[發明專利]有源濾波器的自反饋遞歸模糊神經網絡預測控制方法

有效

• 申請號: 202011102769.6
• 申請日: 2020-10-15
• 公開（公告）號: CN112257338B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 劉倫豪杰;費峻濤
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06N3/04;G06N3/08;H02J3/01
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

本發明公開了一種有源濾波器的自反饋遞歸模糊神經網絡預測控制方法，包括以下步驟：S1：建立有源電力濾波器的預測控制數學模型；S2：根據步驟S1建立的預測控制數學模型構建自反饋遞歸模糊神經網絡預測模型；S3：設計神經網絡預測模型參數學習策略，計算得到神經網絡的自適應率；S4：根據步驟S3得到的神經網絡預測模型設計自反饋遞歸模糊神經網絡模型預測控制率，實時優化控制器。本發明采用數據驅動在線優化的方法，不依賴于系統精確模型，能夠對諧波電流進行快速、高精度的補償，并且抗干擾能力強，魯棒性好，具有較好的穩態和動態性能。

技術領域

本發明涉及有源濾波器的自反饋遞歸模糊神經網絡預測控制方法，屬于智能控制技術領域。

背景技術

隨著電力電子設備的廣泛應用，電力系統中非線性負載不斷增加，電網中的諧波污染也日益嚴重。諧波會對電力系統的安全造成嚴重的危害，主要表現在增加電力系統中的附加諧波損耗、影響各種電氣設備的正常運行、導致繼電保護和自動裝置的誤動作以及對鄰近通信系統造成明顯干擾等方面。

有源電力濾波器作為最有效的諧波治理手段，受到了廣泛的關注和重視。然而，隨著社會對電能質量的要求越來越高，國家對電網的諧波限制也越來越嚴格，常規的滯環控制、PID控制等方法難以滿足要求，智能控制方法應用于有源濾波器已成為當前的研究熱點。然而，目前的控制方法依然存在著補償精度不高、抗干擾能力弱、依賴系統精確模型等問題。

發明內容

針對以上問題，本發明提供一種有源濾波器的自反饋遞歸模糊神經網絡預測控制方法，采用數據驅動在線優化的方法，不依賴于系統精確模型，能夠對諧波電流進行快速、高精度的補償，并且抗干擾能力強，魯棒性好，具有較好的穩態和動態性能。

本發明中主要采用的技術方案為：

一種有源濾波器的自反饋遞歸模糊神經網絡預測控制方法，包括以下步驟：

S1：建立有源電力濾波器的預測控制數學模型；

S2：根據步驟S1建立的預測控制數學模型構建自反饋遞歸模糊神經網絡預測模型；

S3：設計神經網絡預測模型參數學習策略，計算得到神經網絡的自適應率；

S4：根據步驟S3得到的神經網絡預測模型設計自反饋遞歸模糊神經網絡模型預測控制率，實時優化控制器。

優選地，所述步驟S1的具體步驟如下：

S1-1：有源電力濾波器補償電流的非線性動態模型用差分方程表示如下：

i_c(t+1)＝f(i_c(t),x(t)) (1)；

其中，i_c(t)為t時刻的補償電流，x(t)為t時刻的控制狀態量；

S1-2：將有源電力濾波器中的參考電流信號和補償電流信號的預測問題轉化為對補償誤差的預測問題，則有源電力濾波器的預測控制模型設計如下：

y(t+1)＝h(y(t),x(t)) (2)；

其中，y(t)為t時刻參考電流信號與系統輸出補償電流信號的差，x(t)為t時刻的控制狀態量，設跟蹤任務為c(t)，則跟蹤目標為：y(t)跟蹤上c(t)，且c(t)≡0。

優選地，所述步驟S3中構建的自反饋遞歸模糊神經網絡預測模型結構如下：

第一層：輸入層

所述輸入層完成對輸入信號的傳遞，輸入參數為當前時刻的狀態量和控制量；

第二層：模糊化層

所述模糊化層中，輸入層的每個輸出與模糊化層的三個神經元連接，通過高斯函數對輸入信號進行模糊化操作；