MGS-104 · 应用案例

案例一：交直流微电网多节点功率协同控制

与新南威尔士大学合作研究

一、案例背景

合作方

新南威尔士大学（UNSW Sydney） — 全球顶尖工程与科技院校，在电力电子、能源系统领域具有深厚研究积累。

研究目标

在交直流混合微电网环境下，验证基于多智能体强化学习的多节点功率协同控制算法，实现：

• 系统级闭环控制

• 母线电压稳定

• 多节点功率动态分配

二、挑战

传统微电网控制面临的核心问题：

现有方案局限：

• 纯仿真：忽略非线性、噪声、延迟

• 工业实测：不敢做故障测试，无法快速迭代

三、解决方案

3.1 平台选择

采用 MGS-104 入门级能源多物理智能体验证平台：

3.2 控制架构

[多智能体强化学习算法] ── [边缘计算单元] ── CAN总线 ── [DCDC节点1]
                                             ├─ [DCDC节点2]
                                             ├─ [DCDC节点3]
                                             └─ [ACDC节点]

• 每个功率节点作为独立智能体

• 边缘计算单元运行多智能体强化学习算法

• 节点间通过CAN总线实时协商功率分配

3.3 实验工况

四、实验成果

4.1 系统级闭环控制

AI算法实现：

• 母线电压波动：±2V → ±0.3V

• 响应时间：50ms → 15ms

• 功率重分配：<10ms

4.2 多节点协同效果

4.3 故障自愈能力

模拟单个节点离线，其余节点在 <10ms 内完成功率重分配，系统保持稳定运行。

五、结论

MGS-104 成功验证了：

• AI算法能够在真实硬件上实现系统级闭环控制

• 多智能体协同控制策略有效提升系统鲁棒性

• SELV安全电压下可安全、重复地进行故障测试

“在MGS-105平台上，我们能够快速迭代AI算法，在真实物理环境中验证控制策略，这是纯仿真无法替代的。”
—— 新南威尔士大学研究团队

六、相关资源

• 下载案例白皮书

• 查看技术规格

• 了解多智能体解决方案

• 联系我们获取更多案例

*案例版本：V1.0 / 2026.03*