微网储能侧DC-DC变换器的强化学习自抗扰控制策略

马幼捷; 刘熠铭; 周雪松; 王博; 陶珑; 问虎龙

doi:10.19912/j.0254-0096.tynxb.2023-1955

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

微网储能侧DC-DC变换器的强化学习自抗扰控制策略

更新时间：2025-10-18

- 微网储能侧DC-DC变换器的强化学习自抗扰控制策略
- REINFORCEMENT LEARNING ACTIVE DISTURBANCE REJECTION CONTROL STRATEGY FOR MICROGRID ENERGY STORAGE SIDE DC-DC CONVERTER
- 太阳能学报 2025年46卷第3期页码：63-72
- 作者机构：
  
  1. 天津理工大学天津市新能源电力变换传输与智能控制重点实验室,天津 300384
  2. 天津瑞能电气有限公司,天津 300381
- 作者简介：
- 基金信息：
  
  国家自然科学重点基金（U23B20142）;天津市研究生科研创新实践项目（2022BKYZ036）
- DOI：10.19912/j.0254-0096.tynxb.2023-1955
  中图分类号： TM615
- 网络出版：2025-04-07，
  
  纸质出版：2025
- 稿件说明：
移动端阅览
马幼捷, 刘熠铭, 周雪松, 王博, 陶珑, 问虎龙. 微网储能侧DC-DC变换器的强化学习自抗扰控制策略[J]. 太阳能学报, 2025, 46(3): 63-72.

Ma Youjie, Liu Yiming, Zhou Xuesong, et al. REINFORCEMENT LEARNING ACTIVE DISTURBANCE REJECTION CONTROL STRATEGY FOR MICROGRID ENERGY STORAGE SIDE DC-DC CONVERTER[J]. 2025, 46(3): 63-72.
马幼捷, 刘熠铭, 周雪松, 王博, 陶珑, 问虎龙. 微网储能侧DC-DC变换器的强化学习自抗扰控制策略[J]. 太阳能学报, 2025, 46(3): 63-72. DOI： 10.19912/j.0254-0096.tynxb.2023-1955.

Ma Youjie, Liu Yiming, Zhou Xuesong, et al. REINFORCEMENT LEARNING ACTIVE DISTURBANCE REJECTION CONTROL STRATEGY FOR MICROGRID ENERGY STORAGE SIDE DC-DC CONVERTER[J]. 2025, 46(3): 63-72. DOI： 10.19912/j.0254-0096.tynxb.2023-1955.

摘要

直流微电网电压稳定性研究是新型电力系统面临的关键问题。针对微电网系统中直流母线电压波动大和抗干扰能力弱等缺陷

该文提出一种由 Q-learning算法赋能的DC-DC变换器自抗扰控制策略。通过引入线性扩张状态观测器

实现对模型内部摄动与外部扰动量的精确估计与补偿

利用Q-learning 算法实现控制策略参数自适应优化

从而更高效地维持输出电压稳定。基于理论分析

推导范数意义下的Q-learning算法收敛性

并运用Lyapunov理论判据证明线性自抗扰的稳定性。最后

通过仿真对比该文提出的控制策略、线性自抗扰控制与双闭环PI控制在不同工况下的结果

充分验证该策略在提升 DC-DC 变换器抗扰能力和鲁棒水平的高效性与优越性。

Abstract

The study of voltage stability in DC microgrids is a key issue faced by new power systems. This paper proposes a active disturbance rejection control strategy for DC-DC converters empowered by Q-learning algorithm to address the shortcomings of large DC bus voltage fluctuations and weak anti-interference ability in microgrid systems. By introducing a linear expansion state observer

precise estimation and compensation of internal and external disturbances in the model are achieved. Q-learning algorithm is used to achieve adaptive optimization of control strategy parameters

thereby maintaining output voltage stability more efficiently. Based on theoretical analysis

the convergence of Q-learning algorithm in the norm sense was derived

and the stability of linear active disturbance rejection was proved using Lyapunov theory criterion. Finally

by comparing the results of the proposed control strategy

linear active disturbance rejection control

and dual closed-loop PI control under different operating conditions through simulation

the efficiency and superiority of this strategy in improving the disturbance rejection ability and robustness level of DC-DC converters are fully verified.

