本书全面介绍人工智能技术在电力电子变换器调制中的应用，从人工智能的基本概念和原理出发，简明扼要地介绍人工智能技术在电力电子领域的发展情况及技术瓶颈，重点阐述其在电力电子系统中应用最广泛的深度强化学习技术原理及典型算法。同时，本书以双有源全桥变换器和模块化多电平变换器两种被广泛研究的变换器为示例，介绍人工智能算法在具体拓扑中对电力电子变换器进行优化调制的详细步骤，为读者展示该前沿技术的操作细节。
更多科学出版社服务，请扫码获取。
1997年，博士，电力与控制，杜伦大学，英国
1993年，硕士，电力电子，英国斯塔福德郡大学，英国
1986年，硕士，电力系统与自动化，东北电力学院，中国
1982年，学士，电力系统与发电厂，东北电力学院，中国
2002年 - 至今， 教授，风力发电系统研究项目负责人，丹麦奥尔堡大学能源技术系
1998年06月- 2001年12月 英国德蒙福特大学高级讲师
1997年01月- 1998年06月 英国杜伦大学工程学院研究员
作为通讯作者、第一作者发表论文200余篇，其中SCI检索150余篇
代表性论文：
Fang, Jiakun; Su, Chi; Chen, Zhe; Sun, Haishun; Lund, Per ; Power System Structural Vulnerability Assessment Based on an Improved Maximum Flow Approach, IEEE TRANSACTIONS ON SMART GRID, 2018, 2(9): 777-785. (影响因子=9.6 Q1)
Wang, Yanbo; Chen, Zhe; Wang, Xiongfei; Tian, Yanjun; Tan, Yongdong; Yang, Chao ; An Estimator-Based Distributed Voltage-Predictive Control Strategy for AC Islanded Microgrids, IEEE TRANSACTIONS ON POWER ELECTRONICS, 2015, 7(30): 3934-3951. (影响因子=6.丹麦技术科学院院士
天府学者特聘专家
美国电子电气工程师协会会士（IEEE Fellow）
英国电机工程与技术协会会士（IET Fellow）
目录
第1章绪论1
1.1人工智能的发展历史1
1.2人工智能在电力电子系统中的应用现状3
参考文献5
第2章基于强化学习的双有源全桥变换器调制优化技术6
2.1双有源全桥变换器的线性分段时域建模6
2.2基于强化学习和人工神经网络的DAB调制优化技术13
2.2.1强化学习+人工神经网络结构14
2.2.2Qlearning算法结构15
2.2.3Qlearning算法训练17
2.2.4BP神经网络算法及训练20
2.2.5性能评价与比较21
2.2.6实验验证23
参考文献36
第3章基于深度强化学习的双有源全桥变换器调制优化技术37
3.1双有源全桥变换器建模37
3.2基于DDPG算法的DAB调制优化技术39
3.2.1DDPG算法结构40
3.2.2DDPG算法训练42
3.2.3实验验证44
参考文献55
第4章不依赖电路模型的双有源全桥变换器调制优化技术56
4.1在线效率自优化概念56
4.2在线效率自优化实现58
4.2.1实现过程58
4.2.2实验验证63
参考文献83
第5章基于启发式算法的模块化多电平变换器调制优化技术84
5.1模块化多电平变换器建模84
5.1.1拓扑结构与数学模型84
5.1.2子模块电容电压均衡86
5.2模块化多电平变换器调制88
5.2.1低频调制89
5.2.2高频调制91
5.3基于PSO算法的MMC选择谐波消除调制92
5.3.1iSHE-PWM调制方法及其数学模型92
5.3.2基于PSO算法的最优开关角求解94
5.3.3仿真结果97
参考文献104
第6章基于深度强化学习的模块化多电平变换器调制优化技术106
6.1MMC等效电平提升及其均压算法106
6.1.1基于选择谐波消除调制的MMC等效电平提升106
6.1.2改进的MMC均压算法108
6.2基于DDPG算法的MMC最优开关角求解109
6.2.1DDPG算法求解开关角原理109
6.2.2DDPG算法训练111
6.3仿真结果及实验验证113
6.3.1仿真结果113
6.3.2实验验证116
参考文献122
新书资讯
