电网电力系统三相逆变换器优化控制仿真研究

《电网电力系统三相逆变换器优化控制仿真研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第32卷第9期计算机仿真2015年9月文章编号：1006—9348(2015)09—0152—06电网电力系统三相逆变换器优化控制仿真研究程若发1，郭观庆1，熊小亮2，高建超1(1．南昌航空大学信息工程学院，江西南昌330063；2．国网湖南省电力公司衡阳供电分公司，湖南衡阳421000)摘要：电网电力系统中三相逆变换器的性能包括输出波形稳态精度与动态响应速度，针对用普通PID控制算法在负载突变和带非线性负载时三相逆变器动态响应速度慢、输出波形THD高的问题，在双闭环控制算法的基础上，提出用径向基函数神经网络(RBF)算法整

2、定外环(电压环)PI参数，同时用遗传算法(GA)优化径向基函数神经网络(RBF)算法的学习速率与动量因子以提高网络的收敛速度，缩短网络整定PI的时间，提高三相逆变器的性能，并用maflab仿真工具进行仿真。仿真结果表明，改进控制方案能实现三相逆变器高动态特性的同时得到高质量的稳态波形。关键词：径向基函数神经网络；遗传算法；三相逆变器；仿真中图分类号：TM464文献标识码：BGridPowerSystemThree—．PhaseInverterOptimizationControlSimulationResearchCHENG

3、Ruo-fa，GUOGuan—qing，XIONGXiao-liang，GAOJian-chao(1．SchoolofInformationEngineering，NanchangHangkongUniversity，NanchangJiangxi330063，China；2．StateGridHengyangPowerSupplyCompany，HengyangHunan421000，China)ABSTRACT：InordertoovercometheslowdynamicresponseandhighTHDofthre

4、e-phaseinverterof酣dpowersystemwiththesuddenchangeloadandnonlinearload，basedonthedoubleclosedloopcontrolalgorithm，thispaperproposesanimprovedschemethatusingradialbasisfunctionneuralnetwork(RBF)algorithmtoadjusttheouterloop(voltageloop)PIparametersandusingthegenetica

5、lgorithm(GA)tooptimizethelearningrateandmomentumfac—toroftheRBFtoimprovetheconvergencespeedandshortenthetuningtimeofPIparameters．Theperformanceofthreephaseinverterisimproved．ThesimulationresultsshowthattheproposedcontrolschemeCanachievehighdy-namiccharacteristicsof

6、three—phaseinverterandgethighqualitysteadywaveform．KEYWORDS：RBFneuralnetwork：Geneticalgorithm；Three-phaseinverter；Simulationl引言电网电力系统中对三相逆变器的输出波形质量与动态响应速度有很高的要求。双闭环控制包括电压外环和电流内环，电流内环的存在，极大的提高了三相逆变器的动态响应速度，从内外环分工考量，内环的P容易确定，外环的PI参数选取难，选取不当对控制器的整体性能有重大影响，用神经网络算法自适应调整

7、外环的PI参数能够很好的提高三相逆变换器输出波形质量与动态响应速度。常用的神经网络有BP神经网络和RBF神经网络。文献[1]中利用BP神经网络控制逆变器，不过BP神经网络有基金项目：国家自然科学基金(51167013)；江西省自然科学基金(20122BAB201019)；江西省科技支撑计划(20142BBE50002)收稿13期：2014—09—20修回日期：2014—12—10---——152．--——收敛速度慢，计算量大的缺点，用RBF神经网络控制z源逆变器很好的解决了这一问题，不过RBF神经网络受学习速率、动量因子的影

8、响存在训练时间长，收敛速度慢而且容易陷人局部极小和网络的结构参数需要不断尝试等问题[2]。本文提出用遗传算法优化RBF神经网络的动量因子与学习速率，提高收敛速度以及缩短了训练时间。将优化后的参数带人RBF神经网络自适应调整控制器的外环PI参数，大大提高了逆变器的动态响应速度，得到高质量的稳