← 返回
基于海马体模糊神经网络的有源电力滤波器混合智能控制
Hybrid Intelligent Control Using Hippocampus-Based Fuzzy Neural Networks for Active Power Filter
| 作者 | Shixi Hou · Zhenyu Qiu · Yundi Chu · Jie Gao · Juntao Fei |
| 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 | 并网逆变器 机器学习 PWM控制 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 有源电力滤波器 谐波抑制 模糊神经网络 滑模控制 智能控制 电能质量 |
语言:
中文摘要
针对电网谐波问题,本文提出了一种结合快速积分终端滑模控制与海马体模糊神经网络(HBFNN)的智能控制方案,并应用于有源电力滤波器(APF)。该方案有效解决了外部干扰和参数扰动下的谐波抑制难题,提升了系统的鲁棒性和控制精度。
English Abstract
To tackle harmonic issue in the power grid, an intelligent control scheme consists of fast integral terminal sliding-mode control and hippocampus-based fuzzy neural network (HBFNN) is proposed and applied to active power filter (APF) to eliminate harmonics in this article. At first, the mathematical model of APF under the influence of external interference and parameter perturbation is derived in ...
S
SunView 深度解读
该研究提出的HBFNN智能控制算法在提升电网电能质量方面具有显著价值。对于阳光电源的组串式及集中式光伏逆变器,该算法可优化并网电流谐波抑制能力,特别是在弱电网环境下,能显著增强逆变器对复杂电网干扰的适应性。此外,该技术可集成至iSolarCloud平台,通过AI算法实现对逆变器输出特性的实时优化。建议研发团队关注该算法在复杂工况下的计算资源占用,探索其在高性能DSP上的轻量化部署,以提升产品在电网谐波治理方面的竞争力。