Jianwu Zeng · Wei Qiao · IEEE Transactions on Industry Applications · 2025年6月

现有的基于机器学习（ML）的模型预测控制（MPC）方法要么不如采用二次规划（QP）的在线优化MPC，要么计算复杂度高，无法在资源受限的数字信号处理器（DSP）中实现。本文通过使用线性ML方法并添加额外的可解释特征来解决这两个问题。首先，从理论上证明了由QP - MPC生成的训练数据具有内在线性，因此可以使用线性ML方法，如线性神经网络（LNN）和线性支持向量回归（LSVR）来捕捉训练数据集的线性特征。线性运算将计算复杂度从 <italic xmlns:mml="http://www.w3.org...

解读: 该线性ML-MPC技术对阳光电源ST系列储能变流器和SG系列光伏逆变器具有重要应用价值。通过线性化模型降低计算复杂度，可显著减轻控制器DSP/FPGA的运算负担，降低硬件成本；引入重复控制环节能有效抑制周期性谐波，提升并网电流THD性能，满足严格的电能质量标准；PI反馈增强的鲁棒性可应对电网阻抗波动...