利用长短期记忆网络(LSTM)进行数据驱动的循环滤波器设计,以提升SRF-PLL系统中的电网同步性能

《IEEE Access》:Data-Driven Loop Filter Design Using Long Short-Term Memory Networks for Enhanced Grid Synchronization in SRF-PLL System

【字体: 大 中 小 】 时间:2026年04月08日 来源:IEEE Access 3.6

编辑推荐:

  摘要:在非静态和畸变的电网条件下,准确且稳健的电网同步对于以逆变器为主导的电力系统的运行至关重要。由于结构简单,SRF-PLL仍被广泛采用;然而,其动态性能从根本上受到固定参数的比例积分(PI)环滤波器的限制,这导致在瞬态响应和干扰抑制之间需要做出权衡。针对这些局限性,本文提出了

  

摘要:

在非静态和畸变的电网条件下,准确且稳健的电网同步对于以逆变器为主导的电力系统的运行至关重要。由于结构简单,SRF-PLL仍被广泛采用;然而,其动态性能从根本上受到固定参数的比例积分(PI)环滤波器的限制,这导致在瞬态响应和干扰抑制之间需要做出权衡。针对这些局限性,本文提出了一个基于混合物理学习的SRF-PLL框架,其中使用长短期记忆(LSTM)神经网络替代了传统的PI环滤波器,同时保持了经典的PLL信号流和结构。与基于不透明系统学习的同步器不同,所提出的方法将LSTM完全嵌入到环滤波器中,通过学习同步参考帧电压误差的时间演变来实现数据驱动的自适应控制合成。为了进一步提高对建模不确定性、测量噪声和未预见电网干扰的鲁棒性,集成了一种基于外部残差相位误差的自适应校正机制,以便实时强化有界的闭环行为,而不影响先前训练网络的参数。开发了一种基于干扰的训练策略,该策略考虑了包括电压下降/上升、相位跳变、频率阶跃(带有ROCOF)、电压不平衡、谐波失真和测量噪声在内的丰富非线性电网条件。全面的仿真研究表明,与基于遗传算法(GA)、偏置wattless(PBA)、人工神经网络积分系统(ANFIS)和门控循环单元(GRU)的PLL方案相比,所提出的基于LSTM的SRF-PLL具有更快的收敛速度、更低的超调量以及显著提高的频率和相位跟踪精度。通过小信号分析、有界输入有界输出论证、基于李雅普诺夫的评估以及广泛的时间域验证检验了实际稳定性。使用dSPACE DS1104平台进行的硬件在环实验进一步验证了其性能...
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号