基于神经网络的LCL型并网逆变器控制策略

针对光伏并网逆变器系统动态响应缓慢、传统PID控制并网电流跟踪效果差的问题,提出BP神经网络结合PID的控制方法。取单相LCL型并网逆变器为研究对象,分析单相LCL型并网逆变器电路结构以及BP神经网络模型,通过采用具有动量更新的反向传播BP学习算法加快误差性能函数收敛,实时快速地输出合适的PID参数,以提高系统响应速度。最后构建Matlab模型进行仿真,仿真结果表明,相较于传统PID控制器,BP结合PID的控制策略能更好地完成对并网电流跟踪,且速度更快、稳态误差更小,验证了该方法的有效性。

基于模糊STATCOM装置的牵引网低频振荡抑制策略

针对高速铁路牵引网低频振荡现象,提出在牵引网侧增设STATCOM装置对牵引网动态无功补偿的方案,引入模糊控制技术优化STATCOM性能,有效抑制了牵引网低频振荡现象。首先,分析了dq坐标系下的单相STATCOM数学模型,根据瞬时功率平衡原理推导出适用于牵引网的单相STATCOM直接电压控制策略。其次,在直接电压控制的基础上结合模糊控制技术,增强STATCOM的鲁棒性和自适应性。最后,在MATLAB仿真平台进行验证,结果表明基于模糊控制的STATCOM装置能实现对牵引网低频振荡的抑制,并有良好的稳态和动态特性。

基于麻雀搜索算法优化概率神经网络的变压器故障诊断

针对依照经验选取平滑因子导致概率神经网络模型故障诊断正确率不高的问题,提出了一种基于麻雀搜索算法优化概率神经网络(PNN)的变压器故障诊断方法。该方法引入麻雀搜索算法来优化概率神经网络中的平滑因子,然后将优化得到的平滑因子赋给PNN,从而得到优化后的变压器故障诊断模型。仿真结果表明,与优化前的PNN网络及PSO-PNN网络相比,所提方法具有更高的故障诊断准确率,适用于变压器故障诊断。