基于RBF神经网络的滞环控制方法的研究

有源电力滤波器的补偿电流是决定其补偿效果的关键,为了使补偿电流信号能更好地跟踪指令电流,使用RBF神经网络构成滞环控制器,采用了"K—均值,RLS"算法进行训练。仿真结果表明,该方法可实现神经网络对快速变量的有效控制,提高滞环控制的性能,使系统具有较强的鲁棒性,并验证了理论分析的正确性。

基于PID神经网络的UPFC潮流控制方法研究

建立了UPFC的数学模型,将PID神经网络控制方法应用于UPFC的潮流控制,提出了PID神经网络控制器的设计方案,仿真结果表明,UPFC采用PID神经网络控制方法以后,响应时间更快,对有功功率和无功功率的变化具有很好的追踪能力,鲁棒性良好.

并联型有源电力滤波器直流侧电压模糊PI控制方法研究

在并联型有源电力滤波器直流侧电压的传统PI控制基础上,设计了一种参数自调节模糊PI控制方法。通过对模糊输入变量运用模糊控制规则来控制模糊输出变量,从而达到参数自调节的目的。仿真结果表明:该方法超调量较小、响应较快,在负载突变情况时能满足直流侧电压控制要求,其效果明显优于传统PI控制方法。