[发明专利]一种兆瓦级三相变流器神经网络内模控制方法

摘要

本发明公开了一种兆瓦级三相变流器神经网络内模控制方法，将神经网络运用到内模控制中，针对兆瓦级变流器在旋转αβ坐标系下的特点，提出了一种基于神经网络内模原理的控制方案，将平衡三相变流器模型经3S/2S坐标变换之后，等效为两个相互独立的单相变流器。因此，只需两个完全相同的单相控制器分别对α相和β相进行控制，就可以实现对整个兆瓦级变流器的控制。本发明的方法能够克服系统参数摄动或外界扰动对系统造成的影响，使系统具有良好的鲁棒性和抗扰性。

主权项

1.一种兆瓦级三相变流器神经网络内模控制方法，包括兆瓦级三相变流器，所述兆瓦级三相变流器包括IGBT逆变模块，所述IGBT逆变模块通过LC滤波电路接负载；所述IGBT逆变模块包括直流侧电容和三个并联的桥臂，所述直流侧电容与所述桥臂并联，所述桥臂由两个IGBT串联组成，其特征在于，该方法为：1）计算兆瓦级变流器在静止abc坐标下的数学模型：AT00Au·uI·l=0(1/C)·I3(-1/L)·I3(-r/L)·AuuIl]]>+0(-1/C)·I3(1/L)·A0UiIoph,]]>其中，A=1-1001-1-101,]]>I₃为三阶单位矩阵，u_u=[u_abu_bcu_ca]^T为LC滤波电路电容电压，I_l=[I_aI_bI_c]^T为LC滤波电路电感电流，I_oph=[I_oaI_obI_oc]^T为LC滤波电路输出电流，r为LC滤波电路电感损耗，C为LC滤波电路滤波电容值，L为LC滤波电路电感值，U_i为IGBT逆变模块三相输出电压，i=A、B、C；2）对所述数学模型进行坐标变换，得到：0(-1/C)·T2S/3S(Ud/L)·AT2S/3S0u·αβi·αβ=0(1/C)·T2S/3S(-1/L)·AT2S/3S(-r/L)·AT2S/3S,]]>+0(-1/C)·T2S/3S(Ud/L)·AT2S/3S0Sα,βIα,β]]>其中，T2S/3S=231-1/2-1/203/2-3/2;]]>为αβ坐标系下IGBT逆变模块三相输出电压；为αβ坐标系下IGBT逆变模块三相输出电流；S_α,β为αβ坐标系下IGBT逆变模块开关状态；I_α,β为αβ坐标系下LC滤波电路输出电流；3）利用步骤2）的公式，得到兆瓦级变流器在αβ坐标系下数学模型：u·αu·β=13Ciαiβ-13CIoαIoβ,]]>i·αi·β=-r/L00-r/Liαiβ-1Luαuβ+1LUαUβ,]]>其中，i_α、i_β为αβ坐标系下兆瓦级变流器输出电流、U_α、U_β为αβ坐标系下IGBT逆变模块输出电压、u_α、u_β为αβ坐标系下兆瓦级变流器输出电压；4）利用αβ坐标系下α相兆瓦级变流器输出电压建立神经网络内模控制器模型：y_α(k)=h₁u_α(k-1)+h₂u_α(k-2)-g₁y_α(k-1)-g₂y_α(k-2)，其中，y_α(k)为α相兆瓦级变流器输出电压的离散值，h₁、h₂、g₁、g₂均为d轴变流器传递函数系数；u_α(k)为神经网络逆模型；5）将上述y_α(k)、u_α(k)作为神经网络内部模型输入，得到神经网络内部模型表达式：y_α(k+1)=f[y_α(k)，…，y_α(k-n+1)，u_α(k)，…，u_α(k-m+1)]+d_α(k)，其中d_α(k)为d轴干扰噪声；f()为神经网络隐层输入和隐层输出之间的函数映射关系；6）假设输出无偏差跟踪输入，则y_α(k)≈r_α(k)，…，y_α(k-n+1)≈r_α(k-n+1)，得到神经网络逆模型表达式：u_α(k)=f^-1[r_α(k)，…，r_α(k-n+1)，u_α(k-1)，L，u_α(k-m+1)，e_f(k)]，其中，e_f(k)为e_f(s)的离散值，e_f(s)=G_f(s)e_m(s)=G_f(s)[y_α(s)-y_m(s)]，G_f(s)为反馈函数，y_α(s)为y_α(k)的连续函数，y_m(s)为神经网络输出层输出y_m(k)的连续函数，为神经网络隐层节点与输出节点间的网络权值，为神经网络隐层输出，r_α(k)为当前时刻α相兆瓦级变流器参考输入电压；7）定义J(k)为神经网络学习目标函数，则神经网络训练性能指标函数J为：J=Σk=1NJ(k)=Σk=1N[rα(k)-uα(k)]22=12Σk=1Nec2(k)≤ϵ2,]]>其中，ε₂>0；N为神经网络输入或输出样本的长度；8）求神经网络训练性能指标函数J的最小值，确定u_α(k)，从而求得y_α(k)，使y_α(k)很好地跟踪输入信号r_α(k)。