论文部分内容阅读
如今,电能质量问题在工业生产、配电系统和人民生活中越来越受到关注。特别是随着电网中非线性负载的广泛使用,供电电压和电流受到谐波污染而发生畸变。为了解决电网谐波问题,通常采用无源电力滤波器(PPF),尽管,无源电力滤波器具有结构简单、价格便宜和易于使用等优点,但无源电力滤波器仍具有很多不足,比如易与电网发生谐振,降低系统的稳定性,发生偏谐,并且无源电力滤波器只能滤除特定阶次的谐波,无法做到各次谐波的滤除和容性无功的动态补偿。基于此,采用能够实现各次谐波抑制和无功动态补偿的有源电力滤波器(APF)成为滤除电网谐波的理想途径;并联型有源电力滤波器与非线性负载并联在电网上,能够对谐波电流实现动态跟踪和补偿。但受限于价格昂贵、容量偏小、难以应用于高压电网等因素,解决电网谐波问题的另一种方法是采用混合型有源电力滤波器(HAPF),混合型有源电力滤波器由有源电力滤波器和无源电力滤波器组成,目的是降低有源电力滤波器的容量,同时保留了有源和无源电力滤波器的优点。注入式混合型有源电力滤波器(IHAPF)通过注入电容将补偿电流注入到电网中,在降低APF容量的同时能够取得很好的谐波补偿效果。(.)论文主要对注入式混合型有源电力滤波器(IHAPF)的工作机理、数学模型、参数设计、控制策略及工程应用进行相关阐述。本文的创新点、研究重点和成果主要体现在以下几个方面:
1)对电能质量问题,IEEE谐波标准,谐波畸变对电网电能质量的影响和谐波抑制方法进行了整体的综述。
2)基于p-q和i-iq的谐波检测方法都需要用到ⅡR滤波器,因为ⅡR滤波器是无限脉冲响应滤波器,对于线性特性不明确的负载有良好的滤波特性。对于变化的负载,FIR滤波器的计算延时变得很长,将导致产生其他问题,而ⅡR滤波器采用递归方式,低频性能良好,能够适应负载的变化。为了改进p-q和ip-iq检测方法的不足,本文提出了一种新型的基于神经网络模糊的谐波电流检测方法。通常,非线性负载的负载电流中含有基波电流和谐波电流。本文提出的方法中,神经网络结构采用Adaline结构。Adaline网络的权重因子的大小分别与补偿电流的幅值对应。因此,Adaline网络相当于一个谐波检测模型。计算输入和输出的偏差用于调整神经网络的重量。训练算法采用基于最快下降过程的LMS算法和Widrow-Hoff学习算法。Widrow-Hoff学习算法具有敏锐的观察力,能够根据权重的平方误差估计均方差。此外,这种方法的特别之处在于,神经网络的收敛系数α能够通过模糊控制器进行调整。反之,小的α降低了稳态误差,但是系统的收敛速度也得到降低。为了确保神经网络稳定地学习,收敛系数必须小于输入向量相关矩阵的最大特征值的倒数。通过与通常的p-q和ip-iq谐波检测方法对比分析,仿真的结果显示本文提出的谐波检测方法缩短了动态响应时间,同时大幅提高了谐波电流检测的精确性。
3)对几种典型的混合型有源电力滤波器的拓扑结构进行了分析,在比较了其优缺点之后,选择带注入支路的混合型有源电力滤波器(IHAPF)作为研究对象。详细地阐述了IHAPF的控制策略和参数整定方法。根据IHAPF的所选择参数和控制策略分析结果,得知基于负载谐波电流检测的控制策略有着最好的控制性能。
4)提出一种用于IHAPF的具有延时补偿的新型控制方法。由于IHAPF的控制系统由很多部分组成,导致输出电流带有一定的相位延迟。控制系统为双闭环结构,下层控制环由常规PI控制器和IHAPF模型组成,上层控制环包括神经预测网络、广义预测控制器(GPC)和IHAPF模型。上层控制环的主要作用是为下层控制环寻求PI参数的最优解。建立预测神经网络模型是为了对IHAPF的非线性过程进行模拟。建立π-Smith预测补偿器用于电流的延时补偿,保证IHAPF输出电流与负载谐波电流的相位差为180°。采用Lyapunov稳定判据对系统的稳定性进行了分析。仿真和实验结果显示,与传统PI控制相比本文提出的控制策略在缩短动态响应时间、谐波有效抑制和实时控制等方面有明显的优势。
5)提出了一种用于IHAPF的基于滞环—模糊自适应神经网络的新控制方法。此方法结合了滞环控制和模糊自适应神经网络控制的优点。控制系统采用双环结构,下层控制环为常规的滞环控制器和IHAPF模型,上层控制环由模糊—神经控制器、预测辨识模型和IHAPF模型组成。预测辨识模型用于寻求模糊—神经控制器的最优解。因此,模糊—神经控制器的参数能够根据目的函数的最小标准进行实时地调整,本文提出的控制方法具有实时跟踪谐波电流变化的性能。控制系统具有两种控制模式:滞环控制模式和模糊—神经控制模式。两种模式间的切换由多模式转换开关K控制。采用Lyapunov稳定判据对系统的稳定性进行了分析。与传统的滞环控制相比,本文提出的控制方法具有缩短动态调节时间和在线控制的优势。仿真结果验证了控制系统的有效性。
6)提出采用复合模糊的IHAPF的新型控制方法。这控制方法包括两个闭环,上层控制环由单模糊逻辑控制器和IHAPF模型组成,下层控制环由基于模糊推理的自适应控制器(ANFIS)、广义神经网络预测(NGP)调节器和IHAPF模型组成。下层控制环主要用于改善单模糊逻辑控制器的性能。首先对IHAPF的单模糊逻辑控制器进行介绍。同时,ANFIS控制器的输出信号叠加到单模糊逻辑控制器的输出信号。因此,提出的控制器的输出量是变化的,目的是减少动态响应时间及将稳态误差降到最小。这种新型的控制方法非常适合于非线性控制。对比单模糊逻辑控制方法。仿真结果显示本文提出的控制方法能够缩短系统的动态调节时间,实现系统的实时在线控制和谐波的有效抑制。
此外,本文提出具有延时补偿功能的在线实时IHAPF控制方法已通过实验样机验证,采用本控制方法的IHAPF已成功应用于中国北部的某个铜冶炼厂100kVA APF谐波治理项目。