频率调谐方法可以有效解决因耦合机构参数漂移导致的无线电能传输系统频率失谐问题,有利于提高系统的传输效率及运行稳定性。传统的双边频率调谐控制方法不统一,并且控制参数优化复杂。为此,该文提出一种适用于高阶补偿无线电能传输系...频率调谐方法可以有效解决因耦合机构参数漂移导致的无线电能传输系统频率失谐问题,有利于提高系统的传输效率及运行稳定性。传统的双边频率调谐控制方法不统一,并且控制参数优化复杂。为此,该文提出一种适用于高阶补偿无线电能传输系统的通用调谐解耦控制策略。首先,基于电路理论构建高阶补偿无线电能传输系统的分析模型,揭示双边谐振条件及其特征。其次,基于扰动观察法构建一种通用的双边调谐解耦控制策略,可实现原边和副边谐振参数的自适应调整。最后,搭建180 W LCC/LCC系统实验样机,验证了所提频率调谐解耦控制策略的有效性,在耦合机构偏移等工况下能够有效维持系统双边的谐振状态,提高了系统的传输效率和稳定性。展开更多
大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基...大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。展开更多
低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依...低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依赖经验预先定义秩:若秩估计过大或过小,会导致漏检或虚警。而且,不同场景中秩的大小不一样,限制了实际应用。为了解决这一问题,本文采用非凸秩接近范数约束低秩塔克分解的潜在因子,无需手动设置秩,从而显著提升了算法在不同场景中的鲁棒性。进一步地,设计了基于对称高斯-赛德尔的交替方向乘子法(symmetric GaussSeidel based alternating direction method of multipliers algorithm,sGSADMM)来求解所提模型。与现有基于交替方向乘子法相比,sGSADMM算法通过利用更多结构信息,实现了更高的求解精度。大量实验表明,所提方法在检测性能和背景抑制等方面均优于现有的先进算法。展开更多
文摘频率调谐方法可以有效解决因耦合机构参数漂移导致的无线电能传输系统频率失谐问题,有利于提高系统的传输效率及运行稳定性。传统的双边频率调谐控制方法不统一,并且控制参数优化复杂。为此,该文提出一种适用于高阶补偿无线电能传输系统的通用调谐解耦控制策略。首先,基于电路理论构建高阶补偿无线电能传输系统的分析模型,揭示双边谐振条件及其特征。其次,基于扰动观察法构建一种通用的双边调谐解耦控制策略,可实现原边和副边谐振参数的自适应调整。最后,搭建180 W LCC/LCC系统实验样机,验证了所提频率调谐解耦控制策略的有效性,在耦合机构偏移等工况下能够有效维持系统双边的谐振状态,提高了系统的传输效率和稳定性。
文摘大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。
文摘低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依赖经验预先定义秩:若秩估计过大或过小,会导致漏检或虚警。而且,不同场景中秩的大小不一样,限制了实际应用。为了解决这一问题,本文采用非凸秩接近范数约束低秩塔克分解的潜在因子,无需手动设置秩,从而显著提升了算法在不同场景中的鲁棒性。进一步地,设计了基于对称高斯-赛德尔的交替方向乘子法(symmetric GaussSeidel based alternating direction method of multipliers algorithm,sGSADMM)来求解所提模型。与现有基于交替方向乘子法相比,sGSADMM算法通过利用更多结构信息,实现了更高的求解精度。大量实验表明,所提方法在检测性能和背景抑制等方面均优于现有的先进算法。
