基于神经网络的多电平变换器模型预测控制
发布时间:2026-06-29阅读量:

主讲人Carlo Cecati

主讲人简介Carlo Cecati于1983年在拉奎拉大学获得电工工程博士学位。此后他一直留校工作,并于2006年成为电力变换器、电机与电力传动教授。他的主要研究兴趣包括电力电子、分布式发电、电动交通和智能电网。Cecati教授于2010年至2012年担任《IEEE Transactions on Industrial Electronics》联合主编,并于2013年至2015年担任主编。他曾共同获得2012年和2013年《IEEE Transactions on Industrial Informatics》最佳论文奖;2012年《IEEE Industrial Electronics Magazine》最佳论文奖;2019年《IEEE Transactions on Industrial Electronics》杰出论文奖;以及2023年《IEEE Journal of Emerging and Selected Topics in Power Electronics》最佳论文奖二等奖。2017年,他获得IEEE工业电子学会Antony J. Hornfeck奖;2019年,他被意大利共和国总统授予“意大利共和国指挥官”称号;2021年,他获得IEEE工业电子学会Dr.-Ing. Eugene Mittelmann成就奖。同时,他是DigiPower Srl公司的首席技术官,该公司是一家专注于电力电子领域的研发公司。

报告简介:多电平变换器现广泛应用于多种场合,包括风能和光伏发电机等可再生能源的转换、并网变换器、智能变压器,以及工业与牵引应用的电力传动。尽管有限控制集模型预测控制方法是级联H桥变换器一种有效的控制技术,但其计算复杂性意味着随着变换器电平数的增加,该方法的实用性会降低。本次报告将介绍一种基于神经网络的方法,该方法能够克服传统预测控制算法的计算负担。该方法将应用于使用FPGA的级联H桥静止同步补偿器,以证明对具有多个电平的多电平变换器可以在极小计算量下实现最优控制。最后,报告人将与青年研究人员进行一次简短的交流,分享关于如何撰写优秀科学论文的一些见解。

 2026-07-02 11:00

 精工园3#304A