基于深度强化学习的有源中点钳位逆变器效率优化设计

来源：电子与信息学报杂志2023年第9期北京时间：

作者：王佳宁, 杨仁海, 姚张浩, 彭强, 谢绿伟

单位：合肥工业大学电气与自动化工程学院 合肥 230009

摘要：传统电力电子变换器设计多采用顺序设计法，依赖人工经验。近年来，电力电子自动化设计可通过计算机快速优化设计电力电子系统而备受关注。该文以有源中点钳位(ANPC)逆变器的效率优化设计为例，提出一种基于深度强化学习(DRL)的电力电子自动化设计方法，可实现在变换器设计需求变化时，根据设计目标快速得到最优的设计参数。首先介绍了基于DRL的逆变器效率优化整体框架；然后建立了逆变器的效率模型；接着通过深度确定性策略梯度(DDPG)算法的自学习不断训练智能体，获得了最小化功率损耗的优化策略，该策略能够快速响应设计规格变化提供最大化效率的设计变量；最后，搭建了140 kW的实验样机，实验结果验证了所提方法的有效性，相比于遗传算法和强化学习(RL)，实测效率分别提高了0.025 %和0.025 %。

关键词：电力电子自动化设计, 有源中点钳位逆变器, 效率, 深度强化学习

基金资助：国家自然科学基金(52077051)，合肥综合性国家科学中心能源研究院重大培育项目(21KZS203)，高等学校学科创新引智计划(BP0719039)