基于RBF神经网络的储能VSG控制策略优化

针对传统储能VSG（虚拟同步发电机）不能较好地同时具备抗扰动能力和快速动态响应能力的问题，提出一种以RBF（径向基函数）神经网络优化动态同步器的储能VSG控制策略。首先，建立VSG的数学模型，分析转动惯量和阻尼系数配置对VSG性能的影响，得出参数配置在动态响应和系统动态稳定的矛盾关系。其次，将转子的暂态不平衡功率作为三层前向结构RBF神经网络算法的输入，通过RBF神经网络算法在线学习得出最优暂态补偿功率来动态调节VSG的输入功率，从而减少转子的不平衡转矩，提高VSG的暂态稳定性。最后，通过仿真对比实验验证了所提控制策略的有效性。