電網(wǎng)諧波電流信號跟蹤控制方法
【專利摘要】本發(fā)明提供了一種電網(wǎng)諧波電流信號跟蹤控制方法，針對控制延時對系統(tǒng)產(chǎn)生的影響，以注入式混合的有源電力濾波器IHAPF作為研究對象，提出了基于延時補(bǔ)償?shù)闹C波電流信號跟蹤控制方法。該方法主要由改進(jìn)型smith預(yù)估器與神經(jīng)網(wǎng)絡(luò)PI控制組成。其中，改進(jìn)型smith預(yù)估器使系統(tǒng)的延時過程從控制的閉環(huán)內(nèi)部轉(zhuǎn)換到外部，從而減小控制延時對系統(tǒng)的影響。
【專利說明】
電網(wǎng)諧波電流信號跟蹤控制方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及一種電網(wǎng)諧波電流信號跟蹤控制方法。
【背景技術(shù)】
[0002] 隨著電力電子設(shè)備在配電網(wǎng)中廣泛使用，企業(yè)配電網(wǎng)中的諧波污染問題日益嚴(yán) 重，每年給企業(yè)經(jīng)濟(jì)造成了巨大損失。而無源濾波器只能對各次諧波進(jìn)行濾除，且易與電網(wǎng) 產(chǎn)生諧振，已不能滿足對諧波抑制的要求。有源濾波器也是抑制諧波的一種重要手段，其原 理是從需要補(bǔ)償?shù)哪繕?biāo)中尋找到諧波電流，再由補(bǔ)償設(shè)備生成一個與該諧波大小相等而極 性反相的補(bǔ)償電流與諧波電流相互抵消。有源濾波器能夠?qū)Ω鞔沃C波進(jìn)行動態(tài)補(bǔ)償，且響 應(yīng)周期短，從而在電網(wǎng)諧波濾除中得到廣泛應(yīng)用。但有源濾波器也存在容量小、結(jié)構(gòu)復(fù)雜以 及使用成本過高等缺點(diǎn)，為此很少單獨(dú)在配電網(wǎng)中使用。因此，通常情況下使用有源電力濾 波器與無源電力濾波器相互結(jié)合組成混合型有源電力濾波器，從而實(shí)現(xiàn)諧波濾除的目的。
[0003] 在有源電力濾波器中對電流精確跟蹤控制直接影響了濾波器整體性能，而評價系 統(tǒng)性能的兩個指標(biāo)是系統(tǒng)響應(yīng)速度和穩(wěn)態(tài)補(bǔ)償精度，針對提高濾波器性能廣大學(xué)者提出了 眾多方法。目前有源濾波設(shè)備多采用數(shù)字化的控制器，實(shí)現(xiàn)比較靈活，但存在延時現(xiàn)象，對 濾波器性能造成了嚴(yán)重影響，對于混合型有源濾波器由于其結(jié)構(gòu)特殊，延時對其影響相比 于單獨(dú)的有源濾波器更為嚴(yán)重。Smith預(yù)估控制隨著計算機(jī)的不斷發(fā)展，已經(jīng)成為解決工業(yè) 延時滯后的有效方法之一，simth預(yù)估計具有對設(shè)定值的改變響應(yīng)速度快，跟蹤精度高等優(yōu) 點(diǎn)。但是，Smith預(yù)估器對被控對象的數(shù)學(xué)模型要求較高，這一點(diǎn)在工程應(yīng)用中比較難實(shí)現(xiàn)， 此外傳統(tǒng)的Smith預(yù)估器受到參數(shù)的限制無法使系統(tǒng)趨于穩(wěn)定。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的主要技術(shù)問題是提供一種電網(wǎng)諧波電流信號跟蹤控制方法，主 要由3T補(bǔ)償smith預(yù)估器與由PS0-BP神經(jīng)網(wǎng)絡(luò)對參數(shù)進(jìn)行優(yōu)化的PI控制器組成。31補(bǔ)償smith 預(yù)估器使系統(tǒng)延時過程中從控制的閉環(huán)內(nèi)部轉(zhuǎn)換到外部，從而減小控制延時對系統(tǒng)的影 響。
[0005] 為了解決上述的技術(shù)問題，本發(fā)明提供了一種電網(wǎng)諧波電流信號跟蹤控制方法， 包括如下依序步驟：
[0006] 1)將電網(wǎng)中諧波電流ih經(jīng)過l/G〇轉(zhuǎn)變?yōu)橹C波電壓信號Uh;所述Go為逆變器的輸入 電流i。和輸出電壓U。之間的傳遞函數(shù)；
