← 返回
基于稳定性与动态约束模糊反向传播神经网络的三相PWM整流器PI自整定方法
A PI Self-Tuning Method for Three-Phase PWM Rectifiers Based on Stability-and-Dynamics- Constrained Fuzzy Backpropagation Neural Network
| 作者 | Yun Zhang · Tong Li · Ge Yan · Ping Wang · Mengxuan Zhang · Fei Gao · Qian Li |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年1月 |
| 技术分类 | 控制与算法 |
| 技术标签 | PFC整流 PWM控制 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 三相 PWM 整流器 PI 控制 模糊反向传播神经网络 参数自整定 稳定性 动态响应 神经网络控制 |
语言:
中文摘要
针对三相PWM整流器在直流电压参考或负载变化时，传统PI控制参数固定导致系统稳定性与动态响应性能下降的问题，本文提出了一种基于稳定性与动态约束的模糊反向传播神经网络（FBPNN）PI自整定方法，实现了PI参数的实时优化，提升了系统的鲁棒性。
English Abstract
In three-phase PWM rectifiers, variations in the dc voltage reference or load can affect the stability and dynamics of the system. Traditional proportional-integral (PI) control has weak adaptability, as its parameters cannot be adjusted in real-time according to the operating state, potentially leading to poor system stability and slow dynamic response. To address these challenges and the complex...
S
SunView 深度解读
该技术对阳光电源的核心业务具有高度参考价值。三相PWM整流技术是组串式/集中式光伏逆变器、储能变流器（PCS）及风电变流器的核心控制基础。通过引入模糊反向传播神经网络实现PI参数的实时自整定，可显著提升PowerTitan等储能系统在复杂电网环境下的动态响应速度，并增强光伏逆变器在弱电网条件下的稳定性。建议研发团队在iSolarCloud智能运维平台积累的运行数据基础上，探索将该算法应用于逆变器控制固件，以提升产品在负载剧烈波动场景下的电能质量与系统可靠性。