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...