[0007] 2)以所述諧波電壓信號Uh為控制目標(biāo)，將所述諧波電壓信號Uh經(jīng)過改進(jìn)的Smith預(yù) 估器和逆變器;所述改進(jìn)的Smith預(yù)估器包括由PS0-BP神經(jīng)網(wǎng)絡(luò)對參數(shù)進(jìn)行優(yōu)化的PI控制 器與一個31補(bǔ)償Smith預(yù)估器;并滿足如下關(guān)系式：
[0009] 其中，Ue為諧波電壓信號Uh與逆變器輸出電壓Uc的差值;g⑴分別為 PS0- BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PI控制器的傳遞函數(shù)、辨識后的逆變器傳遞函數(shù);d為過渡量;u為PI控制 器輸出電壓信號；
[0010] 從而可得逆變器的輸出電壓Uc與諧波電壓信號Uh兩者之間的傳遞函數(shù)為：
[0012] 所述由PS0-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PI控制器的算法流程如下：
[0013] 1)根據(jù)注入式混合的有源電力濾波器的具體運(yùn)行狀態(tài)，結(jié)合神經(jīng)網(wǎng)絡(luò)輸入、輸出 樣本集，建立神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，將神經(jīng)元之間所有的連接權(quán)值和閾值編碼成實(shí)數(shù)向量 表示種群中的個體粒子；
[0014] 2)初始化粒子的初始位置、速度、慣性系數(shù)w，學(xué)習(xí)因子(^、(^^(^、(^，，規(guī)定最大 迭代次數(shù)；
[0015] 3)根據(jù)輸入、輸出樣本，利用BP網(wǎng)絡(luò)的前向算法
[0016] A u(t) =kp(ue(t)-Ue(t-l) )+kiUe(t)
[0017] 以及粒子群算法尋優(yōu)誤差函數(shù)
[0019]計算出每個粒子適應(yīng)度函數(shù)值，并將每個粒子的最好位置作為其歷史最佳位置， 開始迭代；
[0020]其中，輸出節(jié)點(diǎn)分別對應(yīng)PI控制器中的參數(shù)kP、ki;
[0021 ] 4)利用PS0-BP算法的4個迭代公式
[0022] A wij(t) = (w-1) (wij(t)-wij( t-1) )+r7 ic7 i(wij(b)-wij(t) )+r7 2C22(wij(B)-Wij (t))
[0023] A wii(t) = (w-1) (wii(t)-wn(t-l) )+rici(wii(b)-wn(t) )+r2C2(wn(B)-wn(t))
[0024] V，^'^ + ^ ^ + (H，'_ h^!{1 ~ 〇) +M.b)~ m/, W) iy'i M8)-wiM)) +0 = ?i2)(0++1)+(u，- O^2'^)- - Oj + 1 (uv, (p)~ (0)+ (?', iB)~ uv (0)
[0026]式中，w為慣性系數(shù)，^2和，為0-1的隨機(jī)數(shù)，b是粒子本身目前所找到的最 優(yōu)解的節(jié)點(diǎn)，稱為個體極值點(diǎn)，B是整個種群目前所找到的最優(yōu)解的節(jié)點(diǎn)，稱為全局極值點(diǎn)；
sgn(x)為符號函數(shù)，0為學(xué)習(xí)步長；
[0029]對粒子的速度和位置進(jìn)行更新，搜索出粒子最佳位置。
[0030]檢驗(yàn)符合結(jié)束條件，當(dāng)前位置或最大迭代次數(shù)達(dá)到預(yù)定的誤差要求時，則停止迭 代，輸出神經(jīng)網(wǎng)絡(luò)的最終權(quán)值和閾值，即PI控制器的參數(shù)kP、ki;
[0031 ] 辨識后的逆變器傳遞函數(shù)表達(dá)式如下：
[0033] 所述PS0-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PI控制器的傳遞函數(shù)表達(dá)式如下：
[0035]其中，匕為控制器增益，Ti為控制器積分時間。
[0036] 從而得到：
[0038]以ITAE為準(zhǔn)則的二階最佳極點(diǎn)方程為
[0039] s1 + 2wn^ + wl = 0
