有源电力滤波器神经终端滑模控制

以电力电子装备为接口的高渗透率可再生能源并网已成为未来配电网的显著特性。可再生能源具有随机性和间歇性,作为其并网接口的电力电子装备也会导致电能质量恶化等问题。为提高电能质量,该文提出一种有源电力滤波器神经终端滑模控制方法。首先,结合分数阶思想和滑模控制理论设计一种分数阶终端滑模控制器,以保证误差有限时间收敛,并引入边界层技术降低抖振。然后,利用自组织模糊神经网络构造一种无模型控制方案以更好地应对各种不确定因素。所设计的自组织模糊神经网络控制器用于学习分数阶终端滑模控制器,不仅从根源上解决抖振问题,而且可继承原控制器的有限时间收敛性能,并满足李雅普诺夫理论框架下的稳定控制性能。仿真与实验结果表明：所提出的控制方法能有效解决可再生能源发电系统中的谐波问题。     

基于模糊神经网络的有源电力滤波器全局滑模控制

针对有源电力滤波器电流跟踪控制问题,提出一种基于模糊神经网路的全局滑模控制方法.首先,为了消除到达阶段和抑制抖振,设计准全局滑模控制电流控制器;然后,在考虑参数摄动和传感器故障的情况下,利用元认知模糊神经网络设计基于模糊神经网络的全局滑模控制器,克服全局滑模控制依赖先验知识的缺点.不同于其他固定结构方法,元认知模糊神经网络可以实现结构和参数的在线更新,并利用李雅普诺夫稳定性理论证明所提出的控制策略满足控制目标以及稳定性要求.仿真和实验结果表明,所提出的控制方法在稳态和瞬态运行时都具有良好的性能.     

基于情感神经网络的有源电力滤波器智能终端滑模控制

为了增强有源电力滤波器的电流跟踪控制性能,提出一种基于连续径向基情感神经网络的递归终端滑模控制方案.首先介绍包括集总不确定的有源电力滤波器数学模型;然后构造递归终端滑模面,该滑模面由快速非奇异终端滑模面和递归积分终端滑模面组成,不仅可确保跟踪误差在有限时间内收敛到零,而且可通过为滑模面参数设置适当的初始值消除滑模面的到达模态.为了有效克服系统不确定因素的影响,采用连续径向基情感神经网络逼近系统不确定参数,并运用Lyapunov方法对其进行稳定性和收敛性分析.所设计的连续径向基情感神经网络,不仅结构简单、响应速度快,而且具备参数在线调节能力.仿真和实验结果均表明,该控制方案具有优异的电流跟踪能力以及抗干扰能力.     

基于改进概率神经网络的储能电池荷电状态估计

锂离子电池荷电状态（SOC）估计技术是储能电站电池管理系统重要组成部分。为了实现对SOC的准确估算,提出一种改进概率神经网络（MPNN）用于储能电池荷电状态估计。相较于传统神经网络,结合概率函数和补偿机制的MPNN,不仅可避免陷入局部最优,而且具有更优秀的拟合能力,可进一步提高SOC估计精度。仿真实验表明,所提MPNN方法的SOC估计值平均绝对误差和均方误差均低于1%,获得了满意的性能。