Wendong Feng · Ruigang Wang · Tianhao Qie · Ran Li 等6人 · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年2月

本文提出了一种基于机器学习的直流/交流逆变器控制策略，具有高计算效率且对模型参数变化不敏感。该方法支持快速离线神经网络训练，并适用于数字信号处理器的低在线计算开销实现。采用递归平衡网络（REN）确保系统具备优良的暂态与稳态性能，并证明了闭环系统的渐近稳定性。通过与现有控制方法的实验对比，验证了所提方法的有效性。

解读: 该学习型控制器技术对阳光电源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。REN网络的渐近稳定性保证和低计算开销特性，可直接部署于现有DSP平台，提升控制器响应速度和鲁棒性。对PowerTitan大型储能系统，该方法可优化并网暂态性能，增强参数摄动下的稳定性。相比传统PI控制，机器学习控制...