[发明专利]一种基于神经网络滑模控制的UPFC控制方法

摘要

本发明提出了一种基于神经网络滑模控制的UPFC控制方法，该方法利用针对并联侧和串联侧换流器，在矢量控制的基础上，构建了换流器并联侧和串联侧状态空间，采用径向基函数(RBF)神经网络算法，对隐含层节点中心、节点宽度和网络权值采用基于经典梯度下降算法的动量因子法进行调整，由RBF神经网络对滑模面进行调整，该方法能够实现滑动模态的全过程自适应控制，消除滑模控制对外部参数的敏感性，实现有功、无功功率的解耦控制，抑制在系统扰动时后的振荡，快速逼近系统运行的目标值，并且结构简单运行可靠，同时具有很好的适应性和鲁棒性。本发明弥补了国内在这一领域的空白，也为统一潮流控制器稳定控制系统的改进提供了必要的技术支持和有利参考。

主权项

基于神经网络滑模控制的UPFC控制方法，其特征在于，其包括以下步骤：(1)利用矢量控制的方法和坐标变换的方法对已建立的系统数学模型进行解耦，从而得到便于滑模变结构控制的系统状态方程；(2)采用基于指数趋近律的滑模变结构控制器，根据系统误差构造滑模切换函数，选择滑模控制器参数；(3)将切换函数作为RBF神经网络的输入，滑模控制器输入作为RBF神经网络的输出，构造基于高斯函数的RBF神经网络；(4)设计神经网络的误差，选择神经网络的学习指标，采用随机梯度法加上动量修正项的方法，得到各个参数的修正公式；(5)根据目标变量的物理含义测量计算并输出系统状态变量的目标期望值作为控制信号，并通过空间矢量控制得到串联侧和并联侧换流器的触发信号；所述步骤(1)中，以滑模变结构控制为基础的干扰观测器需要在解耦的系统状态空间中进行控制，利用坐标变换方法分别建立两相旋转坐标系下并联侧和串联侧系统状态方程分别如下：LEi·Ed=-REiEd+ωLEiEq+usd-u1dLEi·Eq=-REiEq-ωLEiEd+usq-u1q---(1)]]>LBi·Bd=-RBiBd+ωLBiBq+uBd+u2dLBi·Bq=-RBiBq-ωLBiBd+uBq+u2q---(2)]]>其中：iEd、iEq、iBq、iBd是状态变量，u1d、u1q、u2d、u2q是控制器输入；LE和RE表示UPFC并联变压器以及所连接电抗的等效电感和电阻，iEd和iEq分别为UPFC并联侧输出电流坐标分量，usd和usq分别为电网送端母线电压，u1d和u1q为UPFC并联变流器的输出电压；LB和RB分别表示UPFC串联变压器所连接电抗的等效电感和电阻，iBd和iBq分别表示线路及UPFC串联侧流过的电流坐标分量，u2d和u2q为UPFC串联变流器的输出电压，uBd和uBq分别为串联换流器的交流侧输出电压，ω表示角频率；将ωLEiEq+usd和‑ωLEiEd+usq分别作为输入的前馈补偿，则iEd和iEq是解耦的，利用矢量控制的方法分别建立并联侧和串联侧一阶系统状态空间方程分别如下：x·1=-ax1+u1x·2=-ax2+u2---(3)]]>x·3=-bx3+u3x·4=-bx4+u4---(4)]]>其中，x1＝iEd，x2＝iEq，u1＝(ωLEiEq+usd‑u1d)/LE，u2＝(‑ωLEiEd+usq‑u1q)/LE，x3＝iBd，x4＝iBq，u3＝(ωLBiBq+uBd+u2d)/LB，u4＝(‑ωLBiBd+uBq+u2q)/LB；所述步骤(2)中，滑模切换函数为：s=Ces·=-ϵsgn(s)-ks---(6)]]>其中：C,ε,k均为控制器参数并且满足C,ε,k>0，s、分别表示滑模切换函数和一阶滑模切换函数导数；所述步骤(4)中，得到各个参数的修正公式方法如下；滑模控制器的控制目标定义网络误差E作为RBF神经网络的权值调整指标：E=ss·---(12)]]>网络权值wj调整方式为：dwj=-η∂E∂wj=-η∂ss·∂wj=-η∂ss·∂u∂u∂wj---(13)]]>其中：η>0为神经网络的学习率；由于则RBF网络权值学习算法为：dwj=γsexp(-||s-cj||22bj2)=γshj---(14).]]>