[0040] 其中，亀為無阻尼振蕩的頻率，|為阻尼比;選定Wn的工程方法是根據(jù)所要求的閉環(huán) 響應(yīng)的過渡時間tr，有：
[0042] 可以得到逆變器的傳遞函數(shù)和PI控制器中參數(shù)之間的數(shù)學(xué)表達(dá)式，為：
[0045] 相較于現(xiàn)有技術(shù)，本發(fā)明的技術(shù)方案具備以下有益效果：
[0046] 本發(fā)明提供的一種基于延時補(bǔ)償?shù)碾娋W(wǎng)諧波電流信號跟蹤控制方法，主要由31補(bǔ) 償smith預(yù)估器與由PS0-BP神經(jīng)網(wǎng)絡(luò)對參數(shù)進(jìn)行優(yōu)化的PI控制器組成。31補(bǔ)償smith預(yù)估器 使系統(tǒng)延時過程中從控制的閉環(huán)內(nèi)部轉(zhuǎn)換到外部，從而減小控制延時對系統(tǒng)的影響。通過 PS0-BP算法對PI控制器參數(shù)進(jìn)行優(yōu)化處理。由ITAE準(zhǔn)則建立smith預(yù)估器與PI控制參數(shù)之 間的數(shù)學(xué)表達(dá)式，由此關(guān)系和神經(jīng)網(wǎng)絡(luò)優(yōu)化的方法得到兩種控制器的最優(yōu)參數(shù)。最后對本 文提出的方法進(jìn)行了仿真驗(yàn)證，仿真結(jié)果表明與傳統(tǒng)方法相比本文方法具有更好動態(tài)響應(yīng) 特性和更高的穩(wěn)態(tài)補(bǔ)償精度。
【附圖說明】
[0047]圖1為IHAPF的結(jié)構(gòu)示意圖；
[0048]圖2為IHAPF的諧波單相等效電路；
[0049] 圖3為傳統(tǒng)的諧波電流控制方法；
[0050] 圖4為改進(jìn)后的諧波電壓控制方法；
[0051]圖5本發(fā)明優(yōu)選實(shí)施例的跟蹤控制框圖；
[0052]圖6為傳統(tǒng)PI控制算法下的補(bǔ)償仿真波形圖；
[0053]圖7為本發(fā)明優(yōu)選實(shí)施例的補(bǔ)償仿真波形圖；
[0054] 圖8未采用本發(fā)明算法的電流波形圖；
[0055] 圖9為采用了本發(fā)明算法的電流波形圖。
【具體實(shí)施方式】
[0056] 以下結(jié)合附圖及實(shí)施例對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)說明。
[0057] IHAPF結(jié)構(gòu)如圖1所示，主要由無功補(bǔ)償電容器、基波諧振支路、電壓型逆變器、不 可控整流電路等組成。
[0058]如圖2所示的IHAPF的諧波單相等效電路，負(fù)載被看作諧波電流源ih，uc、ic分別為 逆變器的輸出電壓與輸入電流，i s為電網(wǎng)中諧波電流。
[0059] 為了對圖2中的諧波電流進(jìn)行濾除，可將逆變器中的輸出電流控制為：
[0060] ic = -ih (1)
[0061 ] 則有
[0062] is = 〇 (2)
[0063] 傳統(tǒng)的電流控制方法如圖3所示，其中Go為與之間的傳遞函數(shù)，控制器采用傳 統(tǒng)的PI控制方法進(jìn)行控制。
[0064]由圖2,傳遞函數(shù)Go可表示為：
(3)
[0066]結(jié)合式(1)、（2)、（3)可得：
(4)
[0069] 其中Uh為負(fù)載的諧波電流ih經(jīng)過傳遞函數(shù)l/Go輸出的電壓信號一一諧波電壓信 號。
[0070] 由于傳遞函數(shù)Go階數(shù)較高，在極點(diǎn)配置上比較難實(shí)現(xiàn)。因此本文結(jié)合(4)式將諧波 電壓信號作為控制目標(biāo)，并考慮到IHAPF系統(tǒng)中存在延時現(xiàn)象從而影響了電流跟蹤控制，則 (5) 實(shí)際的電壓信號跟蹤控制框圖如圖4所示。
[0071]圖4中，uc、-uh之間的傳遞函數(shù)為：
[0073] 式中，y為IHAPF系統(tǒng)的控制延時，Gc(s)為傳遞函數(shù)，GP(s)為電壓型逆變器的傳遞 函數(shù)。由式(5)可以看出在方程中包含了延時項(xiàng)，此延時項(xiàng)會對系統(tǒng)的穩(wěn)定性與控制性能造 成影響。
