日韩成人黄色,透逼一级毛片,狠狠躁天天躁中文字幕,久久久久久亚洲精品不卡,在线看国产美女毛片2019,黄片www.www,一级黄色毛a视频直播

一種電網(wǎng)諧波電流信號(hào)跟蹤控制方法

文檔序號(hào):10491430閱讀:420來源:國(guó)知局
一種電網(wǎng)諧波電流信號(hào)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(hào)跟蹤控制方法,針對(duì)控制延時(shí)對(duì)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(duì)象,提出了基于延時(shí)補(bǔ)償?shù)闹C波電流信號(hào)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(shí)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(shí)對(duì)系統(tǒng)的影響。
【專利說明】
一種電網(wǎng)諧波電流信號(hào)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(hào)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(duì)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(duì)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(gè)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(dòng)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(duì)電流精確跟蹤控制直接影響了濾波器整體性能,而評(píng)價(jià)系 統(tǒng)性能的兩個(gè)指標(biāo)是系統(tǒng)響應(yīng)速度和穩(wěn)態(tài)補(bǔ)償精度,針對(duì)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(shí)現(xiàn)象,對(duì) 濾波器性能造成了嚴(yán)重影響,對(duì)于混合型有源濾波器由于其結(jié)構(gòu)特殊,延時(shí)對(duì)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(jì)算機(jī)的不斷發(fā)展,已經(jīng)成為解決工業(yè) 延時(shí)滯后的有效方法之一,simth預(yù)估計(jì)具有對(duì)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(duì)被控對(duì)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(hào)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(duì)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(shí)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(shí)對(duì)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(hào)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(hào)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(hào)Uh為控制目標(biāo),將所述諧波電壓信號(hào)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(duì)參數(shù)進(jìn)行優(yōu)化的PI控制 器與一個(gè)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(hào)Uh與逆變器輸出電壓Uc的差值;G: :'(.v)、G〕(.v)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(shí)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(hào);
[0010] 從而可得逆變器的輸出電壓Uc與諧波電壓信號(hào)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(cè)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(gè)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(jì)算出每個(gè)粒子適應(yīng)度函數(shù)值,并將每個(gè)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(duì)應(yīng)PI控制器中的參數(shù)kP、ki;
[0021 ] 4)利用PS0-BP算法的4個(gè)迭代公式
[0022] A wij(t) = (w-1) (wij(t)-wij(t-l) )+r7 ic7 i(wij(b)-wij(t) )+r7 2c7 2(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)) _4] #(,+ 〇=€(,)+制 Y(…)十 -!- w/(. W)+ w/;(r)) rnn^l :,(^ + W+ 1 (r + 0+ ^U,- W- - 0! +(p)- (?0)+ Vi(u;.(5)- %(0)
[0026]式中,w為慣性系數(shù),mdPr/、以為o-l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(gè)體極值點(diǎn),B是整個(gè)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(hào)函數(shù),0為學(xué)習(xí)步長(zhǎng);
[0029]對(duì)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(shí),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(shí)后的逆變器傳遞函數(shù)巧的表達(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(shí)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 + 2w,0 + wft = 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(shí)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(shí)補(bǔ)償?shù)碾娋W(wǎng)諧波電流信號(hào)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(duì)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(shí)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(shí)對(duì)系統(tǒng)的影響。通過 PS0-BP算法對(duì)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(duì)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(dòng)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(duì)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(duì)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:
[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(hào)一一諧波電壓信 號(hào)。
[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(hào)作為控制目標(biāo),并考慮到IHAPF系統(tǒng)中存在延時(shí)現(xiàn)象從而影響了電流跟蹤控制,則 (5) 實(shí)際的電壓信號(hào)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(shí),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(shí)項(xiàng),此延時(shí)項(xiàng)會(huì)對(duì)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(duì)延時(shí)對(duì)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(duì)參數(shù)進(jìn)行優(yōu)化的PI控制器與一個(gè)補(bǔ)償Smith預(yù)估器組成。
[0075] 由圖5可以得到如下關(guān)系式:
(6 )
[0077]綜合(6)式,可以簡(jiǎn)化得: j "G;; (.s')(1 - e。M 。。78 丨《 y 卡;(,))丨 (7)
[0079] 由上式可得:
