← 返回
有源电力滤波器的双隐含层输出反馈神经网络自适应全局滑模控制
Double Hidden Layer Output Feedback Neural Adaptive Global Sliding Mode Control of Active Power Filter
| 作者 | Juntao Fei · Yundi Chu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2020年3月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 并网逆变器 功率模块 机器学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 有源电力滤波器 神经网络 全局滑模控制 输出反馈 电能质量 电流控制 鲁棒性 |
语言:
中文摘要
本文提出了一种自调节双隐含层输出反馈神经网络(DHLFNN)作为有源电力滤波器(APF)的电流控制器,旨在提升系统的响应特性与电能质量。通过引入全局滑模控制策略,增强了系统在全运行范围内的鲁棒性。
English Abstract
In this paper, a self-regulated double hidden layer output feedback neural network (DHLFNN) is presented to control an active power filter (APF) system as a current controller, which is conducive to the improvement of the response characteristic and power quality. First, a global sliding mode controller is introduced because it is effective in achieving overall robustness during the system respons...
S
SunView 深度解读
该研究提出的神经网络自适应滑模控制算法在提升电能质量和系统响应速度方面具有显著优势。对于阳光电源的组串式及集中式光伏逆变器、储能变流器(PCS)而言,该算法可优化并网电流的谐波抑制能力,特别是在弱电网或复杂电网环境下,能有效提升并网稳定性。建议研发团队关注该算法在iSolarCloud智能运维平台数据驱动下的参数自整定潜力,并探索将其应用于PowerTitan等大功率储能系统的并网控制策略中,以提升系统在复杂工况下的动态性能与抗干扰能力。