基于RBF神经网络的SMES控制策略

作者：邱晓燕; 马娅妮; 朱英伟^*; 王鹏; 雷勇

来源：低温与超导, 2021, 49(08): 7-11.

DOI：10.16711/j.1001-7100.2021.08.002

• 超导磁储能
• RBF神经网络
• PI控制
• 功率跟踪

针对超导磁储能(Superconducting Magnetic Energy Storage, SMES)中传统比例积分(Proportion Integration, PI)控制器控制参数不能更新的问题,提出了基于径向基函数(Radical Basis Function, RBF)神经网络的PI控制策略。以SMES电压源型变流器为研究对象,对其拓扑结构进行建模分析,在交流侧及直流侧控制部分采用RBF神经网络改进策略。该策略的主要功能是利用RBF神经网络的辨识能力对系统模型进行动态辨识,然后将PI控制参数与辨识结果相关联,使得参数在神经网络在线自学习中不断迭代更新,自适应于系统变化。在MATLAB/Simulink中进行仿真验证,结果表明:该控制策略能够快速并准确地响应功率指令和电压指令,有利于SMES更好完成电网波动平抑任务。

• 单位
  四川大学