微网太阳能光伏系统中逆变器的简化电路结构图如 图1 所示。

图1 中 $U_{dc}$是直流侧母线电压； $a,b,c$处的三相电压分别是 $u_a,u_b,u_c$； $e_a,e_b,e_c$是交流侧电网电压； $R_L$是逆变侧三相电阻； $L$是逆变侧三相电感； $i_a,i_b,i_c$是逆变侧三相电流。根据 图1 ，构建三相PWM逆变器的电气特性方程有：

$\begin{array}{c}\{\begin{array}{c}{i}_{dc}=S_a{i}_a+S_b{i}_b+S_c{i}_c\\ i_{dc}=i_c+i_s=C{\stackrel{\dot{}}{V}}_{dc}+i_s\end{array}\end{array}$ (1)

从有功功率角度考虑，通过d-q坐标系的解耦控制，将有功功率和无功功率分别与d轴和q轴电流关联，以实现独立调节。

$\begin{array}{c}\{\begin{array}{c}P=\frac{3}{2}\left(u_d{i}_d+u_q{i}_q\right)\\ Q=\frac{3}{2}\left(u_q{i}_d-u_d{i}_q\right)\end{array}\end{array}$ (2)

当将d轴对准参考电压时(即 $q=0$)，q轴上的电流 $i_q$主要与无功功率相关，而d轴上的电流与有功功率相关。在稳态时，忽略开关器件导致的功率损失，根据直流侧输入功率和交流侧输出功率之间的功率平衡关系可得：

$\begin{array}{c}\frac{\text{d}{U}_{dc}}{\text{d}t}=\frac{3u_d{i}_d}{2C{U}_{dc}^{*}}-\frac{i_s}{C}\end{array}$ (3)

在静止坐标系下，交流电流的瞬时值会随时间周期性变化，采用直接控制难以准确跟踪电流瞬时值。因此在标量模型下，需要利用锁相环(PLL)和Park变换，将三相交流变量转换到d-q坐标系下的直流量，以方便控制。对导数项进行Park变换得到公式(4)。

$\begin{array}{c}\{\begin{array}{c}L\frac{\text{d}{i}_d\left(t\right)}{\text{d}t}-L\omega i_q\left(t\right)=V_d\left(t\right)-e_d\left(t\right)-R_L{i}_d\left(t\right)\\ L\frac{\text{d}{i}_q\left(t\right)}{\text{d}t}-L\omega i_d\left(t\right)=V_q\left(t\right)-e_q\left(t\right)-R_L{i}_q\left(t\right)\end{array}\end{array}$ (4)

从公式(4)可知，以该数学模型建模来对系统进行控制，存在两个明显的问题：

1) 控制对象存在交叉耦合项，导致d轴和q轴电流的瞬态调节响应相互影响，不利于电压和功率的调节。

2) 系统展现出双输入与双输出的特性，当电网电压的不稳定或电机产生的反电动势这类扰动作为干扰输入时，这种特性不利于传统控制器的设计。

为解决上述问题，传统的双环控制通常在内环将电流状态进行前馈以实现回路解耦，其工作原理是：

电压环通过调节器维持负载电压，并提供参考d轴电流 $i_d^{*}$，内环(电流环)基于电压环给出的参考电流，并结合前馈的电流状态信息，迅速调节实际输出电流，抑制扰动并实现更快的动态响应和更高的稳态精度。被控对象的传递函数见式(5)，控制框图如 图2 所示。

$\begin{array}{c}G\left(S\right)=\frac{1}{S{L}_f+R_f}\end{array}$ (5)

由于开关器件控制信号的调制技术在数字控制时会产生时延，并且逆变器的输出具有零阶保持特性，进一步加深了系统的滞后。为了解决时延对系统造成的影响，需要在电流环引入pade近似代替时延函数，

${\text{e}}^{-T_{0}s}=\frac{1-T_{0}s/2}{1+T_{0}s/2}$由文献 [16] 可知采样时延 $T_0$约等于1.5倍的开关周期 $T_{\text{PWM}}$，因此时延函数与系统被控对象串联得到公式(6)。

$\begin{array}{c}{G}_{ps}\left(S\right)=\frac{4-3T_{\text{PWM}}s}{3T_{\text{PWM}}{L}_f{s}^2+\left(4L_f+3T_{\text{PWM}}{R}_f\right)s+4R_f}\end{array}$ (6)

