-
公开(公告)号：CN117057228A
公开(公告)日：2023-11-14
申请号：CN202311003536.4
申请日：2023-08-10
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G06F30/20 , G06F111/06
摘要： 本发明提供了一种基于深度强化学习的逆变器多目标优化方法，该方法包括利用解析公式建立效率优化模型和功率密度优化模型，用神经网络建立EMI共模噪声优化模型；确定状态集合、动作集合和归一化后的多目标奖励函数；利用DDPG算法进行离线学习，得到最优策略，对DDPG算法进行应用，根据该最优策略，系统在任一状态、任一权重系数下均能在满足EMI标准的前提下实现效率和功率密度的最优化。本发明采用神经网络对EMI共模噪声的建模方法，避免了大量的电路仿真，提高了寻优的效率；DDPG算法可以解决复杂的高维设计变量问题，还可以避免逆变器设计中的各参数耦合严重、顾此失彼的问题，能快速找到最优方案。
-
公开(公告)号：CN114172403A
公开(公告)日：2022-03-11
申请号：CN202111487731.X
申请日：2021-12-07
申请人： 合肥工业大学
IPC分类号： H02M7/5387 , H02M1/088 , G06F30/27 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于深度强化学习的逆变器效率优化方法，属于电力电子技术领域。包括建立效率优化模型；确定状态集合、动作集合和奖励函数；利用DDPG算法进行离线学习，得到最优策略；根据该最优策略，系统在状态集合S的任一状态下均能实现效率最大化。本发明的优化方法采用神经网络替代了强化学习的Q‑table查找表，能够解决高维设计变量问题，可以在连续变量区间内以及动态的逆变器额定工作条件下训练，从而直接得到最优设计变量值使效率达到最大，避免了传统优化方法只能在离散区间内寻优会导致最优解丢失的情况，同时不需要重新进行复杂、耗时的寻优求解过程，节省计算资源。
-
公开(公告)号：CN115021325B
公开(公告)日：2024-03-29
申请号：CN202210713121.5
申请日：2022-06-22
申请人： 合肥工业大学
IPC分类号： H02J3/40 , H02J3/46 , H02M7/5387 , G06F30/27 , G06N3/04 , G06N3/092 , G06F119/06 , G06F119/08
摘要： 本发明提供了一种基于DDPG算法的光伏逆变器多目标优化方法，属于电力电子技术领域。该方法包括建立效率优化模型、功率密度优化模型、特殊成本优化模型以及寿命优化模型；确定状态集合、动作集合和归一化后的多目标奖励函数；利用DDPG算法进行离线学习，得到最优策略，对DDPG算法进行应用，根据该最优策略，系统在任一状态、任一权重系数下均能实现效率、功率密度、特殊成本以及寿命的最优化。本发明可以解决复杂的高维设计变量问题，且可避免光伏逆变器设计中的顾此失彼问题，找到满足优化目标的最优方案，充分提升光伏逆变器的性能，不需要重新进行复杂、耗时的寻优求解过程，节省计算资源。
-
公开(公告)号：CN113726211A
公开(公告)日：2021-11-30
申请号：CN202110964963.3
申请日：2021-08-20
申请人： 合肥工业大学
摘要： 本发明提供了一种逆变器共模传导EMI频谱包络线的预测方法，属于电力电子技术领域。包括确定人工神经网络的输入变量和输出变量；利用计算机仿真软件获取构建神经网络所需的样本数据；训练样本数据，构建神经网络模型；向神经网络模型输入测试集数据，得到逆变器共模传导EMI频谱包络线。本发明的预测方法避免了传统频域法依赖逆变器实际的运行工况，无法快速、准确地预测任意运行工况下的共模传导EMI，操作过程复杂的缺点，不仅考虑了实际运行工况下寄生电容对共模传导EMI的影响，而且能够快速、准确地预测任意运行工况下逆变器共模传导EMI频谱包络线，方法灵活，操作简便，解决了传统建模复杂、耗时的困难。
-
公开(公告)号：CN114172403B
公开(公告)日：2023-08-29
申请号：CN202111487731.X
申请日：2021-12-07
申请人： 合肥工业大学