[0074] 因此，本實(shí)施例針對延時對IHAPF系統(tǒng)的控制能夠產(chǎn)生影響，提出了 一種基于改進(jìn) 的Smith預(yù)估器電流補(bǔ)償方案?？刂瓶驁D如圖5所示，改進(jìn)的Smith預(yù)估器主要由PS0-BP神經(jīng) 網(wǎng)絡(luò)對參數(shù)進(jìn)行優(yōu)化的PI控制器與一個補(bǔ)償Smith預(yù)估器組成。
[0075] 由圖5可以得到如下關(guān)系式： (ue-d)G*c(s) = u
[0076] ue^G；{s)e^ (6)
[0077]綜合(6)式，可以簡化得： j "G;; (.s')(1 - e。M 。。78 丨《 y 卡;(，))丨 (7)
[0079] 由上式可得：
[0080] ?/,^：(.v) = ?(^(G；；(.v)) ' +?(^G；(,v) ( 8 )
[0081] 從而可得逆變器的輸出電壓u。與參考電壓信號uh兩者之間的傳遞函數(shù)為：
(9 )
[0083]由上式可以看出，在閉環(huán)系統(tǒng)的特征方程中，既不包含（"也不包含eT'說明該系 統(tǒng)能夠有效的消除延時對系統(tǒng)造成的不良影響。而在上式分子部分有e^s，表明Uc比Uh滯后 了 I從而與諧波的電壓信號大小相等、極性相反，起到了式(4)的控制效果。
[0084] PS0-BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)就是通過改進(jìn)粒子群算法的種群搜索功能對BP神經(jīng)網(wǎng)絡(luò)的 權(quán)值與閾值進(jìn)行配置，使其達(dá)到最優(yōu)。
[0085]該算法具有自適應(yīng)學(xué)習(xí)、并行分布處理和較強(qiáng)的魯棒性和容錯性等特點(diǎn)，而且具 有更好的收斂速度和泛化能力，防止其陷入局部最優(yōu)值，較之傳統(tǒng)方法優(yōu)化PI控制器參數(shù) 有著更好的控制效果，因此，本文根據(jù)IHAPF的具體運(yùn)行狀態(tài)，選擇神經(jīng)網(wǎng)絡(luò)的輸入層為3個 節(jié)點(diǎn)，隱含層為5個節(jié)點(diǎn)，輸出層為2個節(jié)點(diǎn)。
[0086]網(wǎng)絡(luò)的輸入層輸入為：
[0087] -v';!1(/) = .v/(/ = 1,2,3) (]〇)
[0088]輸入層3個節(jié)點(diǎn)分別對應(yīng)于IHAPE系統(tǒng)中的指令諧波電壓Uh，逆變器實(shí)際輸出電壓 Uc以及兩者之間的差值Ue，X(1)(t)為輸入層樣本集，t為網(wǎng)絡(luò)的訓(xùn)練次數(shù)，也稱學(xué)習(xí)增益，下 文中亦是此含義。
[0089]網(wǎng)絡(luò)隱含層的輸入以及輸出為
[0090] ?^2l(〇 = S'it2l-V/,〇,'3!(^)= /'(/?t/；-!(r))(/ = i,2,...,5) M (11)
[0091] 其中Mf為輸入層到隱含層的連接權(quán)值，net(2)(t)為隱含層輸入樣本集，0(2)(t)為 隱含層輸出樣本集，f(x)為激勵函數(shù)，采用正負(fù)對稱的Sigmoid函數(shù)為：
(12)
[0093]同理，網(wǎng)絡(luò)輸出層的輸入以及輸出為：
[0094] net)"\t} = ^ '(/), 〇f](t) = g(netf](t%l = 1,2) 碼 (13)
[。。95] 〇；."(/)=/~，吸)(/)= < (14)
[0096]其中uf為隱含層到輸出層的連接權(quán)值，net(3)(t)為輸出層輸入樣本集，0(3)(t)為 輸出層層輸出樣本集，g(x)為激勵函數(shù)，采用非負(fù)的Sigmoid函數(shù)為：
(15):
[0098]式中，輸出節(jié)點(diǎn)分別對應(yīng)PI控制器中的參數(shù)kP、ki;
[0099] PI控制器的控制輸出為
[0100] A u(t) =kp(ue(t)-Ue(t-l) )+kiUe(t) (16)
[0101] 其中 Ue = -UhHc。
[0102] 粒子群算法尋優(yōu)誤差函數(shù)為
(17 )
