基于人工神經網絡諧波電流檢測算法的電力有源濾波器

李智華, 劉 振, 呂振彬

(上海大學機電工程與自動化學院,上海 200072)

基于人工神經網絡諧波電流檢測算法的電力有源濾波器

李智華, 劉 振, 呂振彬

(上海大學機電工程與自動化學院,上海 200072)

有源濾波器的有效性在很大程度上依賴于是否能得到真實反映欲補償的諧波分量的參考信號,因此,有源濾波器設計的關鍵問題之一就是研究一種好的電流檢測算法.在分析并聯型有源電力濾波器的工作原理、系統結構的基礎上,給出一種新的神經網絡的電流檢測控制算法,結合此算法設計了三相并聯有源電力濾波器 (shunt active power filter,SAF).Matlab仿真結果顯示,諧波總畸變率 (total harmonic distortion,THD)明顯降低,與理論分析一致,證實了該方法的有效性.

電力有源濾波器;人工神經網絡;總畸變率

Abstract:Effectiveness of active filter rely on the availability of a reference signal which reflects the harmonic component to be compensated for.As a result,a key issue in the study of active filter is to develop a good current detection algorithm.In view of this,we analyze theworking principle and system structure of active power filter,propose a new current detection algorithm using neural networks,and design a parallel three-phase active power filter.In the computer simulation,the total harmonic distortion(THD)is low.The results are in agreementwith the theoretical analysis,and therefore confirm validity and feasibility of the new algorithm.

Key words:active power filter(APF);artifical neutral networks(ANN);total harmonic distortion(THD)

隨著電力電子裝置的廣泛應用,各種非線性負載引起的電網電流波形畸變和功率因數降低造成了對電網的污染.電網諧波不僅危害電網本身,而且危害其周邊設備,因此治理電網諧波污染勢在必行[1].解決電網污染問題的有效手段之一是在用戶端加裝有源電力濾波器(active power filter,APF).之所以能夠成為諧波治理的首選方案,是因為有源濾波器相對于無源濾波器 (power filter,PF)而言,它是一種動態和靈活的諧波治理手段,而這種優良的性能正是通過實時控制來實現的[2-4].

有源濾波器的有效性在很大程度上依賴于能否得到真實反映欲補償的諧波分量的參考信號.因此,設計有源濾波器的關鍵問題之一就是研究一種優良的電流檢測算法[5-7].文獻[7]提出了一種應用兩層神經網絡的諧波自適應檢測方法,該方法用兩層神經網絡進行電流檢測,分別選擇各層的學習率.但在仿真研究時發現,該方法計算量大,所需時間長,實時性差.

本研究在分析三相并聯型有源電力濾波器(shunt active power filter,SAF)的工作原理、系統結構的基礎上,提出了一種新的基于神經網絡的電流檢測控制算法,將負載電流、直流側電容電壓與系統電壓輸入神經網絡來獲得參考電流.這種方法無需經過復雜的坐標轉換,也不需要濾波器,具有計算量小、延時少、實時性好、抗干擾性強的特點.

1 SAF系統的結構

圖1為并聯型電力有源濾波器的基本拓撲結構.濾波器并聯在負載上,通過檢測被補償對象的電壓和電流,經指令電流運算電路計算得出補償電流的指令信號.該信號經補償電流發生電路放大,得出補償電流,補償電流與負載電流中要補償的諧波及無功等電流抵消,最終得到期望的電源電流[8].

圖1 三相并聯有源濾波器的結構框圖Fig.1 Pr inciple d iagram of shunt active power f ilter

2 系統的建模

APF的控制系統主要有兩部分:指令電流運算電路和補償電流發生電路.指令電流運算電路即諧波檢測電路,主要功能是從被補償對象的電流中提取所需補償的諧波電流分量.補償電流發生電路根據指令電流運算電路得出的諧波電流分量,構造實際的補償電流[8].

諧波電流檢測傳統方法有在瞬時無功功率理論基礎上發展起來的 p-q法、ip-iq法和 d-q法,以及基于快速傅里葉變換 (fast Fourier transform,FFT)的數字分析法、乘正弦信號法和在這些方法基礎上改進的方法等.隨著人工智能技術的發展,許多優化算法和預測算法也可用于諧波分量的計算,如小波變換法、神經網絡變換法、自適應預測技術等[9].

