← 返回
基于人工神经网络的MMC整流器模型预测控制设计与分析
Design and Analysis of the Model Predictive Control Implemented by the ANN Technique for MMC-Based Rectifier With Improved Grid Adaptability
| 作者 | Zheng Gong · Ping Tuo · Changming Zheng · Xiaojie Wu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年10月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 多电平 模型预测控制MPC 机器学习 并网逆变器 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 模型预测控制 MMC ANN 有源整流器 电网适应性 电力电子 控制优化 |
语言:
中文摘要
模型预测控制（MPC）因其灵活性和多目标管理能力被广泛应用于模块化多电平变换器（MMC）。然而，MPC在实际应用中受限于数学模型的精确性，在电网或参数波动时性能下降。本文提出一种基于人工神经网络（ANN）的MPC实现方法，旨在提升MMC整流器在复杂电网环境下的适应能力。
English Abstract
Model predictive control (MPC) has been widely adopted as a modular multilevel converter (MMC)-based active rectifier due to its simplicity, flexibility, and ability to manage multiple control objectives. Nevertheless, the practical implementation of MPC is hindered by the absence of accurate mathematical models. When there are changes in the grid or MMC parameters, the control performance of MPC ...
S
SunView 深度解读
该技术对阳光电源的集中式逆变器及大型储能系统（如PowerTitan系列）具有重要参考价值。随着光伏与储能系统向高压、大功率方向发展，MMC拓扑的应用日益广泛。传统的MPC依赖精确数学模型，在弱电网环境下鲁棒性不足，而引入ANN技术可以有效提升系统在电网波动下的动态响应与稳定性。建议研发团队关注基于AI的控制算法在大型储能变流器（PCS）中的应用，以优化复杂电网下的并网性能，提升系统在弱电网场景下的适应性与可靠性。