但由于PI控制器的频率响应和动态响应都有限，无法充分抑制高频谐波，且无法应对负载发生快速变化的情况，导致谐波电流的增加。而高THD不仅会导致并网电流波形的畸变，还影响单位功率因数的实现，后续将在后面章节引入线性自抗干扰算法解决该问题。

与传统控制策略相比，LADRC简化了系统的数学模型，仅保留状态变量的最高阶导数和控制变量，将其他状态量和常数项视为总扰动并扩展为新的状态变量。因此，LADRC不依赖系统的精确模型和扰动表达。在LESO和LSEF的作用下，系统可等效为一个由PD控制器和积分环节组成的简单系统，通过LESO的补偿和扰动估计，能够有效减小电压谐波的影响。令 $x_1=U_{dc}$，输出 $y=x_1$，由根据文献 [17] 的传统一阶系统LESO状态空间表达式，改写一阶系统的LADRC数学模型为：

$\begin{array}{c}\frac{\text{d}{x}_1}{\text{d}t}=f\left(x_1,t\right)+b_0{i}_d\end{array}$ (7)

其中增益 $b_0=\frac{3u_d}{2C{U}_{dc}^{\text{*}}}$，扰动 $f=-\frac{i_s}{C}$。由(8)可知该系统的二阶LESO数学模型为：

$\begin{array}{c}\{\begin{array}{l}{\stackrel{\dot{}}{\hat{z}}}_1={\hat{z}}_2-{\beta }_1\left({\hat{z}}_1-U_{dc}\right)+b_0{i}_d\hfill \\ {\stackrel{\dot{}}{\hat{z}}}_2=-{\beta }_2\left({\hat{z}}_1-U_{dc}\right)\hfill \end{array}\end{array}$ (8)

其中 $z_1$是 $U_{dc}$的估计值， $z_2$是 $\stackrel{\dot{}}{f}$的估计值， ${\stackrel{\dot{}}{\hat{z}}}_1$是 $z_1$的一阶微分信号， ${\stackrel{\dot{}}{\hat{z}}}_2$是 $z_2$的一阶微分信号。

式(8)可知输出 ${\hat{z}}_1$通过跟踪实际输出电压 $U_{dc}$，使观测扰动 ${\hat{z}}_2$尽可能精确跟踪系统实际的总扰动或动态变化。但当 ${\hat{z}}_1$达到稳态时， ${\hat{z}}_1$和 $U_{dc}$之间的误差极小，此时 ${\hat{z}}_2$的调节仍然依赖于 $e_1$，因此 ${\hat{z}}_2$的调节可能失效。虽然增大 ${\beta }_2$值能提高动态调节的能力，但过大的 ${\beta }_2$会使系统无法抗噪声，甚至可能引发振荡，削弱动态跟踪及扰动补偿能力。

滑膜控制(Sliding Mode Controller, SMC)算法具有易于实现、鲁棒性强的特点。引入该算法有助于进一步提高控制器的抗干扰性能，解决LADRC控制精度较低的问题。为了利用滑膜控制算法调整直流侧电压误差信号精确跟踪电流内环的参考电流 $i_d^{\text{*}}$。在保证滑膜维持在 $\stackrel{\dot{}}{S}=0$的状态下，控制器误差信号如下：

$\begin{array}{c}e=z_1-U_{dc}^{\text{*}}\end{array}$ (9)

考虑到积分滑模面中的积分项可以提高系统的响应速度，并且可以在一定程度上降低系统的稳态误差，本文选择使用积分滑膜面来设计滑膜控制算法，见式(10)。其中 ${\gamma }_1$是一个常数。

$\begin{array}{c}{S}_d=e+{\gamma }_1{\displaystyle \int e\left(t\right)\text{d}t}\end{array}$ (10)

对式(10)求导，联合公式(9)，得到公式(11)

$\begin{array}{c}{\stackrel{\dot{}}{S}}_d=\stackrel{\dot{}}{e}+{\gamma }_{1}e={\gamma }_1\cdot \left(z_1-U_{dc}^{\text{*}}\right)+{\stackrel{\dot{}}{z}}_1-{\stackrel{\dot{}}{U}}_{dc}^{\text{*}}={\gamma }_1\cdot \left(z_1-U_{dc}^{\text{*}}\right)+z_2+b_0{i}_d-{\stackrel{\dot{}}{U}}_{dc}^{\text{*}}\end{array}$ (11)

