找到 10 条结果
基于多环神经网络的智能互补终端滑模有源电力滤波器控制
Intelligent Complementary Terminal Sliding Mode Using Multiloop Neural Network for Active Power Filter
Lei Zhang · Juntao Fei · IEEE Transactions on Power Electronics · 2023年8月
本文提出了一种用于有源电力滤波器（APF）的智能互补终端滑模控制方法。通过引入多环神经网络，该方法有效提升了电流环的控制精度，并增强了系统对集总扰动的鲁棒性，实现了高效的谐波抑制。
解读: 该研究提出的智能滑模控制与神经网络结合算法，对阳光电源的电力电子变换技术具有重要参考价值。在APF及高性能并网逆变器（如组串式逆变器、PowerTitan储能变流器）中，该算法可显著提升电流跟踪精度，优化在弱电网或复杂谐波环境下的电能质量表现。建议研发团队关注其在非线性负载补偿中的应用，通过引入此类...
一种自组织全局滑模控制及其在有源电力滤波器中的应用
A Self-Organizing Global Sliding Mode Control and Its Application to Active Power Filter
Shixi Hou · Juntao Fei · IEEE Transactions on Power Electronics · 2020年7月
本文针对一类动态系统开发了一种自组织全局滑模控制（GSMC）方法，利用元认知模糊神经网络（MCFNN）框架估计建模不确定性。该方法通过设计GSMC实现参考信号跟踪，有效消除了到达模式和抖动现象，并克服了传统滑模控制的局限性。
解读: 该研究提出的自组织全局滑模控制（GSMC）结合模糊神经网络，在处理非线性系统不确定性和抑制抖动方面具有显著优势。对于阳光电源的组串式逆变器及PowerTitan/PowerStack储能变流器（PCS）而言，该算法可提升在弱电网环境下的电流跟踪精度与并网稳定性。特别是在电网谐波治理和有源滤波功能方面...
基于新型反馈递归神经网络的单相有源电力滤波器动态终端滑模控制
Dynamic Terminal Sliding-Mode Control for Single-Phase Active Power Filter Using New Feedback Recurrent Neural Network
Juntao Fei · Yun Chen · IEEE Transactions on Power Electronics · 2020年9月
本文提出了一种用于单相有源电力滤波器（APF）的自适应动态终端滑模控制器，采用双隐藏层递归神经网络（DHL-RNN）结构以提升谐波补偿性能。通过结合动态滑模与终端滑模技术，有效解决了传统滑模控制中的抖振问题。
解读: 该研究提出的DHL-RNN滑模控制算法在谐波抑制和抖振消除方面具有显著优势，对阳光电源的户用及工商业光伏逆变器、单相储能变流器（PCS）的电能质量优化具有重要参考价值。随着分布式能源渗透率提高，电网环境日益复杂，该算法可提升阳光电源产品在弱电网下的谐波补偿能力和动态响应速度。建议研发团队关注该神经网...
有源电力滤波器的有限时间自适应模糊神经网络控制
Finite-Time Adaptive Fuzzy-Neural-Network Control of Active Power Filter
Shixi Hou · Juntao Fei · Chen Chen · Yundi Chu · IEEE Transactions on Power Electronics · 2019年10月
本文针对有源电力滤波器（APF），提出了一种结合非奇异终端滑模控制的自适应模糊神经网络（AFNN）控制策略。该方法旨在抑制未知外部扰动及建模不确定性对系统性能的影响。通过建立考虑参数变化和外部扰动的APF动态模型，实现了电流的精确控制与谐波补偿。
解读: 该研究提出的自适应模糊神经网络控制算法在提升电力电子变换器鲁棒性方面具有重要价值。对于阳光电源的组串式逆变器和PowerTitan系列储能变流器（PCS），在弱电网环境或复杂负载工况下，该算法可显著提升电流控制精度，优化谐波抑制能力。建议研发团队关注该算法在复杂电网扰动下的动态响应表现，探索将其集成...
有源电力滤波器的双隐含层输出反馈神经网络自适应全局滑模控制
Double Hidden Layer Output Feedback Neural Adaptive Global Sliding Mode Control of Active Power Filter
Juntao Fei · Yundi Chu · IEEE Transactions on Power Electronics · 2020年3月
本文提出了一种自调节双隐含层输出反馈神经网络（DHLFNN）作为有源电力滤波器（APF）的电流控制器，旨在提升系统的响应特性与电能质量。通过引入全局滑模控制策略，增强了系统在全运行范围内的鲁棒性。
解读: 该研究提出的神经网络自适应滑模控制算法在提升电能质量和系统响应速度方面具有显著优势。对于阳光电源的组串式及集中式光伏逆变器、储能变流器（PCS）而言，该算法可优化并网电流的谐波抑制能力，特别是在弱电网或复杂电网环境下，能有效提升并网稳定性。建议研发团队关注该算法在iSolarCloud智能运维平台数...
