在研究高压直流输电系统(HVDC)时，逆变器控制是一个关键领域，因为它影响系统的动态性能和稳定性。本文提出了一种新的控制策略，即模糊神经网络控制方法，并通过Matlab软件进行仿真验证。以下详细介绍了这一方法的关键知识点：
1. 模糊逻辑控制技术和神经网络技术
模糊逻辑控制是处理不确定性和复杂性问题的一种手段，它通过模拟人类的决策过程来处理不精确或模糊的信息。神经网络，尤其是人工神经网络(ANN)，具有自学和泛化能力，它由大量相互连接的节点组成，模拟了人脑的工作原理，能够处理大量数据，并从中学习模式和规律。
2. 高压直流输电系统(HVDC)
HVDC系统是一种电力传输系统，它能够高效地将大量电能通过直流电从发电站传输到很远的距离。HVDC系统具有可靠性高、传输损耗低和对电网稳定性影响小等优点。它的关键部件之一是逆变器，该设备可以将直流电转换为交流电，以便与交流电网兼容。
3. 模糊神经网络控制器设计
在HVDC系统中应用模糊神经网络控制，意味着将模糊逻辑控制与神经网络控制相结合。模糊逻辑控制器根据输入的直流线路逆变侧电压误差及其变化率来决定控制策略。神经网络控制器接收模糊控制器的输出作为输入，并通过学习和自我调整来优化控制策略，以达到控制直流电压的目的。
4. 控制器的输入输出选择
控制器的输入包括直流线路逆变侧电压误差（△i）和它的变化率（△）。而控制器的输出则决定着逆变器的触发延迟角，通过调整这个角度来控制直流侧的电压。
5. 仿真研究与结果
文中提到，使用Matlab对一个典型的12脉冲中桥HVDC输电系统进行仿真。通过比较传统控制方法和模糊神经网络控制方法，在系统发生接地故障时的直流电流和直流电压的恒定性以及交直流系统的暂态稳定性，仿真结果表明模糊神经网络控制策略能够有效改善系统的稳定性。
6. 模糊神经网络逆变侧定电压控制器的结构
模糊神经网络逆变侧定电压控制器主要分为三部分：模糊逻辑控制部分、神经网络控制部分以及故障非故障判断部分。其中模糊逻辑控制部分负责将输入变量模糊化并进行推理，输出一个模糊控制量。神经网络控制部分则通过算法训练来调整网络权重，最终输出对逆变器触发延迟角的修正指令。
7. 模糊逻辑控制器设计
模糊控制器的设计包括模糊化、模糊推理、去模糊和知识库四个部分。在模糊化过程中，输入变量（电压误差和变化率）被转换为模糊论域上的值。模糊化之后，进行模糊推理，得到控制决策。通过去模糊过程将模糊输出转换为精确的控制量。
8. 隶属度函数的使用
隶属度函数是模糊控制器设计中的核心，它描述了输入变量在模糊集上的隶属程度。在本文中，为电压误差△i和变化率△I/dt分别定义了不同的隶属度函数，使得控制器能够根据输入变量的大小和方向做出相应的控制决策。
通过上述知识点可以理解，该研究利用模糊逻辑控制和神经网络控制的优势，设计了一个改进的逆变控制器，以增强HVDC系统的动态性能和稳定性。同时，Matlab作为仿真工具在研究中扮演了重要的角色，它能够模拟和验证控制器设计的有效性。这种结合模糊逻辑和神经网络的控制方法为复杂电力系统提供了一种新的解决方案。
