電流突變抑制與智能化諧波檢測系統

馬立新， 林家雋， 肖 川， 魯 奕

(上海理工大學電氣工程系， 上海 200093)

電流突變抑制與智能化諧波檢測系統

馬立新， 林家雋， 肖 川， 魯 奕

(上海理工大學電氣工程系， 上海 200093)

針對網側電流的電能質量問題，設計了一個并聯型有源電力濾波器系統。該系統采用神經網絡諧波檢測方法，提高了檢測的實時性和精度；補償裝置采用周期采樣控制方法，便于實際應用；負載端加入隔離變壓器，獲得了更好的補償效果。該方法具有精度高、延遲小、補償效果好的優點，使得該有源電力濾波器系統更適合工程中的應用。MATLAB仿真結果驗證了該系統的有效性和可行性。

諧波； 有源電力濾波器； 神經網絡； 補償； 總諧波畸變

有源電力濾波器是一種動態抑制諧波的電力電子裝置，能對變化的諧波進行實時檢測及補償，從而抑制電網中諧波，使電能質量達到國家標準。在文獻[1]基礎上，加入補償裝置和隔離變壓器，通過MATLAB仿真驗證了神經網絡諧波檢測方法應用在有源電力濾波器系統中的有效性與可行性，與采用ip-iq諧波檢測方法的有源電力濾波器補償結果比較，該系統具有更好的補償效果。

1 并聯型有源電力濾波器的工作原理

并聯型有源電力濾波器的工作原理如圖1所示，有源電力濾波器通過采樣獲得電流信號，經過諧波檢測環節計算出諧波電流，再通過補償裝置產生與諧波電流反相的電流ic注入電網，從而達到抑制諧波的目的[3]。

圖1 APF原理

2 諧波檢測方法

該方法是將信號用FFT分解，即得到各次諧波的幅值和相位。缺點是具有較大的延時[2]。另一種方法是ip-iq諧波檢測方法，其原理如圖2所示。

圖2 ip-iq諧波檢測方法的原理

3 控制方法

一般有兩種控制方法，其一是滯環控制法，滯環控制法根據給定補償信號與實際補償信號的誤差來控制逆變器的開關動作[2]。第二種方法是三角波比較法，如圖3所示，此方法輸出控制信號的頻率等于三角載波的頻率，可提高功率器件的使用壽命[3]。

圖3 三角波比較法原理

4 APF系統設計

4.1 基于BP神經網絡的諧波檢測方法

基于BP神經網絡與鎖相環相結合的諧波檢測原理如圖3所示，當電網側三相電流經過鎖相環時可得與各相基波電流同相位的單位基波信號iaf1(t)、ibf1(t)、icf1(t)，再將其乘以由神經網絡輸出的三相電流基波幅值Ia(t)、Ib(t)、Ic(t)便可得到當前時刻每一相電流的基波分量iaf(t)、ibf(t)、icf(t)，再利用各相電流采樣值ia(t)、ib(t)、ic(t)減去各自的基波分量iaf(t)、ibf(t)、icf(t)可得三相電流的諧波量iah(t)、ibh(t)、ich(t)。該方法去掉了延時較高的低通濾波環節，提高了諧波檢測的速度和精度[2]。

圖4 BP神經網絡與鎖相環相結合的檢測原理

本文定義一個三層的BP神經網絡，輸入層為6個神經元，隱層為41個神經元，輸出層為3個神經元，取三相電流的采樣值和一個周期內三相電流的最大值作為BP神經網絡的輸入，將FFT理論計算出的三相基波電流的幅值作為網絡期望，采用BFGS擬牛頓算法對網絡進行離線訓練，并將訓練后神經網絡生成simulink模塊[1]。

4.2 周期采樣控制方法

圖5為周期采樣控制方法的原理。周期采樣控制方法主要是根據有源電力濾波器輸出電流與參考電流的比較結果在采樣脈沖的上升沿改變PWM脈沖的狀態。如果在采樣脈沖的上升沿補償電流icgt;iret，則PWM脈沖為正，控制有源電力濾波器的逆變器開關使補償電流減小；如果在采樣脈沖的上升沿補償電流iclt;iret，則PWM脈沖為0，控制有源電力濾波器的逆變器開關使補償電流增加。周期采樣控制方法的優點是控制非常簡單，工程應用中實現起來極為簡單，器件的開關頻率被限制在采樣時鐘脈沖的頻率以內[2]。

圖5 周期采樣控制

4.3 隔離變壓器

隔離變壓器指1∶1的變壓器，其原理如圖6所示，當一次側繞組上加上電壓U1時，流過電流I1，在鐵芯中就產生交變磁通Φ1，在它作用下，兩側繞組分別感應電勢E1、E2，感應電勢公式為

