← 返回
一种基于模型无关在线学习的直流/交流逆变器控制策略
A Model-Independent Online Learning-Based Control Strategy for DC/AC Inverters
| 作者 | Zifan Lin · Yulin Liu · Wenxiang Du · Qingle Sun · Herbert Ho-Ching Iu · Tyrone Fernando · Xinan Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2026年1月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 光伏逆变器 并网逆变器 机器学习 PWM控制 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | DC/AC逆变器 在线学习 径向基函数神经网络 障碍李雅普诺夫函数 自适应控制 电力电子 |
语言:
中文摘要
本文提出了一种新型电力电子逆变器控制方案,采用屏障李雅普诺夫函数引导的径向基函数神经网络控制器,具备在线学习和实时应用能力。与传统自适应神经网络控制器不同,该方法无需系统参数知识,且无需离线训练,有效提升了逆变器的控制性能与鲁棒性。
English Abstract
This letter proposes a novel control scheme for power electronic inverters using a barrier Lyapunov function guided radial basis function neural network controller, featuring online learning and real-time applicability. Unlike many existing adaptive neural network-based controller, the proposed method requires no knowledge of system parameters and does not require any offline training. The control...
S
SunView 深度解读
该技术对阳光电源的核心产品线(组串式、集中式光伏逆变器及储能变流器PCS)具有显著的优化潜力。通过引入无需离线训练的在线学习控制策略,可显著降低逆变器在复杂电网环境(如弱电网)下的参数整定难度,提升系统在动态负载变化下的响应速度与稳定性。建议研发团队评估该算法在iSolarCloud平台下的算力适配性,探索将其应用于新一代高性能逆变器控制算法中,以增强产品在极端工况下的并网性能,进一步提升阳光电源在智能化控制领域的竞争优势。