補償電流發生電路采用的電流跟蹤控制方法主要有三角載波線性控制、滯環比較控制及這些方法的改進.

2.1 基于人工神經網絡的諧波電流檢測

人工神經網絡 (artifical neutral networks,ANN)已被廣泛應用于模式識別、信號處理、智能控制等許多領域,近年來又被應用于諧波檢測中.人工神經網絡自學習功能性強,進化算法和反向傳播用于神經網絡的訓練,不但避免了對于給定補償電流的復雜計算,而且有廣泛的適應性.

用傅里葉級數將非線性負載電流展開,有

式中,ip(t)為基波有功電流,iq(t)為基波無功電流,ih(t)為總的諧波電流.若有源濾波器可提供欲補償電流的參考電流 if(t)=iq(t)+ih(t),則補償電流ic(t)=-if(t).電源只需提供基波有功電流 ip(t),電流與電源電壓 Us(t)同相[10].故有

式中,sinωt=Us/Um(Um為電源電壓 Us(t)幅值),

式中,W=i1cosφ/Um.

通過計算神經元的權值W,根據非線性負載的電流和電源電壓,有源濾波器的參考電流可以很容易地通過計算得到.這種控制算法的原理框圖如圖2所示.

圖2中,ANN由自適應的線性元素的神經元組成,神經元的權值為W,偏差趨近于 0.設系統輸入電源電壓Us(t),ANN的輸出為基波有功電流ip(t),

圖2 神經網絡控制器的原理框圖Fig.2 Pr inciple d iagram of ANN controller

系統的輸出為有源濾波器欲補償的參考電流if(t),根據Widrow-Hoff學習方法,得出優化的權值方程為

式中,ηifrUs(n-1)表示神經元權值 W的變化量.η為學習率,隨時間而衰減,即隨著訓練過程的進行,權值調整幅度越來越小,0<η<1,

由式 (4)和式 (5)可得基于神經網絡檢測算法的 a相控制,如圖3所示.

圖3 a相電流的控制圖Fig.3 Con trol d iagram of curren t for phase-a

根據Widrow-Hoff學習方法,神經網絡通過學習和訓練得到神經元的權值W,有源濾波器的參考電流可以通過式 (5)計算獲得.參考電流通過控制器,給逆變器提供信號觸發脈沖,從而控制有源濾波器的輸出電流,使其動態快速地補償電網電流.

2.2 補償電流發生電路

補償電流發生電路由電流跟蹤、控制、主電路三部分組成.APF要求補償電流能夠實時跟蹤指令電流信號的變化,因此,電流控制電路需要采用跟蹤性脈寬調制 (pulse w idth modulation,PWM)控制方式,主電路采用電壓型 PWM逆變器.三相電壓型逆變電路主要包括 PWM變流電路、交流側電感一級電容和三相全橋逆變器[11].三相全橋逆變器采用滯環比較控制方法,該方法采用滯環比較方法確定有源濾波器的開與關.有源濾波器的反饋電流 ic與參考電流 iref比較后,得到偏差信號.滯環電流控制器根據該偏差信號產生相應的觸發脈沖,逆變器根據觸發脈沖而動作,從而減少電流誤差.設 hb為滯環寬度,可由以下等式得到固定帶寬:

式中,iup,ilow分別代表帶寬的上下限.如果 ic>iup,則Gx=-1(x=1,2,3),表示逆變器輸出電壓為負,電流控制在滯環帶寬內;如果 ic

式中,G1,G3,G5代表逆變器相應橋臂上 IGBT的開關狀態的邏輯變量.整個逆變器的工作狀態由這些邏輯變量決定,有源電力濾波器的輸出電流可表示為

式中,Us為系統電壓矢量,Uf,if分別為有源電力濾波器輸出電壓、電流矢量,Lf,Rf分別為有源濾波器的等效電感和電阻.

直流側并聯電容 C的電壓大小由逆變器的輸出電流和 IGBT的開關變量決定.電容 C的電壓可表示為

并聯型 APF的補償電流由電壓型逆變器中直流側電壓和交流側電源電壓之差產生.