由于高频开关操作会导致控制信号在滑模面附近发生快速切换，从而产生强烈的高频波动，这不仅影响系统的稳定性，还可能导致不必要的能量消耗和硬件损耗。同时为降低计算复杂度，选择饱和函数作为趋近率具有明显优势，饱和函数能够限制控制器的输入幅度，避免由于高频切换而引起的抖振现象，该趋近律易于实现和调整，使系统保持稳定和响应迅速。见式(12)。

$\begin{array}{c}\stackrel{\dot{}}{S}=-c_1\cdot \text{Sat}\left(s\left(t\right)\right)\end{array}$ (12)

式中Sat函数为：

$\begin{array}{c}\text{Sat}=\{\begin{array}{l}\frac{s}{\epsilon },\left|s\right|<\epsilon \hfill \\ \text{sign}\left(s\right),\left|s\right|\ge \epsilon \hfill \end{array}\end{array}$ (13)

$\epsilon$是边界厚度。考虑式(11)可以将滑模控制器的输出 $u_0$设计为式(14)。

$\begin{array}{c}{u}_0={\stackrel{\dot{}}{U}}_{dc}^{\text{*}}-{\gamma }_1\cdot \left(U_{dc}^{\text{*}}-z_1\right)-z_2+c_1\cdot \text{Sat}\left(s\left(t\right)\right)\end{array}$ (14)

利用Lyapunov函数进行验证，Lyapunov函数为。

$\begin{array}{c}V=\frac{1}{2}{s}^2\end{array}$ (15)

$\stackrel{\dot{}}{V}=\stackrel{\dot{}}{s}s=\left(-c_1\cdot \text{Sat}\left(s,\epsilon \right)\right)\cdot s=-c_1\cdot \{\begin{array}{l}\frac{s^2}{\epsilon },\left|s\right|<\epsilon \hfill \\ s\cdot \text{sign}\left(s\right),\left|s\right|\ge \epsilon \hfill \end{array}$

式中 $c_1>0$，显然，无论s为正还是负，都有 $\stackrel{\dot{}}{V}<0$，因此系统满足李雅普诺夫稳定性条件，该控制器是渐进稳定的。

为了解决第2小节误差调节上的问题，本文提出了一种新的调节方法：引入 $e_2$来代替 $e_1$作为 ${\hat{z}}_2$调节的依据。 $e_2$见式(18)。

$\begin{array}{c}{e}_2={\hat{z}}_2-z_2\end{array}$ (16)

通过直接调节 ${\hat{z}}_2$与 $z_2$之间的误差，观测器能够更灵敏地跟踪系统的动态变化，即使在已经接近稳态时，仍能保持对扰动的准确估计。根据式(8)和式(16)重新改写LESO得式(17)。

$\begin{array}{c}\{\begin{array}{l}{\stackrel{\dot{}}{\hat{z}}}_1={\hat{z}}_2-{\beta }_1\left({\hat{z}}_1-U_{dc}\right)+b_0{i}_d\hfill \\ {\stackrel{\dot{}}{\hat{z}}}_2=-{\beta }_2\left({\hat{z}}_2-{\stackrel{\dot{}}{U}}_{dc}+b_0{i}_d\right)\hfill \end{array}\end{array}$ (17)

进一步将扰动补偿回路设计为式为：

$\begin{array}{c}{i}_1=K_p\left(u_0-z_1\right)\end{array}$ (18)

$\begin{array}{c}{i}_d=\left(i_1-z_2\right)/b_0\end{array}$ (19)

由(17)可知状态空间(20)并可得预解矩阵(21)。

$\begin{array}{c}\left[\begin{array}{c}{\stackrel{\dot{}}{\hat{x}}}_1\\ {\stackrel{\dot{}}{\hat{x}}}_2\end{array}\right]=\left[\begin{array}{cc}-{\beta }_1& 1\\ 0& -{\beta }_2\end{array}\right]\left[\begin{array}{c}{\hat{x}}_1\\ {\hat{x}}_1\end{array}\right]+\left[\begin{array}{ccc}{b}_0& {\beta }_1& 0\\ -b_0{\beta }_2& 0& {\beta }_2\end{array}\right]\left[\begin{array}{c}u\\ y\\ \stackrel{\dot{}}{y}\end{array}\right]\end{array}$ (20)