[0104] 本文在傳統(tǒng)的BP算法的基礎(chǔ)上，引入粒子群算法對網(wǎng)絡(luò)權(quán)值調(diào)整進(jìn)行了改進(jìn)，最 終使得PI控制器參數(shù)kP、k^確定得到優(yōu)化。輸入層到隱含層以及隱含層到輸出層的網(wǎng)絡(luò)權(quán) 值的修正量分別為：
[0105] A wij(t) = (w-1) (wij(t)-wij(t-l) )+r7 ic7 i(wij(b)-wij(t) )+r7 2c7 2(wij(B)-Wij (t)) (18)
[0106] A wii(t) = (w-l)(wii(t)-wii(t-l))+rici(wii(b)-wii(t))+r2C2(wii(B)-wii(t)) (19)
[0107] 式中，w為慣性系數(shù)，C1、(32和(/ i、(/ 2為群體認(rèn)知系數(shù)，也稱為學(xué)習(xí)因子，n adPr 'i、，2為0-1的隨機(jī)數(shù)，b是粒子本身目前所找到的最優(yōu)解的節(jié)點(diǎn)，稱為個體極值點(diǎn)，B是整個 種群目前所找到的最優(yōu)解的節(jié)點(diǎn)，稱為全局極值點(diǎn)。
[0108]傳統(tǒng)BP算法采用誤差反向傳播來調(diào)整連接權(quán)值，按照梯度下降法進(jìn)行修正，在此 算法的基礎(chǔ)上結(jié)合式（18)、（ 19)，即得到PS0-BP權(quán)值修正算法：
[0109] )(，+ C + 0+ (1V- '心)-- 0) + /]c,(b)- wb(f)) + r2c2{wh[b]- wu(/)) ( 2〇 )
[0110] 其4Sgn(x)為符號函數(shù)，e為學(xué)習(xí)步長。
， Jy\t + l) = j3d\2)xll\t +1)+ (w-wf{t -1))
[0111] +^(u}/(^)-uv(〇)+^-：(u}/( 5)-u//(/)) ( 21 )
[0112] 其中礦)=/(射尸(，))i>)M3)(，）偽學(xué)習(xí)步長。 .，
[0113] 改進(jìn)型PSO-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化PI控制器的算法流程如下：
[0114]根據(jù)IHAPF的具體運(yùn)行狀態(tài)，結(jié)合神經(jīng)網(wǎng)絡(luò)輸入、輸出樣本集，建立神經(jīng)網(wǎng)絡(luò)的預(yù) 測模型，將神經(jīng)元之間所有的連接權(quán)值和閾值編碼成實(shí)數(shù)向量表示種群中的個體粒子。 [0115]初始化粒子的初始位置、速度、慣性系數(shù)w，學(xué)習(xí)因子(^、(^和"^"^規(guī)定最大迭 代次數(shù)等。
[0116] 根據(jù)輸入、輸出樣本，利用BP網(wǎng)絡(luò)的前向算法（16)和粒子群算法尋優(yōu)誤差函數(shù) (17)計算出每個粒子適應(yīng)度函數(shù)值，并將每個粒子的最好位置作為其歷史最佳位置，開始 迭代。
[0117] 利用PS0-BP算法的4個迭代公式（18)、（19)、（20)、（21)式對粒子的速度和位置進(jìn) 行更新，搜索出粒子最佳位置。
[0118] 檢驗(yàn)符合結(jié)束條件，當(dāng)前位置或最大迭代次數(shù)達(dá)到預(yù)定的誤差要求時，則停止迭 代，輸出神經(jīng)網(wǎng)絡(luò)的最終權(quán)值和閾值，即PI控制器的參數(shù)k P、lu，否則轉(zhuǎn)至3執(zhí)行。
[0119] JT補(bǔ)償smith預(yù)估器參數(shù)是不可知的，本文利用ITAE準(zhǔn)則建立JT補(bǔ)償smith預(yù)估器參 數(shù)與PI控制器參數(shù)之間的關(guān)系表達(dá)式，從而實(shí)現(xiàn)參數(shù)的有效辨識。
[0120] 對電壓型逆變器進(jìn)行建模后得到表達(dá)式：
(22):
[0122] 式中，kirw為傳遞函數(shù)的過程增益常數(shù)，Tirw為慣性常數(shù)。
[0123] 因 IHAPF的延時性，被控對象的傳遞函數(shù)為：
