[发明专利]基于DDPG算法的光伏逆变器多目标优化方法

说明书

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。

技术领域

本发明属于电力电子技术领域，涉及一种基于DDPG算法的光伏逆变器多目标优化方法。

背景技术

近年来，太阳能光伏发电已经成为清洁能源利用的重要组成部分。在光伏发电系统中，逆变器作为连接光伏电池板和电网的接口，其主要功能是将光伏电池板转化的直流电变换成与电网同步的交流电。因此逆变器是保障光伏发电系统高效、经济和稳定运行不可或缺的关键环节之一，而让逆变器在任意运行工况下都能达到最优的效率、功率密度和寿命，同时使得成本最低对光伏发电系统的高效、经济和稳定运行是非常有意义的。

在电力电子装备的设计中，由于光伏逆变器实际的运行工况非常复杂多变，常见的优化指标如效率、功率密度、特殊成本和寿命之间也呈现出相互冲突的制约关系。在面对复杂的应用环境时，无法快速确定光伏逆变器的运行条件使光伏逆变器以最优的效率、功率密度、成本以及寿命运行，为此很多专家学者提出不同的解决方法：

中国发明专利公开说明书CN112968474A于2021年06月15日公开的《光伏离网逆变器系统的多目标寻优方法》，采用NSGA-Ⅲ算法对光伏离网逆变系统进行多目标优化。但是，该解决方法存在以下不足：由于采用NSGA-Ⅲ算法，当系统状态发生改变时，需要重新进行复杂、耗时的寻优求解过程，耗费计算资源，不能快速给出状态变化后的动作值，寻优过程存在局限性，应用范围有限。

中国发明专利公开说明书CN114172403AB于2022年03月11日公开的《基于深度强化学习的逆变器效率优化方法》，采用深度强化学习对逆变器的效率进行优化。但是，该解决方法存在以下不足：该方法只考虑效率这一优化目标，而逆变器在实际应用中，往往有多个目标需要优化，仅仅考虑效率可能造成其它性能指标的恶化，造成顾此失彼的问题，存在一定的局限性。

发明内容

本发明针对现有光伏逆变器的单目标优化方法中仅仅考虑效率这一优化变量，存在光伏逆变器其它性能指标恶化的可能性，应用范围小，难以满足实际应用需求，并且采用NSGA-III算法训练或求解过程复杂耗时，寻优过程存在局限性的不足，提出了一种基于DDPG算法的光伏逆变器多目标优化方法，以解决现有技术中存在的上述问题。

本发明的目的是这样实现的，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，所述光伏逆变器包括直流电压源、支撑电容、三相三电平ANPC逆变主电路、滤波电路和负载；所述支撑电容包括两个相同的支撑电容，分别记为支撑电容Cap₁和支撑电容Cap₂，支撑电容Cap₁和支撑电容Cap₂串联后接在直流电压源的直流正母线P和直流负母线E之间，支撑电容Cap₁和支撑电容Cap₂的连接点记为直流母线中点O；