基于改进型RBF神经网络的VSG转动惯量自适应控制OA北大核心
Adaptive inertia control for VSG based on improved RBF neural network
与传统同步发电机相比,虚拟同步发电机(VSG)具有参数灵活可调的优势,特别是虚拟惯量和虚拟阻尼能够对VSG稳定性产生显著影响.RBF神经网络对于连续非线性函数具有很好的逼近效果,且算法简单,学习能力强大,学习速度快,能够满足实时控制的需求.文中基于控制对象的特性,对RBF神经网络进行改进,并设计出一种全新的自适应控制策略.该策略使用改进RBF神经网络对VSG虚拟惯量J进行在线调整.在Matlab中将神经网络算法融合入控制对象建立自适应仿真模型,对…查看全部>>
杨旭红;姚凤军;郝鹏飞;陆浩
上海电力大学自动化工程学院,上海200090上海电力大学自动化工程学院,上海200090上海电力大学自动化工程学院,上海200090上海电力大学自动化工程学院,上海200090
信息技术与安全科学
RBF神经网络虚拟惯量自适应控制VSG
《电测与仪表》 2021 (2)
112-117,6
上海市电站自动化技术重点实验室开放课题(13DZ2273800)上海市重点科技攻关计划(上海市科委地方院校能力建设项目)(14110500700)
评论