[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

说明书

本发明公开了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及系统，旨在解决现有技术中有源电力滤波器控制的稳定性、可靠性不足的技术问题。其包括：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；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；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。本发明能够快速准确的进行电流补偿，具有良好的可靠性和稳定性。

技术领域

本发明涉及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、系统及存储介质，属于有源电力滤波器智能控制技术领域。

背景技术

在科学技术发展迅速的当下，电力电子设备的应用在电力系统中愈发的广泛，在此过程中，大量的电力电子设备会导致电力系统中的非线性负载逐渐增大，也带来了很大程度上的谐波污染。者不仅会逐渐加大电力系统的安全隐患，谐波还会造成电能的浪费，增加损耗，影响电气设备的正常运行，因此谐波治理近年来受到了越来越广泛的关注。

在谐波治理的初期，许多常规的方法比如PID控制还能在一定程度上满足电网需求，但是，如今这些常规方法已经难以发挥良好的效果，在谐波治理的手段中，有源电力滤波器作为其中最为有效的方法，在谐波治理中起着举足轻重的作用。

目前，国内外针对有源电力滤波器的控制方法大多因人而异，没有规范，其稳定性和可靠性无法保证，将智能控制与有源滤波器相结合来提升有源滤波器控制效果已经成为了大势所趋。

发明内容

为了解决现有技术中有源电力滤波器控制的稳定性、可靠性不足的问题，本发明提出了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、系统及存储介质，利用神经网络处理非线性项的能力逼近等效控制项，令系统对模型精度的要求不需要太高，能够快速准确的进行电流补偿。

为解决上述技术问题，本发明采用了如下技术手段：

第一方面，本发明提出了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，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。

结合第一方面，进一步的，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。

结合第一方面，进一步的，分数阶滑模模型的构建方法包括如下步骤：

定义分数阶滑模面：

其中，s为滑模面，c为滑模系数，e为跟踪误差，e＝x-x_r，x_r为参考电流，α为分数阶滑模阶数；

根据分数阶滑模面获得有源电力滤波器的控制律：

u＝u_eq+u_sw (3)

其中，u_eq为等效控制项，u_sw为切换控制项；

切换控制项u_sw的表达式如下：