[發明專利]高壓并聯混合型有源電力濾波器及帶遺忘因子的迭代學習控制方法

無效

• 申請號: 201210013191.6
• 申請日: 2012-01-16
• 公開（公告）號: CN102545225A
• 公開（公告）日: 2012-07-04
• 發明（設計）人: 周柯;王凱;奉斌;覃奇;羅安;吳遠利;周一勇;高立克;劉路;楚紅波;寧文輝;劉鵬;王剛;謝寧
• 申請（專利權）人: 廣西電網公司電力科學研究院;湖南大學;廣西電網公司百色供電局
• 主分類號: H02J3/01
• 分類號: H02J3/01;H02J3/18
• 代理公司: 廣西南寧公平專利事務所有限責任公司 45104
• 代理人: 王素娥

1.一種高壓并聯混合型有源電力濾波裝置，其特征在于，該裝置由無源電力濾波器、有源電力濾波器和耦合變壓器構成，

其中：無源電力濾波器由多組單調諧濾波器組成，有源電力濾波器由逆變器和電容組成，

各部件的連接

有源電力濾波器與輸出濾波器串聯后再與附加電感La并聯，并聯后與耦合變壓器的副邊連接；

無源電力濾波器的多組單調諧濾波器并聯后通過系統阻抗與電源連接，其中一組單調諧濾波器另一端與耦合變壓器的正邊連接。

2.根據權利要求1所述的高壓并聯混合型有源電力濾波裝置，其特征在于，主要的特征次諧波和無功功率由無源電力濾波器補償，高次諧波由有源濾波器抑制。

3.如權利要求1所述的高壓并聯混合型有源電力濾波裝置需要進行諧波檢測，即一種變步長的模糊自適應諧波檢測方法，其特征在于，該方法將負載電流和電源電壓作為參考輸入；采用最小均方差算法為自適應濾波器算法；系統的輸出以最小均方誤差逼近需要檢測的電網諧波電流，同時將系統的輸出作為調節權值的誤差信號，該算法步驟為：

步驟1：將負載電流i_L(t)作為原始輸入，其中的基波有功分量i_1p(t)視為輸入噪聲信號，諧波分量i_Lh(t)視為信號部分；

步驟2：將電源電壓u_s得到的信息sinωt、cosωt作為參考輸入，經處理后，自適應濾波器的輸出i′_1p(t)以最小均方誤差最終逼近i_1p(t)，然后和i_L(t)相減，系統的輸出i′_Lh(t)也以最小均方誤差逼近需要檢測的電網諧波電流i_Lh(t)，同時將i′_1h(t)作為調節權值W的誤差信號E(t)；

步驟3：以誤差信號來調節連接權值，公式表示為：

W(k+1)=W(k)+μE(k)X(k)/(γ+||X(k)||2)θ(k+1)=θ(k)+μE(k)X(k)/(γ+||X(k)||2),---(1)]]>

式中，μ為學習步長，為定常值；γ＞0為小的正數，用以保證步長有界；X(k)＝[x₁(k)，x₂(k)]＝[sinωk，cosωk]；θ為閾值；W為權值；

步驟4：將負載電流用傅里葉級數展開，?并根據圖2可以得到：

由(2)式看出，濾波器真正的跟蹤誤差是E′(t)，不是E。為從誤差信號E中提取出跟蹤誤差E′(t)，將誤差信號E與電源相位信號相乘，為

步驟5：選取信號E″及其變化率ΔE″作為模糊推理系統的輸入，輸出為μ、Δμ。輸入E″、ΔE″對應的語言值分為5個，為{NB，NS，ZO，PS，PB}；輸出μ、Δμ對應的語言值分為9個，為{NVB，NB，NM，NS，ZO，PS，PM，PB，PVB}；模糊規則按照Macvicar-Whelan矩陣和工程經驗建立，見表1

表1??模糊規則表

步驟6：經模糊推理系統得出的迭代步長μ(k)及其變化量Δμ(k)還需滿足下式，最終獲取自適應濾波系統所需的下一步迭代步長：

μ(k+1)＝μ(k)+msign(ΔE″(k))Δμ(k)????(4)

式中，sign表示符號函數；m是一個很小的正數，用來控制步長的自適應特性。當ΔE″＞0，符號函數值取1，需要增大步長跟蹤；當ΔE″＜0，符號函數值取-1，需要減小步長跟蹤；

步驟7：得到輸出i′_Lh(t)，作為帶遺忘因子的迭代學習控制算法的輸入信號，算法結束。

4.如權利要求1所述的高壓并聯混合型有源電力濾波裝置需要進行控制，即一種帶遺忘因子的迭代學習控制方法，其特征在于，該方法以變步長的模糊自適應諧波檢測方法得到的諧波信號為輸入，結合PID控制器得到的有效信息用于修正當前的控制信息；迭代學習控制器增益，采用一種改進的Ziegler-Nichols方法對其進行優化，該算法步驟為：

步驟1：首先給出帶遺忘因子的迭代學習控制器的表達形式：

um+1=λum(t)+(1-λ)um-1(t)+kp′em+1(t)+kI′∫0tem+1(t)dτ+kd′em+1(t)---(5)]]>

式中，λ為遺忘因子，遺忘因子的加入可以加速算法的收斂速度，增強迭代學習控制的魯棒性；k′_p、k′_I、k′_d為控制器的比例、積分、微分增益；τ表示積分時間；

步驟2：根據(5)式，可以得到：

Δum+1(t)=(λ-1)Δum(t)+kp′em+1(t)+kI′∫0tem+1(t)dτ+kd′em+1(t)---(6)]]>

式中，Δu_m+1表示第m+1次與m次系統輸入的差值；

步驟3：設采樣周期為h，則在第k(k＝0，1，…，T/(h-1))個采樣周期內，式(6)的離散表達式為：

Δum+1(k)=(λ-1)Δum(k)+kp′em+1(k)+kI′Σi=0kem+1(i)+kd′(em+1(k+1)-em+1(k))---(7)]]>

在控制輸入(7)的作用下，經若干個周期迭代學習后，在滿足系統性能指標(|e_m(k)|＜e_min)的條件下，從中選擇最佳控制停止迭代學習，直至期望跟蹤電流發生變化；

步驟4：關于(7)式中的迭代學習控制器增益，現采用一種改進的Ziegler-Nichols方法對其進行優化。利用一個增益調節因子ρ對參數進行調整，見公式：

k′_p＝k_p(1+k₁|ρ(k)|)，????(8)

k′_I＝k_I(0.3+k₂ρ(k))，????(9)

k′_d＝k_d(1+k₃|ρ(k)|)，????(10)

式中，k_p、k_I、k_d分別為利用Ziegler-Nichols方法優化得到的初始參數值；k₁、k₂和k₃為三個正常數，用來調整參數k′_p、k′_I和k′_d的值；增益調節因子ρ表示為：

ρ(k)＝e′_m+1(k)×Δe′_m+1(k)，????(11)

其中，稱為輸出誤差e_m+1(k)的歸一化值，且

Δe′_m+1(k)＝e′_m+1(k)-e′_m+1(k-1)????(12)

因此，控制器的離散輸出表達形式為：

vm+1(k)=kp′em+1(k)+kI′Σi=0kem+1(i)+kd′(em+1(k+1)-em+1(k))---(13)]]>

步驟5：將控制器的輸出v_m+1(k)作為PWM調制器的輸入，算法結束。