种基于图神经网络的拓扑无关性元控制框架，将换能器网络列表编码为带类型的二分图，并使用任务条件图神经网络主干架构配合分布式控制头。该策略通过可微分预测控制端到端训练，以在换能器参数和参考轨迹任务分布上实现受约束的最优控制的 amortization。在随机抽取的buck换能器上进行仿真测试中，所学控制器相对于在线最优控制基线实现了近乎最优的跟踪性能，为拓展到更广泛的拓扑、目标和实时部署提供了动力学。
引用
@article{arxiv.2601.06686,
title = {A Power Electronic Converter Control Framework Based on Graph Neural Networks -- An Early Proof-of-Concept},
author = {Darius Jakobeit and Oliver Wallscheid},
journal= {arXiv preprint arXiv:2601.06686},
year = {2026}
}