有源电力滤波器神经网络逆解耦控制.pdf

《有源电力滤波器神经网络逆解耦控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第5期电力系统保护与控制v01．41NO．52013年3月1日PowerSystemProtectionandControlMar．1．2013有源电力滤波器神经网络逆解耦控制刘国海，杨辰星，陈兆岭(江苏大学电气信息工程学院，江苏镇江212013)摘要：三相并联型有源电力滤波器是一个多输入、多输出的非线性系统，而且在d-q旋转坐标系下的补偿电流分量间存在着耦合关系。提出了一种采用神经网络逆实现有源电力滤波器线性化解耦控制的方法。通过静态神经网络逆控制方法，将三相并联型有源电力滤波器解耦成两个关于补偿电流分量的一阶线性子系统，再分别设计线性闭环控制器对两个补偿电流分量进行控制

2、仿真结果表明，采用神经网络逆解耦控制方法，系统具有良好的动静态性能，系统稳态时的谐波畸变率小于2％。关键词：有源电力滤波器；神经网络逆；模型线性化；解耦控制；线性闭环控制器DecouplingcontrolofactivepowerfilterbasedonneuralnetworkinverseLIUGuo-hai，YANGChen-xing，CHENZhao-ling(CollegeofElectricalandInformationEngineering，JiangsuUniversity,Zhenjiang212013，Jiangsu，China)Abstract：Thre

3、e-phaseshuntactivepowerfilterisamultiple—inputmultiple—outputnonlinearsystem，inwhichacouplingrelationshipexistsbetweenthecompensationcurrentcomponentsunderthesynchronouso~hogonald-qframe．Anewdecouplingcontrolmethodforactivepowerfilterbyemployingneuralnetworkinverseisproposed．Byadoptingthestati

4、cneuralnetworkinversecontrolmethod，thethree—phaseshuntactivepowerfilterisdecoupledintotwoone—orderlinearsubsystems，whichconcemthecompensationcurentcomponents．Then，thelinearclosed—loopcontrollersaredesignedtocontrolthecompensationcurrentcomponentsrespectively．Simulationresultsverifythatbyapplyi

5、ngtheproposedcontrolmethod，thesystemhasbothgoodsteady—stateanddynamicperformances．Afterthecompensation，thetotalharmonicdistortionofthepowersourcecurrentsinsteadystateislessthan2％．Keywords：activepowerfilter；neuralnetworkinverse；modellinearization；decouplingcontrol；linearclosed—loopcontroller中图分

6、类号：TM714文献标识码：A文章编号：1674．3415(2013)05．0023-07统的解析逆控制方法，很大程度上依赖于系统的精0引言确数学模型，当系统模型及参数变化时，系统的解有源电力滤波器(ActivePowerfilter,APF)是耦条件将被破坏，从而导致控制系统性能的下降，一种动态抑制谐波的电力电子装置，它能对频率和使得APF系统的解析逆控制方法存在着实际工程大小都发生变化的谐波进行补偿[1-2]。目前常用于有应用方面的“瓶颈”L8J。于是，考虑利用神经网络源滤波器的电流跟踪控制策略主要有滞环跟踪控来充当非线性系统的逆模型，目前，该方法已在电制【3J、三角波比较控制

7、、无差拍控制I4J、单周控制L5J机控制等领域的研究中有所应用[9-111。将神经网络等，但以上控制方法都没能实现APF系统的线性化具有的非线性逼近能力、学习能力与逆系统方法的和参数解耦控制。以微分几何为基础的非线性控制解耦线性化特点相结合，可以有效地提高APF的抗理论在20多年来得到迅速发展，其中提出的逆系干扰能力和动态响应性能。统控制方法已应用到APF的精确控制上[6]。但传本文提出了一种基于神经网络逆(NeuralNetworkInverse，NNI)系统的三相