[发明专利]适用于高压系统的谐波与无功动态治理控制器及控制方法

权利要求书

1.一种适用于高压系统的谐波与无功动态治理控制器，其特征在于：包括电压互感器、电流互感器、信号处理电路、工控机、MSC逻辑控制电路、TCR接口电路、PWM信号发生模块、MSC触发电路，TCR触发电路、光纤发送与接收模块、功率放大器及隔离电路、显示器、键盘，所述电压互感器、电流互感器的输出接到信号处理电路，信号处理电路的输出接工控机，工控机分别与MSC逻辑控制电路、有源电力滤波器控制器、TCR控制器、显示器、键盘相连，有源电力滤波器控制器内的PWM信号发生模块产生的PWM信号直接输入到第一光纤发送与接收模块，经光缆无失真传输到功率放大器及隔离电路，控制有源电力滤波器的电压型逆变器，MSC逻辑控制电路的控制信号通过MSC触发电路、输入到第二光纤发送与接收模块，经光缆无失真传输到MSC装置，控制MSC装置工作，TCR控制器输出的TCR脉冲信号经TCR接口电路送到TCR光纤发送与接收模块，再送到TCR触发电路控制晶闸管工作。

2.根据权利要求1的所述适用于高压系统的谐波与无功动态治理控制器，其特征在于：所述TCR接口电路由状态锁存电路、回报信号电平转换电路、控制信号电平转换电路、中断产生电路、过零信号检测电路组成，过零信号检测电路的输入端与信号处理电路相接，其输出端与TCR控制器相接，状态锁存电路、中断产生电路的一端与回报信号电平转换电路相连，另一端与TCR光纤发送与接收模块相连，、控制信号电平转换电路，回报信号电平转换电路的另一端与TCR控制器相接，控制信号电平转换电路串接于TCR控制器和TCR光纤发送与接收模块之间。

3.一种适用于高压系统的谐波与无功动态治理控制器的控制方法，包括以下步骤：

(1)用电压互感器、电流互感器分别检测电网母线三相电压u_a、u_b、u_c；静止无功补偿器输出电压u_svc；三相电流i_a、i_b、i_c、静止无功补偿器输出电流i_svc，以及TCR输出电流i_tcr，MSC输出电流i_msc；负载电流i_L；逆变器输出电流i_apf；

(2)将上述检测得到的电压、电流信号经滤波处理电路后送到工控机，计算出三相电压基波有效值U_rms、负载侧谐波电流i_Lh、TCR谐波电流i_tcrh；

(3)计算三相电压基波有效值U_rms与给定电压值U_ref差值U_e，差值经过PID控制器调节后得出SVC控制量导纳B_ref，其离散控制律如下式所示：

Bref=kp′Ue(k)+ki′Σi=0kUe(i)+kd′(Ue(k)-Ue(k-1)),]]>

k′_p(k)＝k_p(a+k₁|ρ(k)|)，k′_i(k)＝k_i(b+k₂ρ(k))，k′_d(k)＝k_d(c+k₃|ρ(k)|)，ρ(k)＝U_eN(k)×ΔU_eN(k)，U_eN(k)＝U_e(k)/(|U_ref(k)|+|U_rms(k)|)，ΔU_eN(k)＝U_eN(k)-U_eN(k-1)，式中，k_p、k_i和k_d是利用Ziegler-Nichols方法得到的控制器参数的初始值；a、b、c为三个定常数；k₁、k₂和k₃为三个正常数，用来调整参数k′_p、k′_i和k′_d的值；ρ为增益调节因子；U_eN(k)＝U_e(k)/(|U_ref(k)|+|U_rms(k)|)，称为电压误差U_e(k)的归一化值；

(4)根据导纳B_ref分别计算出TCR、MSC补偿导纳B_tcr、B_msc，根据补偿导纳B_tcr控制TCR触发电路给出晶闸管触发脉冲，根据补偿导纳B_msc控制MSC触发电路给出电容器投切电平，使SVC补偿的无功符合期望值；