$\begin{array}{c}\left|sI-A\right|=\left|\begin{array}{cc}s+{\beta }_1& -1\\ 0& s+{\beta }_2\end{array}\right|\end{array}$ (21)

式中I是单位矩阵， $A=\left[\begin{array}{cc}-{\beta }_1& 1\\ 0& -{\beta }_2\end{array}\right]$。因此根据极点配置，根据式(22)可知 ${\beta }_1={\beta }_2={\omega }_0$，故可将观测器的增益系数 ${\beta }_1,{\beta }_2$可配置为 ${\omega }_0$。

$\begin{array}{c}\left(s+{\beta }_1\right)\left(s+{\beta }_2\right)=\left(s+{\omega }_0^2\right)\end{array}$ (22)

对式(17)进行拉普拉斯变换，考虑观测的噪声干扰n和控制变量输入干扰m带来的影响，可得观测噪声以及输入扰动项的传递函数，见式(23)。

$\begin{array}{c}\{\begin{array}{l}{\hat{X}}_1\left(s\right)=\frac{2{\omega }_{0}s+{\omega }_0^2}{{\left(S+{\omega }_0\right)}^2}{U}_{dc}\left(s\right)+\frac{b_{0}s}{{\left(S+{\omega }_0\right)}^2}{I}_d\left(s\right)\hfill \\ {\hat{X}}_2\left(s\right)=\frac{{\omega }_{0}s}{{\left(S+{\omega }_0\right)}^2}{U}_{dc}\left(s\right)-\frac{b_{0}s}{S+{\omega }_0}{I}_d\left(s\right)\hfill \end{array}\end{array}$ (23)

$\begin{array}{c}\frac{{\hat{X}}_1\left(s\right)}{n\left(s\right)}=\frac{2{\omega }_{0}s+{\omega }_0^2}{S^2+2{\omega }_{0}S+{\omega }_0^2}\end{array}$ (24)

$\begin{array}{c}\frac{{\hat{X}}_1\left(s\right)}{m\left(s\right)}=\frac{b_{0}s}{S^2+2{\omega }_{0}S+{\omega }_0^2}\end{array}$ (25)

由式(24)可知，观测噪声的传递函数仅与 ${\omega }_0$有关。观测到的噪声传递函数幅相频特性曲线如 图3(a) 所示。由式(25)，设 $b_0=90$，则输入扰动传递函数的幅相频特性曲线如 图3(b) 所示。

图3. 不同干扰项的幅相特性曲线

从 图3(a) 中可知，系统的跟踪速度随着 ${\omega }_0$的增大而增大。与 图3(a) 相比，随着 图3(b) 中 ${\omega }_0$的增大，系统跟踪输入扰动的相位逐渐滞后。然而，高频增益几乎不变。综上所述，改进后的LESO对观测值和实际的输入干扰量都有很好的抑制效果。

根据式(23)可得该观测器总扰动传递函数，见式(26)。

$\begin{array}{c}\frac{{\hat{X}}_2\left(s\right)}{F\left(s\right)}=\frac{{\omega }_0}{S+{\omega }_0}\end{array}$ (26)

由式(26)可知总扰动传递函数仅与 ${\omega }_0$有关，取相同的 ${\omega }_0$值，得到传统LADRC的LESO与改进的LESO对总扰动的幅相特性曲线如 图4(a) 所示。可知，在相同 ${\omega }_0$条件下，DCLESO对总扰动的估计范围比未改进观测器的更宽。从而提高了系统的抗干扰能力。同时避免了 ${\omega }_0$增大引起的系统高频振荡。

式(27)是基于总扰动误差的DCLESO传递函数。

$\begin{array}{c}\frac{\Delta E_{DC}\left(s\right)}{F\left(s\right)}=\frac{S}{S+{\omega }_0}\end{array}$ (27)

而式(28)是基于总扰动误差的传统LESO传递函数。

$\begin{array}{c}\frac{\Delta E\left(s\right)}{F\left(s\right)}=\frac{s^2+2{\omega }_{0}s}{s^2+2{\omega }_{0}s+{\omega }_0^2}\end{array}$ (28)

由式(27)和式(28)可知，总扰动误差的传递函数只与 ${\omega }_0$有关。取相同 ${\omega }_0$值时，DCLESO和传统LESO在总扰动误差下的幅频特性曲线如 图4(b) 所示。