基于神经模糊学习机制的一类电力电子变换器鲁棒智能控制
Robust Intelligent Control for a Class of Power-Electronic Converters Using Neuro-Fuzzy Learning Mechanism
Shixi Hou · Yundi Chu · Juntao Fei · IEEE Transactions on Power Electronics · 2021年8月
本文研究了一类电力电子变换器的鲁棒智能控制问题。通过设计终端滑模控制（TSMC）并引入饱和函数，实现了系统误差的有限时间收敛及性能优化。同时，利用二型模糊神经网络（T2FNN）对系统不确定性进行在线学习与补偿，进一步提升了变换器在复杂工况下的控制精度与鲁棒性。
解读: 该研究提出的TSMC与T2FNN结合的控制策略，对于提升阳光电源组串式逆变器及PowerTitan/PowerStack储能变流器（PCS）在复杂电网环境下的动态响应速度和鲁棒性具有重要参考价值。特别是在弱电网接入或负载剧烈波动场景下，该算法能有效抑制系统不确定性，提高并网稳定性。建议研发团队在iS...
基于自组织Hermite模糊神经网络的有源电力滤波器实用终端滑模控制
Practical Terminal Sliding Mode Control of Active Power Filters by Self-Organizing Hermite Fuzzy Neural Network
Shixi Hou · Jienan Han · Yundi Chu · Cheng Zhou 等5人 · IEEE Transactions on Power Electronics · 2026年1月
针对有源电力滤波器（APF）模型非线性问题，本文提出了一种结合自组织Hermite模糊神经网络（SOHFNN）的超螺旋实用终端滑模控制器（STPTSMC）。该方法利用终端滑模的连续性和非奇异特性，结合神经网络的自适应学习能力，有效抑制谐波污染，提升了系统的鲁棒性和控制精度。
解读: 该研究提出的高性能非线性控制算法对阳光电源的并网逆变器及电能质量治理产品具有重要参考价值。在弱电网或复杂负载环境下，APF及组串式逆变器的谐波抑制能力是提升电网适应性的关键。SOHFNN算法的自组织特性有助于提升逆变器在模型参数不确定性下的动态响应速度。建议研发团队关注该算法在iSolarCloud...
基于扩张状态观测器的区间二型模糊神经网络滑模控制及其在有源电力滤波器中的应用
Extended State Observer Based Interval Type-2 Fuzzy Neural Network Sliding Mode Control With Its Application in Active Power Filter
Lunhaojie Liu · Juntao Fei · IEEE Transactions on Power Electronics · 2022年5月
针对有源电力滤波器（APF）系统建模困难及易受参数扰动和外部干扰影响的问题，本文提出了一种基于区间二型模糊神经网络（IT2FNN）结构的非线性扩张状态观测器（NESO）自适应滑模控制策略。IT2FNN被设计用于估计未知的控制系数，以增强系统的鲁棒性和动态响应性能。
解读: 该研究提出的NESO与IT2FNN结合的自适应滑模控制策略，在处理非线性系统扰动和参数不确定性方面具有显著优势。对于阳光电源的组串式逆变器和PowerTitan系列储能变流器（PCS）而言，该算法可有效提升在弱电网环境下的并网稳定性与谐波抑制能力。建议研发团队关注该控制策略在复杂电网工况下的动态响应...
基于海马体模糊神经网络的有源电力滤波器混合智能控制
Hybrid Intelligent Control Using Hippocampus-Based Fuzzy Neural Networks for Active Power Filter
Shixi Hou · Zhenyu Qiu · Yundi Chu · Jie Gao 等5人 · IEEE Transactions on Power Electronics · 2024年12月
针对电网谐波问题，本文提出了一种结合快速积分终端滑模控制与海马体模糊神经网络（HBFNN）的智能控制方案，并应用于有源电力滤波器（APF）。该方案有效解决了外部干扰和参数扰动下的谐波抑制难题，提升了系统的鲁棒性和控制精度。
解读: 该研究提出的HBFNN智能控制算法在提升电网电能质量方面具有显著价值。对于阳光电源的组串式及集中式光伏逆变器，该算法可优化并网电流谐波抑制能力，特别是在弱电网环境下，能显著增强逆变器对复杂电网干扰的适应性。此外，该技术可集成至iSolarCloud平台，通过AI算法实现对逆变器输出特性的实时优化。建...
基于模糊情感神经网络的有源电力滤波器全局积分终端滑模控制
Global Integration Terminal Sliding Mode Control of Active Power Filter Based on Fuzzy Affective Neural Network
Shixi Hou · Jienan Han · Yundi Chu · Pengpeng Lyu 等5人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年11月 · Vol.14
针对非线性负载引起的谐波污染，本文提出一种基于模糊情感神经网络（FANN）的全局积分终端滑模控制器（GITSMC）用于有源电力滤波器（APF）。FANN融合模糊逻辑与情感计算，引入厄米特正交多项式和模糊激活函数以提升非线性逼近能力；GITSMC经Lyapunov理论严格证明稳定，并在多场景仿真与硬件实验中验证其显著降低稳态THD及优异动态响应。
解读: 该FANN-GITSMC方法可提升APF类谐波治理单元的动态响应与鲁棒性，对阳光电源ST系列PCS、PowerTitan储能系统在电能质量敏感场景（如工商业光储电站、数据中心配套储能）中的谐波协同抑制具有直接应用价值。建议将该智能滑模控制策略嵌入iSolarCloud平台电能质量模块，或集成至新一代...