← 返回
基于深度残差网络的PMSM驱动混合ANPC逆变器FCS-MPC权重因子自动整定
Weighting Factors Autotuning of FCS-MPC for Hybrid ANPC Inverter in PMSM Drives Based on Deep Residual Networks
| 作者 | Shuai Xu · Chunxing Yao · Guanzhou Ren · Zhenyao Sun · Sijia Wu · Guangtong Ma |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年12月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 多电平 模型预测控制MPC 深度学习 三相逆变器 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 混合ANPC逆变器 FCS-MPC 权重系数 深度残差网络 PMSM驱动 多目标优化 预测控制 |
语言:
中文摘要
针对混合有源中点钳位（HANPC）逆变器在高功率应用中的复杂多目标控制问题，本文提出了一种基于深度残差网络的有限控制集模型预测控制（FCS-MPC）权重因子自动整定方法。该方法利用深度学习强大的非线性映射能力，有效解决了MPC中权重因子难以手动调节的痛点，提升了逆变器在多目标约束下的动态性能与稳态精度。
English Abstract
Hybrid active neutral-point-clamped (HANPC) inverters have been recently considered as an attractive solution for high-power applications, while their control with multiple objectives remains quite complicated. The model predictive control (MPC) is an optimal control technique for multilevel inverters due to its powerful ability to handle the multiobjective optimization and nonlinear constrains. H...
S
SunView 深度解读
该技术对阳光电源的组串式及集中式逆变器产品线具有重要参考价值。随着光伏逆变器向更高功率密度和多电平拓扑（如ANPC）演进，传统MPC算法中权重因子的手动调试耗时且难以达到最优。引入深度残差网络实现权重因子的自动整定，能够显著提升逆变器在复杂电网环境下的动态响应速度和电能质量。建议研发团队关注该算法在iSolarCloud智能运维平台边缘侧的部署潜力，通过AI赋能提升逆变器在不同工况下的自适应控制能力，进一步优化系统效率与可靠性。