找到 2 条结果 · 光伏发电技术
基于高增益微分器的优化神经自适应三阶滑模控制提升光伏系统性能：仿真与实验验证
Optimized Neuro-Adaptive Third-Order Sliding Mode Control with High-Gain Differentiator for Enhanced Photovoltaic System Performance: Simulation and Experimental Validation
Ameen Ullah · Safeer Ullah · Umair Hussan · Baheej Alghamdi 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年6月
针对光照强度和温度快速变化下光伏系统性能优化难题，本文提出一种新型神经自适应三阶滑模控制（NATOSMC）策略。该方法结合径向基函数神经网络生成参考信号，利用高增益微分器基于微分平坦理论估计系统状态，并通过灰狼优化器实时整定自适应律参数。李雅普诺夫分析严格保证系统稳定性。仿真与实验结果表明，所提控制器在跟踪精度、动态响应和鲁棒性方面优于传统方法，实现0.014 s调节时间、0.012 s上升时间、0.05%超调及98.71%跟踪效率，显著提升光伏系统的控制性能与可靠性。
解读: 该神经自适应三阶滑模控制技术对阳光电源SG系列光伏逆变器的MPPT算法优化具有重要应用价值。其0.014s调节时间和98.71%跟踪效率可显著提升光伏逆变器在光照突变工况下的最大功率点跟踪性能，优于传统扰动观察法。高增益微分器结合微分平坦理论的状态估计方法，可应用于ST储能变流器的电流环控制，提升动...
基于均匀鲁棒精确微分器的神经模糊分数阶滑模控制在独立式太阳能光伏系统优化中的应用
A Uniform Robust Exact Differentiator Based Neuro-Fuzzy Fractional Order Sliding Mode Control for Optimal Standalone Solar Photovoltaic System
Safeer Ullah · Ahmed S. Alsafran · Ambe Harrison · Ghulam Hafeez 等6人 · IEEE Access · 2025年1月
本研究提出一种用于独立式光伏系统的新型神经模糊分数阶滑模控制方法，旨在抑制环境变化引起的不确定性和干扰。该方法融合模糊逻辑神经网络、均匀鲁棒精确微分器与分数阶滑模控制。神经网络精确预测非线性参考电压轨迹，微分器估计不可测状态与外部扰动，分数阶控制增强了系统适应性与鲁棒性。基于Lyapunov理论严格验证了系统稳定性。MATLAB仿真与实验结果表明，该方法显著提升了跟踪精度与整体性能，为独立光伏系统能量优化提取提供了高效鲁棒的解决方案。
解读: 该神经模糊分数阶滑模控制技术对阳光电源SG系列光伏逆变器和ST储能变流器具有重要应用价值。其均匀鲁棒精确微分器可增强现有MPPT算法在光照突变、阴影遮挡等复杂工况下的跟踪精度和响应速度，优化最大功率点捕获性能。分数阶滑模控制的强鲁棒性可提升逆变器在电网扰动、负载突变时的稳定性，与阳光电源GFM构网型...