单相LCL型并网逆变器新型递归神经网络控制

以单相LCL型并网逆变器为研究对象,针对传统比例识分(PI)矢量控制方法存在解耦不准确,且参数固定难以在时变的、非线性的系统参数变化下保证控制性能最优的不足,提出了一种递归神经网络(RNN)控制方法。该控制方法无需对系统解耦,而是基于完整的系统方程,使用单个神经网络控制器取代2个电流回路PI控制器。RNN控制采取了一种改进的列文伯格-马夸尔特(LM)训练算法,该算法相较于传统LM算法,减小了存储和运算难度,提高了训练效率和收敛速度。结果表明：该控制策略下逆变器并网电流总谐波畸变率(THD)由3.5%下降至2.6%,逆变器具有更高质量的稳态输出电流和更快速的动态响应性能,验证了RNN控制策略的可行性。