图4. 误差抗干扰频率曲线对比

由 图4(b) 可知，在 ${\omega }_0$值相同的情况下，在100 rad/s至1000 rad/s频段上，DCLESO总扰动观测误差的幅频特性曲线明显低于传统LESO约6 dB。进一步证明DCLESO比传统LESO具有更强的扰动抑制能力。而在相频特性曲线的中高频段上，DCLESO相位超前传统LESO约19˚，相位提前能够使系统在面对干扰时减少滞后，保证更及时的控制动作。因此表明DCLESO具有优异的动态响应能力。

为确保所设计的观测器能够在存在外部扰动和初始误差的情况下实现稳定观测，本文基于范数理论对其进行稳定性分析与证明。下面将详细推导LESO系统的误差模型，并证明其在时间趋于无穷时的收敛性。

根据式(19)和 $e_1$， $e_2$可得误差状态方程为：

$\begin{array}{c}\{\begin{array}{l}{\stackrel{\dot{}}{e}}_1=e_2-{\beta }_1{e}_1+b_0{i}_d\hfill \\ {\stackrel{\dot{}}{e}}_2=-{\beta }_2\left(e_2+b_0{i}_d\right)\hfill \end{array}\end{array}$ (29)

其状态空间表达式为：

$\begin{array}{c}\stackrel{\dot{}}{e}=A_{1}e+B{i}_d\end{array}$ (30)

其中：

$\begin{array}{c}{A}_1=\left[\begin{array}{cc}-{\beta }_1& 1\\ 0& -{\beta }_2\end{array}\right],B_1=\left[\begin{array}{c}{b}_0\\ -{\beta }_2{b}_0\end{array}\right],e=\left[\begin{array}{c}{e}_1\\ e_2\end{array}\right]\end{array}$ (31)

为证明系统的稳定性，对误差向量进行积分形式解的分析：

$\begin{array}{c}e\left(t\right)=e^{A_{1}t}e\left(0\right)+{\displaystyle {\int }_0^t{e}^{A_1\left(t-\tau \right)}{B}_1{i}_d\left(\tau \right)\text{d}\tau }\end{array}$ (32)

由于 ${\beta }_1,{\beta }_2>0$，因此矩阵A是渐近稳定的，则误差状态方程在无外部扰动时将收敛于零。对于误差向量 $e_2$的范数，进行如下估计：

${\Vert e\left(t\right)\Vert }_2\le {\Vert e^{A_{1}t}e\left(0\right)\Vert }_2+{\Vert {\displaystyle {\int }_0^t{e}^{A_1\left(t-\tau \right)}{B}_1{i}_d\left(\tau \right)\text{d}\tau }\Vert }_2$

对于初始条件项有：

$\begin{array}{c}{\Vert e^{A_{1}t}e\left(0\right)\Vert }_2\le a{e}^{-\lambda t}{\Vert e\left(0\right)\Vert }_2\end{array}$ (33)

其中， $\lambda =\text{min}\left({\beta }_1,{\beta }_2\right)$，且 $a$为正常数。由此可见，随着时间的推移，初始误差项将以指数形式衰减至零。

对于积分项：

${\Vert {\displaystyle {\int }_0^t{e}^{\left\{A_1\left(t-\tau \right)\right\}{B}_1}{i}_{d\left(\tau \right)}\text{d}\tau }\Vert }_2\le {\displaystyle {\int }_0^t{\Vert e_2^{\left\{A_1\left(t-\tau \right)\right\}|}\Vert }_2{\Vert B_1\Vert }_2\left|i_{d\left(\tau \right)}\right|\text{d}\tau }$

由矩阵指数的性质可得：

$\begin{array}{c}\Vert e^{A_1\left(t-\tau \right)}\Vert \le a{e}^{\left\{-\lambda \left(t-\tau \right)\right\}}\end{array}$ (34)

因此，积分项的估计为：

$\begin{array}{c}{\Vert {\displaystyle {\int }_0^t{e}^{\left\{A_1\left(t-\tau \right)\right\}{B}_1}{i}_{d\left(\tau \right)}\text{d}\tau }\Vert }_2\le a{\Vert B_1\Vert }_2{\displaystyle {\int }_0^t{e}^{\left\{-\lambda \left(t-\tau \right)\right\}\left|i_{d\left(\tau \right)}\right|}\text{d}\tau }\end{array}$ (35)