[0080] iihG, (.v) = U, e" ifjr (-V)) ' + U, e"G (.v) ( g )
[0081] 從而可得逆變器的輸出電壓u。與參考電壓信號(hào)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(shí)對(duì)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(hào)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(duì)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(cuò)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(gè) 節(jié)點(diǎn),隱含層為5個(gè)節(jié)點(diǎn),輸出層為2個(gè)節(jié)點(diǎn)。
[0086]網(wǎng)絡(luò)的輸入層輸入為:
[0087] .v'/i|(r) = .v/(7 = 1,2,3) (1〇)
[0088]輸入層3個(gè)節(jié)點(diǎn)分別對(duì)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wf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(lì)函數(shù),采用正負(fù)對(duì)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] nef'Ht) = ^ vv;f )〇'2,(r), 〇f]{t) = g(netf](t%l = 1,2) (13)
[0095] <9丨(."(今=々",= & (】4 )
[0096] 其中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)⑴為 輸出層層輸出樣本集,g(x)為激勵(lì)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(duì)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] 粒子群筧法尋優(yōu)誤差琢丨數(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(duì)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] KwijO^-WiXtD+rSc^Wij ⑶-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(gè)體極值點(diǎn),B是整個(gè) 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:
[_]化以卜])=#(,)+抑3)巧,+ 1)+('卜1)(43)(,)-<)(卜1)) + u'//(/))+ {b)- ''//(z)) (20)
[0110]其中 Sgn(x)為符號(hào)函數(shù),e為學(xué)習(xí)步長(zhǎng)。
, + 1) = +1)+ (w--1))
[0111] +^('1}/(^)-'1;;(〇)+/:^(' 1}/(5)-'1//(/)) ( 21 )
[0112] 其中妒)=/'M2)(〇)|^W)(f) |3為學(xué)習(xí)步長(zhǎng)。
[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(cè)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(gè)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(jì)算出每個(gè)粒子適應(yīng)度函數(shù)值,并將每個(gè)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(gè)迭代公式(18)、(19)、(20)、(21)式對(duì)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(shí),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(shí)。
[0120] 對(duì)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(shí)性,被控對(duì)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(shí)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 + 2wn^s + w; = Q (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(shí)間tr,有:
(27 )
[0134] 通過對(duì)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:
(2B) (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(shí)。
[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(duì)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(shí)采用不同方法下電流仿真波形,從圖中可以看出在Is時(shí) 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(gè)時(shí)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(gè)時(shí)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(duì)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(hào)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(hào)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(hào)Uh為控制目標(biāo),將所述諧波電壓信號(hào)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PSO-BP神經(jīng)網(wǎng)絡(luò)對(duì)參數(shù)進(jìn)行優(yōu)化的PI控制器與 一個(gè)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(hào)Uh與逆變器輸出電壓Uc的差值;分別為PS 0-BP神 經(jīng)網(wǎng)絡(luò)優(yōu)化的PI控制器的傳遞函數(shù)、辨識(shí)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(hào); 從而可得逆變器的輸出電壓Uc與諧波電壓信號(hào)Uh兩者之間的傳遞函數(shù)為:所述由PSO-BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PI控制器的算法流程如下: 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(cè)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(gè)體粒子; 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(^、(^和":^^^規(guī)定最大迭代 次數(shù); 3) 根據(jù)輸入、輸出樣本,利用BP網(wǎng)絡(luò)的前向算法 Δ u(t) = kp(Ue(t)-Ue(t-l) )+kiUe(t) 以及粒子群算法尋優(yōu)誤差函數(shù)計(jì)算出每個(gè)粒子適應(yīng)度凼數(shù)值,開將母?jìng)€(gè)敉于的最奸位宣作為其歷史最佳位置,開始 迭代; 其中,輸出節(jié)點(diǎn)分別對(duì)應(yīng)PI控制器中的參數(shù)kP、ki; 4) 利用PSO-BP算法的4個(gè)迭代公式式中,《為慣性系數(shù),mdPr/、r/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(gè)體極值點(diǎn),B是整個(gè)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);對(duì)粒子的速度和位置進(jìn)行更新,搜索出粒子最佳位置。 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(shí),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。
【文檔編號(hào)】H02J3/01GK105846431SQ201610397740
【公開日】2016年8月10日
【申請(qǐng)日】2016年6月6日
【發(fā)明人】莊建煌, 陳晶騰, 周靜, 陳炳貴, 王銳鳳, 李萌鋒, 王普專, 黃少敏, 陳永華
【申請(qǐng)人】國(guó)網(wǎng)福建省電力有限公司, 國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)福建省電力有限公司莆田供電公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1