[发明专利]基于神经网络的有源电力滤波器非线性预测控制方法

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非线性预测控制方法，具体方法如下：S1：建立有源电力滤波器动力学方程；S2：基于RBF神经网络建立有源电力滤波器的预测模型；S3：选择目标函数；S4：使用随机梯度法求解目标函数，即可得到最优控制序列,将得到的最优控制序列代入S2中的预测模型中，即可得到最优预测输出。本发明在模型预测控制算法中引入状态和控制输入的物理约束，避免出现饱和现象，降低控制性能，提高了有源电力滤波器的滤波性能；并且采用扩展卡尔曼滤波算法更新神经网络参数，避免固定参数降低模型逼近精度，进一步提高模型预测控制算法的准确性和鲁棒性。

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非线性预测控制方法，属于有源电力滤波器控制技术领域。

背景技术

随着大量电力电子设备在电力系统、通讯系统、航空航天、计算机系统、运输系统、家庭使用、一般工业等各个领域的投入使用，用电端含有非线性负载的用电设备加入电网，使电网中涌入大量谐波，电能质量下降。电能质量严重下降可导致电网中电源电压的波动和闪变、电流波形失真，使电能在发、输、配、用过程中的效率降低，进而影响到生活生产用电安全和整个电力系统的安全稳定运行。提高电能质量保证用电安全的谐波治理问题愈发受到重视。有源电力滤波器是目前应用于谐波治理问题的有效且便捷的电力电子装置。

目前虽然已有相关研究成果将各种先进控制方法应用到有源电力滤波器的控制当中，但是这些先进方法大多是基于连续系统所设计的，而在实际应用中，有源电力滤波器都是采用数字控制实现的，必须设计离散控制器才能最大程度的提高有源电力滤波器的工作性能。

由此可见，上述现有的有源电力滤波器在使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。

发明内容

为解决现有的技术问题，本发明提供一种基于神经网络的有源电力滤波器非线性预测控制方法，改善系统的动静态性能，提高滤波能力。

本发明中主要采用的技术方案为：

一种基于神经网络的有源电力滤波器非线性预测控制方法，具体方法如下：

S1：建立有源电力滤波器动力学方程；

S2：基于RBF神经网络建立有源电力滤波器的预测模型；

S3：选择目标函数J(x,u,t)；

S4：使用随机梯度法求解目标函数，即可得到最优控制序列,将得到的最优控制序列代入S2中的预测模型中，即可得到最优预测输出。

优选地，所述S1的具体步骤如下：

S1-1:根据电路理论和基尔霍夫电压定律可以得到公式(1)：

其中，H为集总不确定性，i_c为滤波器输出补偿电流；R为等效电阻；L为交流侧电抗器；U_s为电网电压；U_dc为直流侧电容电压；d指示IGBT的工作状态，定义如公式(2)所示：

S1-2:为了实现谐波抑制，设计一个控制器使滤波器输出补偿电流i_c跟踪上指令信号设i_c＝x(t)，d＝u(x(t),t)，则将公式(1)描述为以下含状态和输出的系统状态空间方程：

其中，t是时间，x(t)为不同时间t对应的输入电流，函数f_c()是具有状态和输入向量的非线性有界函数；

S1-3:考虑到大多数工程应用采用数字控制器实现有源电力滤波器控制系统，对公式(3)经行离散化处理，令kT_s≤t(k+1)T_s，经离散化后得到源电力滤波器动力学方程，如公式(4)所示：