25、智慧城市电力电子中的机器学习应用

智慧城市电力电子中的机器学习应用

1. 基于强化学习（RL）的最大功率点跟踪（MPPT）控制器

1.1 风力发电系统中的应用

风力能源在智慧城市发展中具有重要贡献，是清洁、绿色的能源，有助于促进城市的可持续性、恢复力和经济增长。大部分风力发电来自变速风力能源转换系统（WECS），为了在不同风速下实现最大功率输出，需要控制WECS中轴的速度以跟踪最大功率点（MPP）。

基于与环境的交互（通过动作和奖励），强化学习（RL）可以学习系统行为，因此被广泛应用于MPPT控制。一种基于新型RL的MPPT方法被提出用于控制变速WECS，该在线方法包括以下两个过程：
- 在线学习过程 ：控制器使用无模型Q学习算法，基于经验学习最大功率点。学习到的值存储在Q表中，用于找到转子速度和电功率之间的最优关系。
- 在线应用过程 ：根据学习过程中得到的关系，执行对变速WECS的控制。与传统的扰动观察法（P&O）相比，该RL方法能产生更高的电功率，并且在风速变化时能快速收敛到MPP，实现快速的MPPT控制。

此外，将RL与人工神经网络（ANN）结合应用于WECS，ANN可以提供泛化学习能力，即使在未经历过的情况下也能进行预测，从而提高学习效率，减少在线学习时间。同时，这种结合消除了查找表，节省了大量计算成本，使MPPT算法的实现和设计更加容易。

1.2 光伏系统中的应用

RL还应用于光伏系统的MPPT控制。例如，提出了基于RL技术的降压型DC - DC转换器的MPPT控制方法，该方法以短路电流和开路电压为参数，无需关于光伏源及其动态的先验