Zifan Lin · Yulin Liu · Wenxiang Du · Qingle Sun 等6人 · IEEE Transactions on Power Electronics · 2025年9月

本文提出了一种用于电力电子逆变器的新型控制方案，该方案采用了由障碍李雅普诺夫函数引导的径向基函数神经网络控制器，具有在线学习和实时应用的特点。与许多现有的基于自适应神经网络的控制器不同，所提出的方法无需了解系统参数，也不需要任何离线训练。控制律完全在线更新，并保证收敛，确保在存在不确定性和干扰的情况下实现有界电流跟踪。其结构简单，计算复杂度极低，使其成为目前适用于实时直流 - 交流逆变器控制的最高效的无模型控制器之一。通过将该控制器应用于三电平中性点钳位逆变器，验证了其有效性和鲁棒性。

解读: 从阳光电源的业务视角来看，这篇论文提出的基于径向基函数神经网络的无模型在线学习控制策略具有显著的应用价值。该技术针对DC/AC逆变器控制的核心痛点，通过障碍李雅普诺夫函数引导的实时在线学习机制，实现了无需系统参数知识、无需离线训练的自适应控制，这与我司在光伏逆变器和储能变流器领域追求的高可靠性、强适...