[发明专利]一种基于人工神经网络的静态无功补偿器电压调节方法

说明书

一种基于人工神经网络的静态无功补偿器电压调节方法，包括以下步骤：数据采集，建立神经网络模型，训练好的人工神经网络ANN接入控制器，控制NCBF和α角，实现静态无功静止补偿SVC；静态无功静止补偿器SVC通过电压调节维持耦合处电压的稳定性。本发明采用的人工神经网络包含两个隐含层，且能够通过数据的训练得出两个隐含层中最佳匹配的神经元个数，形成最佳神经网络结构。将最佳的ANN控制应用于控制系统中，输入未调节的电压V_PCC，输出NCBF和α用来直接控制SVC。本发明所提出的方法具有操作简单，准确性高，响应速度快，易于实施等优点，在提高耦合点处的电压稳定性的同时还能减小系统的总谐波失真(THD)。

技术领域

本发明属于微电网控制领域，具体涉及一种维持公共连接点电压稳定性的控制，尤其是一种基于人工神经网络的静态无功补偿器电压调节方法。

背景技术

随着电网中的非线性、不平衡负载和分布式发电系统的接入，电网中电压波动以及电压不平衡等电能质量问题日益严重，给电力系带来了不利影响，电能质量的控制刻不容缓。静态无功补偿器(SVC)是一种重要的电力装置，当电压变化时SVC能快速、平滑地调节，以满足动态无功补偿的需要，同时还能做到分相补偿。但是，SVC在使用过程中会产生高次谐波，此外电容组切换过程中或出现的干扰会降低电能质量和损坏其他电子器件，这些问题限制了SVC的应用。

查阅相关文献如下：

发明专利《一种动态无功补偿系统积极控制方法》，授权公告号CN101420128B。其中提出的控制系统包括由三相电压型逆变器和电感器组成的STATCOM(静止同步补偿器)、作为离散子系统的晶闸管投切电容器和电感器组成。根据其给定的参考电流通过人工神经网络产生PWM信号来控制执行级的电压型逆变器，从而来完成母线电网电压的无功补偿。该发明使用电子元器件较多，易于产生畸变，控制过程复杂，不易操作，与本发明有本质的区别。本发明是利用训练完成的人工神经网络直接控制仅由一个单相晶闸管相控电抗器(TCR)和三个具有附加滤波功能的开关电容组(CBF)组成的SVC，操作简单，灵活性高，同时还能减少系统的谐波总失真(THD)。

发明专利《一种有谐波抑制功能的分散式发电无功补偿装置及方法》，申请公布号CN103219733A。其中提出的控制方法是利用由锁相环电路模块和脉冲发生模块组成的集中控制单元，输出PWM信号和触发脉冲信号控制无功补偿器。控制过程复杂，使用了较多的电子元器件易生成杂波。这与本发明有本质的区别，本发明是利用训练完成的人工神经网络直接控制仅由晶闸管相控电抗器(TCR)和三个具有附加滤波功能的开关电容组(CBF)组成的SVC，控制过程简单，较少使用电子元器件，提高控制器的稳定性。

发明专利《配电静止无功发生器的多变量控制方法》，授权公告号CN100466413C。其中提出的通过利用两个神经网络分别调节两个PID控制器参数，得到调制系数和相位差，作为静止无功发生器(SVG)的开关信号。该控制过程复杂，且与本发明由本质的区别。本发明是利用一个训练完成的人工神经网络直接控制仅由一个单相晶闸管相控电抗器(TCR)和三个具有附加滤波功能的开关电容组(CBF)组成的SVC，控制过程简单，易于操作。

发明专利《一种静止无功补偿器的不平衡补偿和蚁群优化方法》，授权公告号CN100585977C。其中提出的控制方法是基于蚁群算法优化PI控制器的参数，对K_P、K_i适时调整、寻优。蚁群算法计算量大，且在实际操作中不予寻找到最优路线，这与本发明由本质的区别。本发明采用的是人工神经网络方法，响应快，准确性高，易于实施。

戴元海在文章《基于模糊-PI控制的SVC电压控制器的设计与实现[J]》(测控技术，2009,，28(9)：45-48)中提出了一种基于模糊-PI控制的SVC的电压控制器设计方法。文章中所采用的方法与本发明有本质的区别，本发明采用人工神经网络控制SVC，响应快，准确性高，易于实施。