3 系統的仿真

根據上節所給出的算法,在Matlab環境下進行仿真研究[12].Simulink仿真模型由三相電源、非線性負載 (諧波源)和 APF三部分組成.

系統的仿真參數為:輸入電壓 Us=380 V,整流器觸發角α=0°,整流器負載電阻 R=50Ω,整流器負載電感 L=1 mH,濾波器直流側并聯電容 C=3.11 mF,APF交流側濾波電感 5 mH,有源電力濾波器功率開關器件開關頻率 f=10 kHz,仿真采樣時間t=50μs.

考慮到三相電路的對稱性,這里只給出 a相的仿真波形,其中圖4為電網 a相的負載電流,圖5為有源電力濾波器補償后的電源電流.從系統仿真波形可以看出,補償電流可以實時跟蹤諧波電流.由分析計算可知:當α=0°時,電流總諧波畸變率 (total harmonic distortion,THD)從補償前的 24.04%降至2.92%.

圖4 a相負載電流Fig.4 Source current w ithout SAF for phase-a

圖5 補償后的 a相電流Fig.5 Source current w ith SAF for phase-a

4 結 束 語

有源電力濾波器的濾波效果在很大程度上取決于電網諧波電流檢測的精度和實時性.本研究給出了一種基于ANN的電流檢測控制算法,它具有計算量小、實時性好的特點.利用 Matlab進行仿真的結果表明,這種方法能有效地抑制電網諧波.

[1] 肖湘寧.電力系統諧波及其綜合治理[M].2版.北京:中國電力出版社,1999:100-131.

[2] PENG F.Harmonic source and filtering approaches[J].Industry App licationsMagazine IEEE,2001,7(4):18-25.

[3] CHANDRA A,SINGH B,AL-HADDAD K.An improved control algorithm of shunt active filter for voltage regulation,harmonic elimination,power factor correction,and balancing of nonlinear loads[J]. IEEE Transactionson Power Electronics,2000,15(6):495-503.

[4] SALO M,TUSSA H.A vector controlled current-source PWM rectifierwith a novel current damp ingmethod[J].IEEE Transactionson Power Electronics,2000,15(6):464-470.

[5] 姜奇榮,謝小榮,陳建業.電力系統并聯補償——結構、原理、控制與應用 [M].北京:機械工業出版社,2004:132-170.

[6] 羅安.電網諧波治理和無功補償技術及裝備[M].北京:中國電力出版社,2006:38-66.

[7] 李波,張林利,王廣柱,等.用于 APF的神經網絡自適應諧波電流檢測方法[J].電力自動化設備,2004,24(5):38-40.

[8] 姜奇榮,趙東元,陳建業.有源電力濾波器——結構、原理、控制[M].北京:科學出版社,2008:85-111.

[9] 陳紅兵.有源電力濾波器控制策略和諧波檢測方法分析[J].江蘇電器,2008(6):56-59.

[10] EL-KHOLY E E,EL-SABBEA,EL-HEFNAWY A,et al.Three-phase active power filter based on current controlled voltage source inverter[J].Electrical Power and Energy Systems,2006,28:537-547.

[11] BUSO S,MALESONIL,MATTAVELL I P.Comparison of current control techniques for active filter applications[J].IEEE Transactionson Industrial Electronics,1998,45(5):722-729.

[12] 曹永安 ,馬路 ,劉慧敏.MATLAB7.0/SIMUL INK6.0建模仿真開發與高級工程應用[M].北京:清華大學出版社,2005:56-97.

(編輯:劉志強)

Harmon ic Current Detection Algor ithm for Active Power Filter Based on Ar tif ical Neutral Networks

L IZhi-hua, L IU Zhen, Lü Zhen-bin
(School of Mechatronics Engineering and Automation,ShanghaiUniversity,Shanghai200072,China)

TP 273.22

A

1007-2861(2010)03-0323-04

10.3969/j.issn.1007-2861.2010.03.021

2009-01-06

上海市重點學科建設資助項目 (T0130);上海大學創新基金資助項目(A.10-0109-07-022)

李智華 (1970～),女,副教授,博士,研究方向為電子技術、智能電器及高頻磁技術.E-mail:lzh_sh@staff.shu.edu.cn