← 返回
控制与算法 PFC整流 单相逆变器 机器学习 ★ 4.0

基于新型反馈递归神经网络的单相有源电力滤波器动态终端滑模控制

Dynamic Terminal Sliding-Mode Control for Single-Phase Active Power Filter Using New Feedback Recurrent Neural Network

作者 Juntao Fei · Yun Chen
期刊 IEEE Transactions on Power Electronics
出版日期 2020年9月
技术分类 控制与算法
技术标签 PFC整流 单相逆变器 机器学习
相关度评分 ★★★★ 4.0 / 5.0
关键词 有源电力滤波器 滑模控制 循环神经网络 谐波补偿 抖振抑制 自适应控制
语言:

中文摘要

本文提出了一种用于单相有源电力滤波器(APF)的自适应动态终端滑模控制器,采用双隐藏层递归神经网络(DHL-RNN)结构以提升谐波补偿性能。通过结合动态滑模与终端滑模技术,有效解决了传统滑模控制中的抖振问题。

English Abstract

In this article, an adaptive dynamic terminal sliding-mode controller using a double hidden layer recurrent neural network (DHL-RNN) structure for a single-phase active power filter (APF) is proposed to improve harmonic compensation performance. First, a method combining dynamic sliding mode and terminal sliding mode is proposed to solve the chattering phenomenon in traditional sliding-mode contro...
S

SunView 深度解读

该研究提出的DHL-RNN滑模控制算法在谐波抑制和抖振消除方面具有显著优势,对阳光电源的户用及工商业光伏逆变器、单相储能变流器(PCS)的电能质量优化具有重要参考价值。随着分布式能源渗透率提高,电网环境日益复杂,该算法可提升阳光电源产品在弱电网下的谐波补偿能力和动态响应速度。建议研发团队关注该神经网络结构在嵌入式DSP/MCU上的算力开销,探索将其应用于iSolarCloud智能运维平台的电能质量诊断,或作为下一代高性能逆变器控制策略的储备技术。