关键词

Keywords

references

朱晓荣, 孟欣欣. 直流微电网的稳定性分析及有源阻尼控制研究[J]. 高电压技术, 2020, 46(5): 1670-1681.

张纯江, 董杰, 刘君, 等. 蓄电池与超级电容混合储能系统的控制策略[J]. 电工技术学报, 2014,29(4): 334-340.

马幼捷, 袁业沧, 周雪松, 等. 模型信息联合校正型自抗扰控制策略[J]. 太阳能学报, 2024, 45(3): 389-398.

李霞林, 王成山, 郭力, 等. 直流微电网稳定控制关键技术研究综述[J]. 供用电, 2015, 32(10): 1-14.

杨惠, 骆姗, 孙向东, 等. 光伏储能双向DC-DC变换器的自抗扰控制方法研究[J]. 太阳能学报, 2018, 39(5): 1342-1350.

苏泳, 陈艳峰. 基于非线性扰动观测的储能双向DC-DC变换器非奇异终端滑模控制策略[J]. 储能科学与技术, 2024, 13(5): 1523-1531.

张世欣, 皇金锋, 杨艺. 基于平坦理论的直流微电网双向DC-DC变换器改进滑模自抗扰控制[J]. 电力系统保护与控制, 2023, 51(5): 107-116.

韩京清. 自抗扰控制器及其应用[J]. 控制与决策, 1998, 13(1): 19-23.

GAO Z Q.Scaling and bandwidth-parameterization based controller tuning[C]//Proceedings of the 2003 American Control Conference. Denver, CO, USA, 2003: 4989-4996.

金辉宇, 张瑞青, 王雷, 等. 线性自抗扰控制参数整定鲁棒性的根轨迹分析[J]. 控制理论与应用, 2018, 35(11): 1648-1653.

周雪松, 王博, 马幼捷, 等. 含二阶扰动补偿的交错并联变换器自抗扰控制[J]. 电机与控制学报, 2023, 27(12): 159-170.

CHEN Z Q, QIN B B, SUN M W, et al.Q-Learning-based parameters adaptive algorithm for active disturbance rejection control and its application to ship course control[J]. Neurocomputing, 2020, 408: 51-63.

龚春阳, 林嘉伟, 黄冬梅, 等. 储能系统双向Buck-Boost变换器控制策略研究[J]. 太阳能学报, 2023, 44(2): 229-238.

张晨. 基于改进自抗扰和遗传算法的永磁同步电机速度控制[J]. 科技视界, 2020(5): 82-84.

王宏志, 王婷婷, 胡黄水, 等. 基于Q学习优化BP神经网络的BLDCM转速PID控制[J]. 吉林大学学报(工学版), 2021, 51(6): 2280-2286.

MELO F S.Convergence of Q-learning: a simple proof[R]. Institute of Systems and Robotics, tech. 2001:1-4.

杨翔宇, 肖先勇, 马俊鹏, 等. 基于电感电流反馈的双向DC-DC变换器下垂控制[J]. 中国电机工程学报, 2020, 40(8): 2638-2647.

周雪松, 张心茹, 赵浛宇, 等. 基于DDPG算法的微网负载端接口变换器自抗扰控制[J]. 电力系统保护与控制, 2023, 51(21): 66-75.

孟建辉, 吴小龙, 张自力, 等. 三相隔离型AC-DC-DC电源自适应线性自抗扰控制方法及纹波抑制补偿策略[J]. 电工技术学报, 2023, 38(14): 3898-3908.

朱士加, 王颖, 贺春光, 等. 一阶LADRC的风电并网控制及其稳定性分析[J]. 电力系统及其自动化学报, 2020, 32(7): 33-38.

TAO L, WANG P, WANG Y F, et al.Variable structure ADRC-based control for load-side buck interface converter: formation, analysis, and verification[J]. IEEE transactions on industrial electronics, 2022, 69(6): 6236-6246.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据