针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)...针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。展开更多
将模块化多电平变流器(modular multilevel converter,MMC)投入到固态变压器(solid state transformer,SST)系统中时通常采用比例积分微分(proportional integral derivative,PID)控制方法,但这种策略存在参数选取繁杂、动态性能较差的...将模块化多电平变流器(modular multilevel converter,MMC)投入到固态变压器(solid state transformer,SST)系统中时通常采用比例积分微分(proportional integral derivative,PID)控制方法,但这种策略存在参数选取繁杂、动态性能较差的缺点。为了提高系统的动态性能并简化参数选取,提出了MMC-SST反馈线性化滑模控制策略。首先建立了MMC-SST整体仿真模型。然后建立了采用反馈线性化滑模控制的MMC-SST控制模型。最后利用MATLAB/Simulink平台将所提的控制方法与常规PID控制策略作了仿真比较,验证了所提反馈线性化滑模控制策略具备参数选择容易、动态性能优良的优势。展开更多
文摘针对最大功率点跟踪(Maximum power point tracking, MPPT)算法中传统滑模控制存在收敛速度慢、抖振显著等不足,提出一种基于RBF神经网络的光伏系统非线性反步积分滑模(Nonlinear backstepping integral sliding mode control, NBISMC)最大功率点跟踪策略。首先,采用RBF神经网络对各种气象条件下的光伏电池输出电压进行预测;其次,设计非线性积分滑模面以改善传统滑模控制存在稳态误差及超调量大的问题;最后,设计新型指数趋近律,在加快收敛速度的同时有效削弱了系统高频抖振;通过Lyapunov函数分析非线性反步积分滑模控制的可达性与稳定性,并在静态、动态和遮光条件下进行仿真试验。仿真试验结果表明,在温度和光照强度发生变化的工况下,相比于传统滑模控制,基于RBF神经网络的非线性反步积分滑模控制能在各种气象条件下快速、准确地跟踪光伏系统最大功率点,具有较强的鲁棒性。
文摘将模块化多电平变流器(modular multilevel converter,MMC)投入到固态变压器(solid state transformer,SST)系统中时通常采用比例积分微分(proportional integral derivative,PID)控制方法,但这种策略存在参数选取繁杂、动态性能较差的缺点。为了提高系统的动态性能并简化参数选取,提出了MMC-SST反馈线性化滑模控制策略。首先建立了MMC-SST整体仿真模型。然后建立了采用反馈线性化滑模控制的MMC-SST控制模型。最后利用MATLAB/Simulink平台将所提的控制方法与常规PID控制策略作了仿真比较,验证了所提反馈线性化滑模控制策略具备参数选择容易、动态性能优良的优势。
