科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于专家示范的深度确定性策略梯度算法(ED-DDPG)的MPPT算法，该算法将最大功率点跟踪问题转化为马尔科夫决策过程(MDP)，选择基于连续动作空间的深度确定性策略梯度算法(DDPG)训练MPPT控制算法，来提高输出电压的控制精度，并基于专家示范改进了DDPG算法，使其在强化学习算法的经验池中预先加入传统方法的经验，从而加快算法神经网络训练的收敛速度。该算法解决了传统MPPT算法在面对温度、光照不断变化的复杂环境下动态效率较低的问题，解决了深度确定性策略梯度算法(DDPG)在求解MPPT问题时训练时间过长、收敛难度较大的问题。算例表明该算法在EN50530标准下MPPT动态效率平均达到97.3%，具有较强的鲁棒性。
- 单位
