基于小波Petri模糊神经网络控制的鼠笼式感应发电机风电系统

Squirrel-Cage Induction Generator System Using Wavelet Petri Fuzzy Neural Network Control for Wind Power Applications

作者	Kuang-Hsiung Tan
期刊	IEEE Transactions on Power Electronics
出版日期	2015年1月
技术分类	风电变流技术
技术标签	PWM控制机器学习并网逆变器
相关度评分	★★★★ 4.0 / 5.0
关键词	鼠笼式感应发电机 WPFNN控制器风力发电应用 AC/DC功率变换器 DC/AC功率逆变器并网智能控制

语言:

中文摘要

本文提出了一种用于并网风力发电系统的波形Petri模糊神经网络（WPFNN）控制器，旨在优化鼠笼式感应发电机（SCIG）系统的交流/直流变换器及直流/交流逆变器控制。该方法通过先进的智能控制策略，提升了风能转换系统的功率输出质量与并网稳定性。

English Abstract

A wavelet Petri fuzzy neural network (WPFNN) controller is proposed to control squirrel-cage induction generator (SCIG) system with an ac/dc power converter and a dc/ac power inverter for grid-connected wind power applications. First, the ac/dc power converter and the dc/ac power inverter are developed to deliver the electric power generated by a three-phase SCIG to power grid. Moreover, the ac/dc...

SunView 深度解读

该研究提出的WPFNN智能控制算法对阳光电源的风电变流器产品线具有重要的参考价值。随着风电场对并网性能要求的提升，引入小波分析与模糊神经网络等AI算法，可显著优化变流器在复杂电网环境下的动态响应速度与谐波抑制能力。建议研发团队关注该算法在风电变流器控制逻辑中的嵌入，以提升产品在弱电网条件下的适应性，并为iSolarCloud智能运维平台提供更精准的故障预测与性能优化数据支持。