[发明专利]基于模糊神经网络PID的有源电力滤波器控制方法

说明书

技术领域

本发明涉及一种基于模糊神经网络PID的有源电力滤波器控制方法，属于电力系统控制领域。

背景技术

随着电网拓扑结构和电路负荷的多样性增加，谐波污染对电网系统的影响越来越严重并且引起了人们广泛的关注。谐波污染不仅是对电力电子技术发展的阻碍，谐波也可能引起电力系统中发生局部串联谐振或并联谐波，从而放大谐波含量造成设备的烧毁，谐波还会对通信系统及电子设备等产生严重的干扰。由此可见，谐波污染使得电力系统偏离理想的、正常的电气过程与行为，电能质量的下降不仅影响了电力系统安全可靠的供电，同时也会给电力系统带来各种各样的危害，对人身安全与经济效益有着较为严重的影响。谐波所带来的危害已引起了越来越多的关注，不管是从供电系统正常工作、设备安全稳定运行的角度，还是从保证电力系统安全、可靠、经济运行的角度，对电力系统谐波污染的治理已成为急需解决的问题。

有源电力滤波器（APF）被公认为是谐波治理最为有力的工具，但是APF波形控制技术一直是 PWM 逆变器领域研究的难点和热点，各种控制理论在逆变器上都有所应用，常见的控制方案有 PID 控制、模糊控制、无差拍控制、重复控制、状态反馈控制等。它们在各自领域解决了某些控制问题，但同样具有各种相应的局限性。且由于PWM逆变器本质上是非线性和不确定性的，当前的所提的波形控制技术并没有很好兼顾系统的鲁棒性以及跟踪波形的动态响应和稳态响应。

发明内容

本发明的目的是：提供一种基于模糊神经网络PID的有源电力滤波器控制方法，科学有效治理电网谐波这一困扰电网电能质量的实际紧迫问题。

为了解决上述技术问题，本发明所采用的技术方案是该控制方法包括以下步骤：

步骤一，根据电力电子学，建立APF的逆变器的非线性动力学模型；

步骤二，根据步骤一建立的非线性动力学模型，设计电流控制回路的PID控制器；

步骤三，设计模糊神经网络补偿控制器，用以提高逆变器电流控制回路的动态响应；

步骤四，采用PI算法，设计逆变器的电压回路控制器，解算出逆变器输出电流所需跟踪的参考电流值。

其中，步骤一中逆变器的非线性动力学模型为：

其中，，为a，b，c三相电流转换至d，q 坐标下的电流；，为旋转坐标系下的调制系数；，为旋转坐标系下电网电压；，为逆变器交流侧的电感和等效电阻；， 分别表示逆变器直流侧的电容及其电压，为工频，表示时间；上述非线性动力学模型表示为如下：

其中，，，

，， 表示转置，，。

其中，步骤二中电流控制回路的PID控制器设计如下：

，其中：，为控制器参数，，为参考电流值。

其中，步骤三中电流控制回路的模糊神经网络补偿控制器设计如下：

设定，为模糊神经网络的输入，补偿控制器的输出为模糊神经网络的输出，所设计的模糊神经网络的模糊规则定义如下：

其中和为模糊神经网络的输入所对应的模糊集，为Then部分的零阶函数，其中，为隶属度函数的个数，模糊神经网络的输入输出的映射关系写成如下：

第1层：定义隶属度函数如下：

其中和分别是隶属函数的平均值和标准偏差，这些参数在模糊神经网络是可调的；

第2层：节点函数定义如下：

第3层：每个节点的归一化被定义如下：

第4层：在此层中的每个节点的输出写成如下：

 

第5层：整个模糊神经网络的输出写成如下：

于是结合PID和模糊补偿控制器，得到逆变器电流控制回路控制器的输出为：

利用滑模理论定义滑模面如下：

设计模糊补偿控制器的参数调节规律如下：

其中：Sgn为开关函数，为学习率，是由构成的权值矩阵，，和被定义为：

。

其中，步骤四中采用PI算法，设计逆变器的电压回路控制器如下：

式中：，为PI控制器增益，为设定的电压参考轨迹，为逆变器的输出电压，为计算得到的电流参考值，，为初始和终止时间。