基于RBF神经网络PI算法的T型三电平调光电源控制策略.pdf

【基于RBF神经网络PI算法的T型三电平调光电源控制策略】 在电力系统保护与控制领域，单相T型三电平调光电源的动态性能优化和电流谐波抑制是重要的研究课题。传统的控制策略往往难以满足高精度和快速响应的需求。因此，本文提出了一种结合径向基函数（RBF）神经网络和梯度下降法的新型控制策略，以提升调光电源的性能。 T型三电平拓扑结构因其能提供更优的电压分布和更低的谐波含量而被广泛应用。文章首先对这种拓扑进行了深入的建模分析，通过根轨迹方法探讨了系统动态特性的本质，揭示了影响输出响应的关键因素。根轨迹方法是一种分析线性时不变系统频率响应的有效工具，能够帮助理解系统的稳定性和动态响应特性。 接着，文章引入了RBF神经网络作为局部逼近模型，用于快速辨识输出相对于输入的变化率，即Jacobian信息。RBF神经网络以其强大的非线性拟合能力，能够有效地近似复杂的系统行为。通过网络的学习过程，可以精确估计系统动态行为的敏感度，这对于实时控制至关重要。 在此基础上，论文提出了将RBF神经网络与梯度下降法相结合的方法，动态在线调整T型三电平逆变器的PI控制器参数。梯度下降法是一种优化算法，能根据目标函数的梯度信息迭代地更新参数，以达到最小化或最大化目标的效果。在这个控制策略中，梯度下降法用于自适应地调整PI控制器，以应对调光电源工况的变化，从而实现更好的动态性能和谐波抑制。 通过MATLAB/Simulink仿真和30 kW调光电源实验平台的实验证明，所提出的RBF神经网络PI控制策略能显著提高分级调光的动态性能，降低输出电流的谐波含量。这一方法不仅在调光、空载和短路等不同工况下表现优异，而且展示了良好的鲁棒性和自适应性。 该研究为三电平调光电源的控制策略提供了新的思路，结合了神经网络的非线性建模能力和梯度下降法的优化能力，对于提升电源系统的动态性能和减少谐波污染具有重要意义。这不仅有助于提高电源的效率和稳定性，也为未来智能电网中的电源控制技术提供了理论支持和实践参考。