基于深度强化学习的降压型DC-DC变换器智能控制策略
系统与控制
2020-08-12 v1 机器学习
系统与控制
摘要
作为一种典型的开关电源，DC-DC变换器已广泛应用于直流微电网。由于可再生能源发电的波动，研究与设计具有优异动态特性的DC-DC变换器控制算法具有重要的理论与实际应用价值。为缓解直流微电网中的母线电压稳定问题，本文首次构建了一种基于深度强化学习算法的带恒功率负载（CPLs）的降压型DC-DC变换器创新智能控制策略。本文中，针对DC-DC变换器定义了马尔可夫决策过程（MDP）模型与深度Q网络（DQN）算法。设计了一种基于无模型的深度强化学习（DRL）控制策略，通过奖励/惩罚机制调节智能体-环境交互，以实现收敛至标称电压。智能体在无需任何先验知识的情况下，通过提取复杂电力系统的高维特征进行近似决策。最终，仿真对比结果表明所提控制器在不同场景下具有更强的自学习与自优化能力。
引用
@article{arxiv.2008.04542,
title = {An Intelligent Control Strategy for buck DC-DC Converter via Deep Reinforcement Learning},
author = {Chenggang Cui and Nan Yan and Chuanlin Zhang},
journal= {arXiv preprint arXiv:2008.04542},
year = {2020}
}