[发明专利]高压并联混合型有源电力滤波器及带遗忘因子的迭代学习控制方法

权利要求书

1.一种高压并联混合型有源电力滤波装置，其特征在于，该装置由无源电力滤波器、有源电力滤波器和耦合变压器构成，

其中：无源电力滤波器由多组单调谐滤波器组成，有源电力滤波器由逆变器和电容组成，

各部件的连接

有源电力滤波器与输出滤波器串联后再与附加电感La并联，并联后与耦合变压器的副边连接；

无源电力滤波器的多组单调谐滤波器并联后通过系统阻抗与电源连接，其中一组单调谐滤波器另一端与耦合变压器的正边连接。

2.根据权利要求1所述的高压并联混合型有源电力滤波装置，其特征在于，主要的特征次谐波和无功功率由无源电力滤波器补偿，高次谐波由有源滤波器抑制。

3.如权利要求1所述的高压并联混合型有源电力滤波装置需要进行谐波检测，即一种变步长的模糊自适应谐波检测方法，其特征在于，该方法将负载电流和电源电压作为参考输入；采用最小均方差算法为自适应滤波器算法；系统的输出以最小均方误差逼近需要检测的电网谐波电流，同时将系统的输出作为调节权值的误差信号，该算法步骤为：

步骤1：将负载电流i_L(t)作为原始输入，其中的基波有功分量i_1p(t)视为输入噪声信号，谐波分量i_Lh(t)视为信号部分；

步骤2：将电源电压u_s得到的信息sinωt、cosωt作为参考输入，经处理后，自适应滤波器的输出i′_1p(t)以最小均方误差最终逼近i_1p(t)，然后和i_L(t)相减，系统的输出i′_Lh(t)也以最小均方误差逼近需要检测的电网谐波电流i_Lh(t)，同时将i′_1h(t)作为调节权值W的误差信号E(t)；

步骤3：以误差信号来调节连接权值，公式表示为：

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为学习步长，为定常值；γ＞0为小的正数，用以保证步长有界；X(k)＝[x₁(k)，x₂(k)]＝[sinωk，cosωk]；θ为阈值；W为权值；

步骤4：将负载电流用傅里叶级数展开， 并根据图2可以得到：

由(2)式看出，滤波器真正的跟踪误差是E′(t)，不是E。为从误差信号E中提取出跟踪误差E′(t)，将误差信号E与电源相位信号相乘，为

步骤5：选取信号E″及其变化率ΔE″作为模糊推理系统的输入，输出为μ、Δμ。输入E″、ΔE″对应的语言值分为5个，为{NB，NS，ZO，PS，PB}；输出μ、Δμ对应的语言值分为9个，为{NVB，NB，NM，NS，ZO，PS，PM，PB，PVB}；模糊规则按照Macvicar-Whelan矩阵和工程经验建立，见表1

表1  模糊规则表

步骤6：经模糊推理系统得出的迭代步长μ(k)及其变化量Δμ(k)还需满足下式，最终获取自适应滤波系统所需的下一步迭代步长：

μ(k+1)＝μ(k)+msign(ΔE″(k))Δμ(k)    (4)

式中，sign表示符号函数；m是一个很小的正数，用来控制步长的自适应特性。当ΔE″＞0，符号函数值取1，需要增大步长跟踪；当ΔE″＜0，符号函数值取-1，需要减小步长跟踪；

步骤7：得到输出i′_Lh(t)，作为带遗忘因子的迭代学习控制算法的输入信号，算法结束。

4.如权利要求1所述的高压并联混合型有源电力滤波装置需要进行控制，即一种带遗忘因子的迭代学习控制方法，其特征在于，该方法以变步长的模糊自适应谐波检测方法得到的谐波信号为输入，结合PID控制器得到的有效信息用于修正当前的控制信息；迭代学习控制器增益，采用一种改进的Ziegler-Nichols方法对其进行优化，该算法步骤为：

步骤1：首先给出带遗忘因子的迭代学习控制器的表达形式：

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为遗忘因子，遗忘因子的加入可以加速算法的收敛速度，增强迭代学习控制的鲁棒性；k′_p、k′_I、k′_d为控制器的比例、积分、微分增益；τ表示积分时间；

步骤2：根据(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次与m次系统输入的差值；

步骤3：设采样周期为h，则在第k(k＝0，1，…，T/(h-1))个采样周期内，式(6)的离散表达式为：

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)]]>

在控制输入(7)的作用下，经若干个周期迭代学习后，在满足系统性能指标(|e_m(k)|＜e_min)的条件下，从中选择最佳控制停止迭代学习，直至期望跟踪电流发生变化；

步骤4：关于(7)式中的迭代学习控制器增益，现采用一种改进的Ziegler-Nichols方法对其进行优化。利用一个增益调节因子ρ对参数进行调整，见公式：

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分别为利用Ziegler-Nichols方法优化得到的初始参数值；k₁、k₂和k₃为三个正常数，用来调整参数k′_p、k′_I和k′_d的值；增益调节因子ρ表示为：

ρ(k)＝e′_m+1(k)×Δe′_m+1(k)，    (11)

其中，称为输出误差e_m+1(k)的归一化值，且

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

因此，控制器的离散输出表达形式为：

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

步骤5：将控制器的输出v_m+1(k)作为PWM调制器的输入，算法结束。