[发明专利]基于神经网络的有源电力滤波器分数阶滑模控制方法、系统及存储介质

权利要求书

1.一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，包括如下步骤：

S1、根据有源电力滤波器的控制模型设计对应的分数阶滑模模型，获得控制律；

S2、基于控制律构建双反馈模糊双隐层递归神经网络模型，获得最优等效控制项；

S3、根据最优等效控制项获得最优控制律，控制有源电力滤波器；

在步骤S2中，双反馈模糊双隐层递归神经网络模型的神经网络结构如下：

第一层：输入层，用于传递神经网络输入信号；

输入层的第i个节点的输出为：

其中，表示输入层的第i个节点的输出，x_i为输入信号，即为补偿电流及其一阶导数和二阶导数、跟踪误差及其一阶导数和二阶导数构成的向量，exY表示前一时刻双反馈模糊双隐层递归神经网络的输出，W_ri为第一输入层的第i个节点的外反馈权值，i＝1,2,…,k，k为第一输入层的节点总数；

第二层：模糊化层，用于利用高斯函数处理输入层输入的信号，实现模糊化操作；

模糊化层中第j个节点的输出为：

其中，表示模糊化层第ij个节点的输出，表示输入层第i个节点对应的第j个高斯函数，r_ij为输入层第i个节点对应的第j个高斯函数的内反馈权值，为输入层第i个节点对应的第j个高斯函数的中心向量，为输入层第i个节点对应的第j个高斯函数的基宽向量，j＝1,2,…,L，L为模糊化层的高斯函数总数；

第三层：规则层，用于对模糊化层输出的信号进行模糊规则预处理；

第四层：第一隐含层，用于利用非线性激活函数处理输入层输入的信号，进行特征初步提取；

第五层：第二隐含层，用于利用非线性激活函数处理第一隐含层输出的信号，再次进行特征提取；

第六层：结果层，用于对规则层输出的信号和第二隐含层输出的信号进行乘法操作；

第七层：输出层，用于对结果层输出的信号进行加权求和处理，获得双反馈模糊双隐层递归神经网络的输出，并将当前时刻的输出作为下一时刻双反馈模糊双隐层递归神经网络的输入；

在步骤S2中，最优等效控制项的表达式如下：

其中，W^*为结果层的最佳权值向量，G^*为最优等效控制项对应的神经网络结果层的输出向量；

则等效控制项u_eq的表达式如下：

其中，Y为双反馈模糊双隐层递归神经网络的输出，ε为和u_eq的误差，分别为最优等效控制项对应的最佳参数，为最佳外反馈权值向量，M^*为模糊化层高斯函数的最佳中心向量，σ^*为模糊化层高斯函数的最佳基宽向量，为第一隐含层非线性激活函数的最佳中心向量，为第一隐含层非线性激活函数的最佳基宽向量，为第二隐含层非线性激活函数的最佳中心向量，为第二隐含层非线性激活函数的最佳基宽向量，R^*为最佳内反馈权值向量。

2.根据权利要求1所述的一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，所述有源电力滤波器的控制模型的方程表示如下：

其中，x为补偿电流i_c，为x的二阶导数，R为交流侧电阻值，L为交流侧的等效电感，U_s为电源电压，为U_s的一阶导数，U_dc为直流链路电压，为U_dc的一阶导数，u为控制律，d(t)为连续可微的外部未知外部扰动之和，0＜d(t)＜D，D为d(t)的上界。