RTEDResearch on Teacher Education and Development3066-89993066-9006Art and Technology10.61369/RTED.2025160033Article基于神经网络自适应滑模控制的微电网谐波抑制算法研究https://artdesignp.com/journal/RTED/1/16/10.61369/RTED.2025160033戴瑞20251162025-09-26随着可再生能源与分布式发电技术的快速发展，微电网作为智能电网的重要组成部分，应用广泛。然而，微电网中大量非线性负载与电力电子设备的接入，导致谐波污染问题日益加剧，严重影响电能质量与系统稳定性。传统谐波抑制方法因响应速度慢、鲁棒性不足等缺陷，难以适应复杂动态环境。本文提出一种基于神经网络自适应滑模控制的谐波抑制算法，通过融合神经网络的非线性建模能力与滑模控制的强鲁棒性，提升系统稳定性与抑制效果，其创新性体现在动态自适应调节、抖振消除能力上，为微电网的稳定运行提供了新的技术路径。神经网络,微电网,谐波抑制算法

[1] 沈金淼. 基于神经网络的柔性机器人轨迹跟踪与振动抑制[D]. 浙江理工大学,2023.[2] 陈健伟, 朱大昌, 张荣兴, 等.3-SPS(RPR)并联机构神经网络自适应滑模控制系统研究[J].机械设计与制造, 2016(6):4.[3] 赵秀明. 非线性系统的神经网络滑模变结构控制研究[D]. 大庆石油学院[2025-08-15].[4] 姚琪. 基于RBF 网络的自适应滑模控制研究[D]. 西南交通大学[2025-08-15].[5] 李婷. 基于自适应动态规划理论的非线性系统优化控制方法研究[D]. 东北大学,2021.[6] 陈治. 基于RBF 神经网络自适应滑模路由队列控制算法研究[J].制造业自动化, 2017, 039(005):32-36,48.[7]闫明, 高哲.Internet中的自适应神经网络终端滑模拥塞控制算法[J].信息与控制, 2014, 43(5):558-563[8] 刘洪, 何星瑭, 葛少云. 一种基于滑模算法的多源互联微电网频率协调控制方法:CN202010188419.X[P].CN111446724A[2025-08-15].[9] 苏小玲, 韩民晓, 孙海. 基于自适应全局滑模控制的微电网稳定控制策略[J].中国电机工程学报, 2014, 34(31):8.[10] 卢艳杰, 刘永慧. 一种基于固定时间滑模的直流微电网系统电压控制方法[J].[2025-08-15].