[发明专利]一种有源电力滤波器的神经网络逆控制器构造方法

说明书

技术领域

本发明是一种有源电力滤波器的神经网络逆控制器构造方法，适用于电力系统有源滤波器非线性解耦控制，属于电力系统电能质量技术领域。

背景技术

随着信息时代对电能质量的要求越来越高，对电力系统的谐波抑制和无功补偿，已成为电力系统领域研究的热点。利用有源电力滤波器进行谐波和无功补偿，是今后的发展趋势，有源电力滤波器作为一种动态抑制谐波的电力电子装置，能对频率和大小都发生变化的谐波进行补偿。

由于有源电力滤波器在dq旋转坐标系下的模型存在着非线性及参数耦合问题，考虑采用非线性系统控制理论中的逆系统方法对有源滤波器进行控制。传统的解析逆解耦控制方法，很大程度上依赖于系统的精确数学模型，当系统模型参数发生变化时，系统的解耦条件将被破坏，从而导致控制系统性能的下降，使得有源电力滤波器系统的解析逆控制方法存在着实际工程应用方面的“瓶颈”。

发明内容

技术问题：本发明的目的是提供一种能有效提高有源电力滤波器系统的抗干扰能力和动态响应性能的神经网络逆控制器构造方法，利用神经网络来充当非线性系统的逆模型，将神经网络具有的非线性逼近能力、学习能力与逆系统方法的解耦线性化特点相结合，采用该方法构造出的控制器不依赖于有源电力滤波器的数学模型及其参数，不仅能实现有源滤波器模型的线性化和电流参数解耦控制，同时，当模型参数发生变化时，系统具有良好的抗干扰能力和动态响应性能。

技术方案：本发明的一种有源电力滤波器的神经网络逆控制器构造方法的技术方案是采用如下步骤1）将有源电力滤波器主电路的的逆变器及交流侧电感作为一个整体组成被控对象，被控对象以主电路的两个开关函数控制量                                                作为输入，以两个补偿电流分量、作为输出；根据该被控对象对应的逆系统，用静态神经网络加积分器构成神经网络逆，其中静态神经网络的各个权系数的确定方法是：将补偿电流分量、分别离线求一阶导数，并对信号做归一化处理组成静态神经网络的训练样本集，对静态神经网络进行训练确定各个权系数；2）将神经网络逆串接在被控对象之前等效成由两个独立的一阶积分型补偿电流子系统组成的伪线性系统；3）对该伪线性系统中的两个一阶积分型补偿电流子系统分别设计两个电流控制器，构成线性闭环控制器；4）将线性闭环控制器与神经网络逆相串联构成神经网络逆控制器。

技术效果：本发明的原理是通过构造神经网络逆，将对有源电力滤波器这一非线性耦合系统的控制转化为对两个补偿电流的一阶积分子系统的控制，相应的就可以方便地设计闭环控制器。本发明采用静态神经网络加积分器来实现有源电力滤波器系统的逆系统功能，这样所提出的控制器设计方法就不依赖于有源滤波器及外部电力系统的精确数学模型，从而可以有效地提高有源电力滤波器控制器应对系统参数变化和外界扰动的能力，本发明可用于构造新型有源电力滤波器控制器对有源滤波进行高性能控制，提高电力系统的电能质量，适合于实际的工程应用。

本发明的优点在于：

①采用神经网络逆，将对有源电力滤波器这一复杂非线性系统的控制转化为对简单的伪线性系统的控制，实现了系统补偿电流的解耦控制。在此基础上，通过合理地设计闭环控制器，使系统具有良好的动静态性能。

②采用静态神经网络加积分器来实现被控对象的逆系统，构造神经网络逆控制器来实现对有源滤波器的控制，摆脱了传统的有源滤波器控制方法对于精确数学模型的依赖性，有效减少了系统参数变化和负载扰动对有源滤波器控制的影响，显著提高了有源电力滤波器系统的动态响应性能。

③所设计的有源电力滤波器系统的神经网络逆控制器仅采用有源滤波器的可直接测量信号，符合实际电力系统的工程应用要求，易于工程实现。

④通过数字信号处理器来实现神经网络逆控制器，不需要对有源滤波器本身进行结构性改造即可构成一个经济实用的有源电力滤波器控制器，硬件投资低。

下面结合附图对本发明作进一步的说明。

附图说明

图1是有源电力滤波器系统被控对象1的框图；

图2是神经网络逆3与被控对象1复合成的系统示意图，其中含有4个输入节点、2个输出节点的静态神经网络2和两个积分器s^-1；

图3是神经网络逆3与被控对象1复合成的等效一阶积分型伪线性系统4的示意图，包括两个独立的电流子系统；