[发明专利]一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法

说明书

技术领域

本发明涉及一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法，尤其涉及一种基于模糊滑模的有源电力滤波器自适应模糊滑模RBF神经网络控制方法在三相并联电压型有源电力滤波器控制上的应用。

背景技术

自20世纪80年代以来，随着电力电子技术的快速发展以及环境、能源、社会和高效化的要求，电力电子设备和系统正朝着应用技术高频化(20kHz以上)、硬件结构集成模块化(单片集成模块、混合集成模块)等大方向发展。电力电子电能变换技术已在现代社会工业、生活中的方方面面得到了广泛应用。

然而随着作为电网的非线性和时变性负荷的电力电子装置的广泛应用，其带来的负面效应也变的日益明显和严峻。这类电力电子装置的开关特性在电网中会引起大量的谐波和次谐波分量，导致电力电路中电压和电流波形出现失真，其中电力电子装置代替传统磁性材料产生的非线性变化成为最主要的谐波源。另外，波动性、冲击性负荷在电力电路中不仅引发大量的高次谐波，而且会导致电路电压出现波动、畸变、三相不平衡等问题。

目前，国内主要采用无源滤波器处理电网中的谐波。然而无源滤波器的补偿特性单一，且易受到系统阻抗影响，引发谐振现象，放大谐波，进而烧毁补偿装置，而且仅能对特定谐波进行有效处理，人们逐渐将研究的重心转向有源电力滤波器。有源电力滤波器等净化电网产品是智能电网建设的标配产品,能实现谐波和无功动态补偿，响应快、受电网阻抗影响小、不易与电网阻抗发生谐振，既能补偿各次谐波，还可抑制闪变、补偿无功,补偿性能不受电网频率变化的影响，能有效抑制谐波污染,因此成为谐波治理的重要手段。

目前，国内外尚未形成系统的有源电力滤波器的先进控制理论体系，有源滤波器的建模方法因人而异，采用的控制方法也多种多样，导致系统的稳定性和可靠性较低。

发明内容

针对上述问题，本发明提供一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法，能够对指令电流实时跟踪补偿、可靠性高、对参数变化鲁棒性高、稳定性高。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种有源电力滤波器自适应模糊滑模RBF神经网络控制方法，其特征在于，包括如下步骤：

步骤1、建立有源电力滤波器的数学模型；

步骤2、基于模糊滑模设计得到自适应模糊滑模RBF神经网络控制器，包括模糊自适应律和RBF神经网络自适应律；

步骤3、根据自适应模糊滑模RBF神经网络控制器控制有源电力滤波器。

优选，针对三相三线制系统，有源电力滤波器的数学模型为：

式中，L_c是交流电感，R_c是直流侧电阻，i_k是滤波器输出补偿电流，k＝1,2,3，是i_k的二阶导数，v_k为三相有源电力滤波器端电压，v_dc是直流侧电容电压，d_k为开关状态函数，t是时间。

其中，步骤2中得到Lyapunov函数V₁、V₂和V₃，其中：

式中，s是切换函数，s^T为s的转置，是RBF神经网络权值，为的转置，其中，ω^*为RBF神经网络的理想权值，为RBF神经网络的实时估计权值，μ为正常数，μ^-1是μ的倒数，n＝1,2,3…，是模糊系统理想参数和实时参数之间的误差，为模糊系统理想参数，为模糊系统的实时参数，是的转置；

根据Lyapunov稳定定理设计模糊自适应律和RBF神经网络自适应律：

模糊自适应律为：

其中，为模糊向量,为的一阶导数，s_i是切换函数。

RBF神经网络自适应律为：

其中，φ(x)＝[φ₁(x),φ₂(x)…φ_n(x)]^T，n＝1,2,3…，为高斯基函数，Γ为常数。

本发明的有益效果是：