← 返回
基于数据驱动神经预测器的电力变换器鲁棒模型预测控制
Data-Driven Neural Predictors-Based Robust MPC for Power Converters
| 作者 | Xing Liu · Lin Qiu · Jose Rodriguez · Wenjie Wu · Jien Ma · Zhouhua Peng · Dan Wang · Youtong Fang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2022年10月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 模型预测控制MPC 机器学习 深度学习 并网逆变器 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 鲁棒 MPC 有限控制集 功率变换器 神经网络 数据驱动 预测控制 控制鲁棒性 |
语言:
中文摘要
本文提出了一种基于数据驱动神经预测器的鲁棒有限控制集模型预测控制(FCS-MPC)方法,旨在提升电力变换器控制系统的鲁棒性及多目标控制的灵活性。通过神经网络预测器估计未知非线性项,有效增强了控制系统对参数扰动和模型不确定性的适应能力。
English Abstract
This article proposes a novel data-driven neural predictors-based robust finite control-set model predictive control (FCS-MPC) methodology for power converters, which aims to enhance the robustness of the control system and the flexibility of multiple control objectives. To be specific, the data-driven predictors-based neural network solution, which has a good potential to estimate the unknown non...
S
SunView 深度解读
该技术对阳光电源的核心业务具有极高价值。在组串式及集中式光伏逆变器中,FCS-MPC可显著提升动态响应速度;在PowerTitan等大型储能PCS中,该算法能有效应对电网弱电网环境下的参数波动,提升系统稳定性。建议研发团队将该数据驱动预测模型集成至iSolarCloud智能运维平台,利用边缘计算能力实现控制参数的实时自适应优化,从而提升产品在复杂工况下的并网性能与可靠性。