光伏并网有源电力滤波器的自适应控制研究

光伏并网有源电力滤波器的自适应控制研究

ID:37219327

大小:938.32 KB

页数:6页

时间:2019-05-19

光伏并网有源电力滤波器的自适应控制研究_第1页
光伏并网有源电力滤波器的自适应控制研究_第2页
光伏并网有源电力滤波器的自适应控制研究_第3页
光伏并网有源电力滤波器的自适应控制研究_第4页
光伏并网有源电力滤波器的自适应控制研究_第5页
资源描述:

《光伏并网有源电力滤波器的自适应控制研究》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33卷第7期可再生能源Vol.33No.72015年7月RenewableEnergyResourcesJul.2015光伏并网有源电力滤波器的自适应控制研究王红艳(许昌学院电气信息工程学院,河南许昌461000)摘要:针对目前有源电力滤波器直流侧电压控制方法的不足,提出一种基于RBF神经网络的自适应PI控制策略,该策略根据RBF神经网络在线辨识得到的梯度信息对PI参数进行实时调整,以适应供电系统输出功率的变化。在Matlab/Simulink环境下对有源电力滤波器自适应控制系统进行建模和仿真,仿真结果

2、证明了该控制策略具有很好的跟踪调节性能和很强的抗干扰能力,保证有源电力滤波器直流侧电压在供电系统输出功率变化时仍维持稳定,使有源电力滤波器能够保持良好的补偿品质。关键词:有源电力滤波器;RBF神经网络;自适应控制中图分类号:TM615文献标志码:A文章编号:1671-5292(2015)07-0999-06DOI:10.13941/j.cnki.21-1469/tk.2015.07.0070前言控制方法结构简单、精确度高,但PI参数较难整随着能源危机和环境污染的日益加剧,光伏定,并且对APF的参数变化或非

3、线性适应能力较[9]等新能源发电技术得到了人们的青睐。光伏发电差;模糊-PI控制策略方法简单、稳态效果比常设备要利用电力电子装置进行功率的调节和变规的PI控制好,但动态过程的控制效果不理想;[1],[2]换,这会对电网造成严重的谐波污染,而有源基于自适应滤波的控制方法较复杂,动态性能也电力滤波器(APF)能够有效消除或减少谐波污染不是很好;基于能量守恒的PI控制减少了非线性[3]。APF要达到理想的补偿效果,直流母线电压必因素的影响,扩大了控制器的适应范围,系统的超[4]须在一定范围内保持稳定,但是,AP

4、F本身存在调量减小和静差性能变好,但仍然存在PI参数难开关损耗和电阻损耗,并且在工作状态变化时需整定的缺点。要从系统中吸收一定的有功功率,引起直流侧电为解决上述控制策略的不足,本文采用基于压的波动,直接影响APF的正常工作。因此,直流径向基函数(RBF)神经网络的自适应PI控制策侧电压的稳定控制是APF的关键技术之一。略,实现对APF直流侧电压的控制。基于RBF网现有的APF直流电压控制策略中,PI控制应络的自适应PI控制器将RBF神经网络作为辨识用最广泛、最成熟。文献[5]提出一种APF直流侧器,PI控

5、制器利用辨识器获得的结果实时在线调电容电压的改进型双PI闭环控制策略;文献[6]采整自身结构参数,从而实现PI控制器参数的自整用瞬时能量平衡法对APF直流侧电压控制进行定。该控制策略避免了传统PI控制根据APF的建模,并推导出了相应的PI控制参数选取原则;精确数学模型来进行PI参数整定的困难,并且具文献[7]提出了一种基于模糊逻辑的参数自整定有很好的跟踪调节性能和很强的抗干扰能力,保PI控制策略,将模糊逻辑控制与基于相量叠加原证APF直流侧电压在供电系统输出功率变化时理的改进型PI控制相结合用于APF的直

6、流电压仍维持恒定,使APF能够保持良好的补偿品质。控制;文献[8]提出了一种自适应模糊-PI控制策1基于RBF网络的自适应控制器设计略,在传统的PI控制中加入模糊控制算法,实现基于RBF网络的自适应控制器框图如图1对PI参数的自整定。上述控制策略中,传统的PI所示。收稿日期:2015-02-17。基金项目:许昌市科技局科技攻关项目(1502090)。作者简介:王红艳(1980-),女,硕士研究生,讲师,研究方向为电力电子装置及其应用。E-mail:whysmile1213@foxmail.com·999·

7、可再生能源2015,33(7)e坠Udc(k)坠Um(k)≈=Um坠idc(k)坠idc(k)RBF网络ncj(k-1)-idc(k)Σwj(k-1)Rj[x(k)]2(4)j=1b(k-1)U*eUjdccPIdc自校交流器正控制i2dc‖x(k)-cj(k-1)‖Rj[x(k)]=exp‖2‖(5)b(k-1)j图1基于RBF网络的自适应控制器框图在式(4),(5)中:x为RBF网络的输入且x=Fig.1BlockdiagramofadaptivecontrollerbasedonTT[x1(k),x

8、1(k)]=[Udc(k-1),idc(k-1)];wj(k-1),RBFnetworkbj(k-1)和cj(k-1)分别为RBF神经网络的输出权该控制模型包含PI自校正控制器和RBF网值、高斯函数的节点中心参数和高斯函数的宽度络两个组成部分,其中RBF网络的2个输入信号参数,更新过程为分别是PI自校正控制器的输出信号i和PWMdcwj(k)=wj(k-1)+a[wj(k-1)-wj(k-2)]+变流器的直流侧电压采样

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。