(5)计算负载谐波电流i_Lh、TCR谐波电流i_tcrh与逆变器输出电流i_apf的差值e；

(6)利用差值e得到有源电力滤波器的控制参考信号u为：

u(s)=e(s)(KP*+Σh∈N2Kh*ss2+(hωm)2),]]>

式中，N为系统需滤除的谐波次数的集合；分别是利用一个基于改进PSO-BP(particle swarm optimization and BP neural network)算法的神经网络寻优后的广义积分器的比例系数、h次谐波的积分系数；ω_m是基波频率；

(7)重复以上步骤，直到完全达到电网谐波的治理目标、无功的补偿目标。

4.根据权利要求3所述的适用于高压系统的谐波与无功动态治理控制器的控制方法，所述步骤6中计算步骤如下：

利用电网谐波电流(i_Lh(k)+i_tcrh(k))与逆变器实际输出电流i_apf(k)的差值信号e(k)，采用一个3层前向BP神经网络对广义积分器的比例系数、h次谐波的积分系数进行自适应在线调整；

(1)根据研究对象的实际情况确定神经网络的结构，输入层(j)节点数为P＝7；输出层神经元数目根据研究对象的实际情况而定，例如系统需滤除的谐波次数集合为{2，5，7，11，13，17，19}，则输出层(l)神经元数目取M＝8；隐含层(i)神经元数目可以根据经验公式来确定，为：a是[1，10]之间的常数；

(2)确定神经网络的输入与输出。网络输入为第k个时刻的电容直流侧电压给定值U_c(k)、电容电压实际值U₁(k)及两者的误差E₀(k)、系统参考电压U_ref(k)、系统电压基波有效值U_rms(k)及两者的误差U_e(k)，即输入[x₁，x₂，x₃，x₄，x₅，x₆，x₇]＝[U_c(k)，U₁(k)，E₀(k)，U_ref(k)，U_rms(k)，U_e(k)，1]。网络输出分别对应广义积分器的比例系数K_p、h次谐波积分系数K₂、K₅、K₇、K₁₁、K₁₃、K₁₇、K₁₉；

(3)电网谐波电流(i_Lh(k)+i_tcrh(k))与逆变器实际输出电流i_apf(k)的差值e(k)，e(k)＝(i_Lh(k)+i_tcrh(k))-i_apf(k)。性能指标函数定义为

J=12[iLh(k)+itcrh(k)-iapf(k)]2;]]>

神经网络权值的调节过程采用结合了传统BP算法与粒子群算法优点的PSO-BP综合算法；网络权值调整公式如下：

wli(3)(k+1)=wli(3)(k)+βδl(3)Oi(2)(k)++r1c1(wbestli(3)-wli(3)(k))+r2c2(wgbestli(3)-wli(3)(k))δl(3)=e(k)sgn(∂(iapf)∂u(k))∂u(k)∂Ol(3)(k)g′(netl(3)(k)),]]>

wij(2)(k+1)=wij(2)(k)+βδi(2)xj(1)(k)+r1′c1′(wbestij(2)-wij(2)(k))+r2′c2′(wgbestij(2)-wij(2)(k))δi(2)=f′(neti(2)(k))Σl=18δl(3)wli(3)(k);]]>

式中，w_li(k)为输出层与隐含层的连接权值，w_ij(k)为隐含层与输入层的连接权值；上角标(1)、(2)、(3)分别代表输入层、隐含层和输出层，例如表示输入层的第j个神经元的输入；β是变学习率；r₁，r₂，r₁′，r₂′为0～1的随机数；w为惯性系数，惯性系数的引入使PSO可以调节算法的全局与局部寻优能力，通常采用线性惯性权值；c₁，c₂，c₁′，c₂′为加速度权重，为正常数；wbest_1i和wbest_ij为第K个网络所经历的历史上具有最小样本检验误差时的网络权值；wgbest_1i和wgbest_ij为10个群体网络中历史上具有最小样本检验误差时的网络权值；sgn表示符号函数；u(k)表示广义积分器在第k个时刻的输出；网络隐含层的第i个神经元的输入、输出分别为网络输出层的输入、输出分别为……，输出层激励函数g与隐含层激励函数f均采用Sigmoid函数。