由于控制输入是有界的，设上界为Q，则有：

$\Vert {\displaystyle {\int }_0^t{e}^{\left\{A_1\left(t-\tau \right)\right\}{B}_1}{i}_{d\left(\tau \right)}\text{d}\tau }\Vert \begin{array}{c}{}_2\le \frac{aQ{\Vert B_1\Vert }_2}{\lambda }\left(1-e^{-\lambda t}\right)\end{array}$ (36)

结合初始误差项和外部输入影响项，得到误差的总体估计为：

$\begin{array}{c}{\Vert e\left(t\right)\Vert }_2\le a{e}^{-\lambda t}{\Vert e\left(0\right)\Vert }_2+\frac{aQ{\Vert B_1\Vert }_2}{\lambda }\left(1-e^{-\lambda t}\right)\end{array}$ (37)

当 $t\to \infty$时， $e^{-\lambda t}\to 0$，可知：

$\begin{array}{c}\underset{t\to \infty }{\lim }{\Vert e\left(t\right)\Vert }_2=0\end{array}$ (38)

因此，该观测器存在外部扰动和初始误差的情况下是渐近稳定的。即误差在时间趋于无穷时会逐渐收敛到零，从而保证了观测器在动态响应和抗干扰能力方面的鲁棒性。

根据3.1节和3.2节设计的控制器，重新设计变流器的双闭环结构，以母线电压误差为输入的电压外环。SMC-DCLADRC控制算法，输出电流内环的参考电流。电流内环采用比例积分控制器。考虑解耦后

的被控对象，以及有功功率，最终设计的双闭环框图如 图5 所示。 $G_n\left(S\right)=\frac{1}{sC},G_{PI}\left(S\right)=K_{p1}$。

由 图6 可知，PI控制器的调节时间为0.096 s，传统LADRC的调节时间为0.077 s，而SMC-DCLADRC的调节时间为0.054 s。由此可见，本文提出的SMC-DCLADRC算法在调节速度方面明显优于其他两种控制算法，表现出更快的动态响应。同时PI控制器的峰值达到1092 V，传统LADRC的峰值为1025 V，而SMC-DCLADRC的峰值则为944.6 V。相较于PI和传统LADRC，显著降低了系统的超调，表现出更好的稳定性和对初始扰动的抑制能力。表明该算法在初始响应阶段可以更加平滑地跟踪目标值，避免了因过大的超调而引起的电压波动。综合上述对比分析，SMC-DCLADRC在动态响应速度和稳态性能上均表现出显著优势。

图6. 实验一

图7 是直流侧负载在0.5 s时突变为原来的两倍时的暂态响应曲线图。PI，LADRC和SMC-DCLADRC三种控制策略的母线电压响应时间相近，均约为0.55 s，但其动态性能表现有所不同。PI控制器在负载变化时电压跌落至611.8 V，并且存在正向峰值电压，为733.1 V，波动较大；LADRC的跌落深度略小，为617.5 V，稳定性有所提升。SMC-DCLADRC的跌落最小，为633.3 V，表明其对负载突变的抗扰能力最强，电压波动最小，且不存在正向峰值电压，系统恢复过程也较为平稳。因此，SMC-DCLADRC在负载突变情况下表现出更优异的抗扰性能。

图7. 实验二

图8 是交流测电压在0.5 s时由400 V跌落至300 V时得到的母线电压曲线图。图中PI，LADRC，SMC-DCLADRC的正向峰值电压分别为759 V，750.2 V，743.7 V；调节时间分别为0.602 s，0.56 s，0.542 s。与PI和LADRC控制策略相比，SMC-DCLADRC的峰值电压最小，表明其对系统造成的电压冲击最小，具有更好的抑制效果。同时，SMC-DCLADRC的调节时间最短，展现出更快的响应速度与更强的抗扰能力。

图8. 实验三

由 表2 可知，PI控制在系统启动初期(t = 0.01 s)时的THD高达37.06%，随后在0.1秒下降到稳态约3.80%，由于PI控制缺乏对外部扰动和未建模动态的补偿能力，导致其在启动阶段对扰动和误差的抑制效果不理想。相较之下，LADRC控制在启动阶段将THD降低至21.67%，稳态约为2.52%，有效补偿扰动。SMC-DCLADRC控制策略结合滑膜控制的鲁棒性和改进后LADRC的自抗扰特性，使系统在启动时能够迅速收敛至稳定状态。其启动初期的THD仅为7.08%，稳态约为2.44%。有效抑制启动瞬间的谐波失真。