摘要： 本发明提供了一种基于深度强化学习的逆变器效率优化方法，属于电力电子技术领域。包括建立效率优化模型；确定状态集合、动作集合和奖励函数；利用DDPG算法进行离线学习，得到最优策略；根据该最优策略，系统在状态集合S的任一状态下均能实现效率最大化。本发明的优化方法采用神经网络替代了强化学习的Q‑table查找表，能够解决高维设计变量问题，可以在连续变量区间内以及动态的逆变器额定工作条件下训练，从而直接得到最优设计变量值使效率达到最大，避免了传统优化方法只能在离散区间内寻优会导致最优解丢失的情况，同时不需要重新进行复杂、耗时的寻优求解过程，节省计算资源。
-
公开(公告)号：CN113726211B
公开(公告)日：2023-08-01
申请号：CN202110964963.3
申请日：2021-08-20
申请人： 合肥工业大学
IPC分类号： H02M7/5387 , H02M7/483 , H02M1/44 , H02J3/38 , H02M1/12 , G06N3/0464 , G06N3/06 , G06N3/08
摘要： 本发明提供了一种逆变器共模传导EMI频谱包络线的预测方法，属于电力电子技术领域。包括确定人工神经网络的输入变量和输出变量；利用计算机仿真软件获取构建神经网络所需的样本数据；训练样本数据，构建神经网络模型；向神经网络模型输入测试集数据，得到逆变器共模传导EMI频谱包络线。本发明的预测方法避免了传统频域法依赖逆变器实际的运行工况，无法快速、准确地预测任意运行工况下的共模传导EMI，操作过程复杂的缺点，不仅考虑了实际运行工况下寄生电容对共模传导EMI的影响，而且能够快速、准确地预测任意运行工况下逆变器共模传导EMI频谱包络线，方法灵活，操作简便，解决了传统建模复杂、耗时的困难。
-
公开(公告)号：CN112968474B
公开(公告)日：2022-12-30
申请号：CN202110345122.4
申请日：2021-03-30
申请人： 合肥工业大学
IPC分类号： H02J3/38
摘要： 本发明提供了一种光伏离网逆变器系统的多目标寻优方法，属于电力电子技术领域。包括：以效率、功率密度、特殊成本和开关管预测寿命最大化为目标函数，建立多目标优化模型1；利用改进的NSGA‑III算法并归一化得到四维Pareto前沿；以技术优势和利润最大化建立多目标优化模型2；快速非支配排序后得到二维Pareto前沿；根据需要选择实施方案。本发明的多目标寻优方法，不仅能快速得到完整的Pareto前沿，避免最优解的丢失，而且能全面评价系统中不同目标的性能，更符合实际，同时能有效地解决四维目标Pareto前沿不可视化的问题，从而便于直观的比较不同目标的性能。
-
公开(公告)号：CN115021325A
公开(公告)日：2022-09-06
申请号：CN202210713121.5
申请日：2022-06-22
申请人： 合肥工业大学
IPC分类号： H02J3/40 , H02J3/46 , H02M7/5387 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/06 , G06F119/08
摘要： 本发明提供了一种基于DDPG算法的光伏逆变器多目标优化方法，属于电力电子技术领域。该方法包括建立效率优化模型、功率密度优化模型、特殊成本优化模型以及寿命优化模型；确定状态集合、动作集合和归一化后的多目标奖励函数；利用DDPG算法进行离线学习，得到最优策略，对DDPG算法进行应用，根据该最优策略，系统在任一状态、任一权重系数下均能实现效率、功率密度、特殊成本以及寿命的最优化。本发明可以解决复杂的高维设计变量问题，且可避免光伏逆变器设计中的顾此失彼问题，找到满足优化目标的最优方案，充分提升光伏逆变器的性能，不需要重新进行复杂、耗时的寻优求解过程，节省计算资源。
-
公开(公告)号：CN112968474A
公开(公告)日：2021-06-15
申请号：CN202110345122.4
申请日：2021-03-30
申请人： 合肥工业大学
IPC分类号： H02J3/38
摘要： 本发明提供了一种光伏离网逆变器系统的多目标寻优方法，属于电力电子技术领域。包括：以效率、功率密度、特殊成本和开关管预测寿命最大化为目标函数，建立多目标优化模型1；利用改进的NSGA‑III算法并归一化得到四维Pareto前沿；以技术优势和利润最大化建立多目标优化模型2；快速非支配排序后得到二维Pareto前沿；根据需要选择实施方案。本发明的多目标寻优方法，不仅能快速得到完整的Pareto前沿，避免最优解的丢失，而且能全面评价系统中不同目标的性能，更符合实际，同时能有效地解决四维目标Pareto前沿不可视化的问题，从而便于直观的比较不同目标的性能。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.026 秒)