(23)
[0125] 本文通過改進(jìn)PS0-BP神經(jīng)網(wǎng)絡(luò)方法優(yōu)化處理PI控制器的參數(shù)，得到經(jīng)改進(jìn)后的PI 控制器傳遞函數(shù)，表達(dá)式如下：
(24 )
[0127] 其中，匕為控制器增益，Ti為控制器積分時間。
[0128] 將式(23)、（ 24)代入到式(9)中可得： (25)
[0130]以ITAE為準(zhǔn)則的二階最佳極點(diǎn)方程為
[0131] s2. + :2:w"|s. + = 0 (26)
[0132] 其中，Wn為無阻尼振蕩的頻率，〖為阻尼比。其中選定Wn的工程方法[11]是根據(jù)所要 求的閉環(huán)響應(yīng)的過渡時間tr，有：
(27 )
[0134] 通過對比式（25)與（26)可以得到逆變器的傳遞函數(shù)和PI控制器中參數(shù)之間的數(shù) 學(xué)表達(dá)式，為：
(28 ) (29)
[0137] 通過式(28)、（29)可以得到電壓型逆變器的具體參數(shù)大小，從而實(shí)現(xiàn)smith預(yù)估器 模型的辨識。
[0138] 為了驗(yàn)證本文所提方法的有效性，將本文的方法應(yīng)用到IHAPF系統(tǒng)中并進(jìn)行了仿 真分析，并將本文所提算法與傳統(tǒng)PI算法進(jìn)行仿真對比，仿真參數(shù)為：電源電壓為AC380V/ 50HZ；
[0139] 等效電感Ls = ImH;注入電容Cf= 1 OOyF;基波支路的電感1^ = 40mH，電容Q = 249y F，品質(zhì)因數(shù)Q = 50;輸出濾波電感L〇 = 0.5mH，輸出濾波電容C〇 = 24.1yF，等效電阻R〇 = 0.09 Q 〇PS0-BP 算法中的參數(shù)為：加權(quán)因子w = 0 ? 4，c = 0.03，L = 0.03，ci = C2 = 2，c/i = c/2 = 1.4〇
[0140] 圖6-7為負(fù)載發(fā)生變化時采用不同方法下電流仿真波形，從圖中可以看出在Is時 負(fù)載發(fā)生變化，傳統(tǒng)的PI控制方法下電流經(jīng)過3.5個時間周期才能慢慢的趨于穩(wěn)定。而采用 本文的方法下僅需要1.5個時間周期電流波形便能趨于穩(wěn)定。
[0141] 為了進(jìn)一步證明本文所提算法的有效性，進(jìn)行了相關(guān)實(shí)驗(yàn)研究。圖8-9為采用本文 算法對電流補(bǔ)償前后的電流波形圖，由圖可以看出治理后的波形相比治理之前有了很大提 高，波形幾乎接近于正弦波形。
[0142] 以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種電網(wǎng)諧波電流信號跟蹤控制方法，其特征在于包括如下依序步驟： 1) 將電網(wǎng)中諧波電流ih經(jīng)過l/Go轉(zhuǎn)變?yōu)橹C波電壓信號Uh;所述Go為逆變器的輸入電流ic 和輸出電壓Uc之間的傳遞函數(shù)； 2) 以所述諧波電壓信號Uh為控制目標(biāo)，將所述諧波電壓信號Uh經(jīng)過改進(jìn)的Smith預(yù)估器 和逆變器;所述改進(jìn)的Smith預(yù)估器包括由PS0-BP神經(jīng)網(wǎng)絡(luò)對參數(shù)進(jìn)行優(yōu)化的PI控制器與 一個η補(bǔ)償Smith預(yù)估器;并滿足如下關(guān)系式：其中，Ue為諧波電壓信號Uh與逆變器輸出電壓Uc的差值；6·:? 分別為pso-bp神 經(jīng)網(wǎng)絡(luò)優(yōu)化的ΡΙ控制器的傳遞函數(shù)、辨識后的逆變器傳遞函數(shù);d為過渡量;U為ΡΙ控制器輸 出電壓信號； 從而可得逆變器的輸出電壓Uc與諧波電壓信號Uh兩者之間的傳遞函數(shù)為：
【文檔編號】H02J3/01GK105958493SQ201610395860
【公開日】2016年9月21日
【申請日】2016年6月6日
【發(fā)明人】莊建煌, 陳晶騰, 周靜, 王普專, 黃少敏, 李萌鋒, 王銳鳳, 陳炳貴, 陳永華
【申請人】國網(wǎng)福建省電力有限公司, 國家電網(wǎng)公司, 國網(wǎng)福建省電力有限公司莆田供電公司