[发明专利]基于模糊神经网络PID的有源电力滤波器控制方法

权利要求书

1.基于模糊神经网络PID的有源电力滤波器控制方法，其特征在于它包括以下步骤：

步骤一，根据电力电子学，建立APF的逆变器的非线性动力学模型；

步骤二，根据步骤一建立的非线性动力学模型，设计电流控制回路的PID控制器；

步骤三，设计模糊神经网络补偿控制器，用以提高逆变器电流控制回路的动态响应；

步骤四，采用PI算法，设计逆变器的电压回路控制器，解算出逆变器输出电流所需跟踪的参考电流值。

2.根据权利要求1所述的基于模糊神经网络PID的有源电力滤波器控制方法，其特征在于步骤一中逆变器的非线性动力学模型为：

其中，，为a，b，c三相电流转换至d，q 坐标下的电流；，为旋转坐标系下的调制系数；，为旋转坐标系下电网电压；，为逆变器交流侧的电感和等效电阻；， 分别表示逆变器直流侧的电容及其电压，为工频，表示时间；上述非线性动力学模型表示如下：

其中，，，

，， 表示转置，，。

3.根据权利要求2所述的基于模糊神经网络PID的有源电力滤波器控制方法，其特征在于步骤二中电流控制回路的PID控制器设计如下：其中：，为控制器参数，，为参考电流值。

4.根据权利要求1所述的基于模糊神经网络PID的有源电力滤波器控制方法，其特征在于步骤三中电流控制回路的模糊神经网络补偿控制器设计如下：

设定，为模糊神经网络的输入，补偿控制器的输出为模糊神经网络的输出；所设计的模糊神经网络的模糊规则定义如下：

其中和为模糊神经网络的输入所对应的模糊集，为Then部分的零阶函数，其中，为隶属度函数的个数，模糊神经网络的输入输出的映射关系写成如下：

第1层：定义隶属度函数如下：

其中和分别是隶属函数的平均值和标准偏差，这些参数在模糊神经网络是可调的；

第2层：节点函数定义如下：

第3层：每个节点的归一化被定义如下：

第4层：在此层中的每个节点的输出写成如下：

 

第5层：整个模糊神经网络的输出写成如下：

于是结合PID和模糊补偿控制器，得到逆变器电流控制回路控制器的输出为：

利用滑模理论定义滑模面如下：

设计模糊补偿控制器的参数调节规律如下：

其中：Sgn为开关函数，为学习率，是由构成的权值矩阵，，和被定义为：

。

5.根据权利要求1所述的基于模糊神经网络PID的有源电力滤波器控制方法，其特征在于步骤四中采用PI算法，设计逆变器的电压回路控制器如下：

式中：，为电压控制回路的PI控制器增益，为设定的电压参考轨迹，为逆变器的输出电压，为计算得到的电流参考值，，为初始和终止时间。