E=4.44fNΦm

(3)

式中：E為感應電勢有效值；f為頻率；N為匝數；Φm為主磁通最大值。

本文所設計的系統中，在負載與電網之間增加隔離變壓器，對諧波電流起到了一定的緩沖作用，獲得了更好的補償效果。

圖6 隔離變壓器的原理

5 仿真結果及總結

為了驗證所述方法的有效性，本文建立了MATLAB仿真模型(見圖7和圖8)。

圖7 諧波源的MATLAB模型

圖8 文中諧波檢測方法的MATLAB模型

仿真實驗條件：三相電源帶整流負載，其中，負載參數為R=100 Ω，L=1.8 H，C=0.6 F，在0.5 s時觸發角由0°變為30°。

網側電流波形如圖9所示，0.5 s時，觸發角由0變為30°，電流波形發生明顯變化。0.2～0.3 s電流的THD如圖10所示(為16.42%)，0.8～0.9 s電流的THD如圖11所示(為24.41%)，大大超過了規定的標準。

圖9 A相負載電流波形

圖10 0.2～0.3 s網側電流總畸變率

圖11 0.8～0.9 s網側電流總畸變率

基于BP神經網絡的諧波檢測方法與ip-iq算法檢測的基波電流如圖12所示，其中，ip-iq諧波檢測方法檢測出的基波延遲大，且輸出波形的幅值也不穩定，影響了諧波實時檢測的速度和精度，以及對后面諧波的補償；相比之下，基于BP神經網絡的檢測方法檢測的基波延遲小，幅值穩定，具有良好的自適應能力。

(a) 神經網絡法

(b) 瞬時無功法

兩種方法檢測出的諧波如圖13所示，可見所構建的神經元網絡檢測基波的速度和精度都大大優于ip-iq檢測方法。它們所檢測出來的諧波電流，ip-iq檢測方法要在0.2 s之后才能檢測出諧波分量，而本文所采用的方法在0.1 s之前就檢測出了諧波分量；由于BP神經網絡檢測方法的基波檢測精度高，所以在諧波檢測精度上較ip-iq檢測方法也有一定的提高。

經過補償裝置補償后，網側電流波形如圖14和圖15所示，可以看出電流波形中存在“尖峰”。電流的THD如圖16和圖17所示，經過補償后的波形還未達到允許的5%以內[6]。

圖13 0.1～0.2 s內兩種方法檢測的諧波電流

圖14 不加隔離變壓器補償后0.20～0.24 s電網側電流波形

圖15 不加隔離變壓器補償后0.80～0.84 s電網側電流波形

經過對波形的比較分析可知，“尖峰”產生的原因在于跟蹤器未能很好跟蹤到電流波形的跳變，故而產生“尖峰”，影響了電能質量。本文提出了一種解決辦法，即在負載端加入隔離變壓器。如圖18所示，加入隔離變壓器后，電流波形的跳變有了明顯改善，因為根據楞次定律，電感對電流的變化有一定的阻礙作用，使電流的變化率降低了，這樣有利于跟蹤器更好地跟蹤電流的變化，提高了補償的效果。加入隔離變壓后，0.38～0.41 s內，經APF補償后的電網側電流波形如圖19所示，跟蹤器能很好地跟蹤諧波電流，消除了“尖峰”，提高電能質量；從0.38 s起，取5個周期的波形進行FFT分析，如圖20所示，電網側電流的THD值為1.88%，達到允許范圍內；0.68～0.75 s電網側電流波形如圖21所示，對該波形進行FFT分析，結果如圖22所示，THD值為3.32%，均在GB/T 14549-93標準范圍內。仿真結果如表1所示。

圖16 補償后0.2～0.3 s網側電流總畸變率

圖17 0.80～0.9 s網側電流總畸變率

圖18 有、無隔離變壓器負載端電流對比(A相)

圖19 加入隔離變壓器后，0.38～0.41 s補償后電網側電流波形

圖20 加入隔離變壓器后，0.25～0.35 s內電網側電流總畸變率

圖21 加入隔離變壓器后，0.68～0.76 s補償后電網側電流波形

圖22 加入隔離變壓器后，0.68～0.75 s內電網側電流總畸變率

表1 網側電流總畸變率

6 結語

本文在論文BP神經網絡和鎖相環相結合的諧波檢測方法[1]的基礎上，根據所提出的新方案，搭建了諧波補償裝置，進一步完善整個有源電力濾波器系統，經過MATLAB建模和仿真驗證了其可行性和正確性。通過與傳統ip-iq諧波檢測方法的比較，可以看出本論文中的系統具有良好的實時性和精確性以及自適應能力，滿足APF的諧波檢測要求；通過有無隔離變壓器的仿真結果對比，可以看出本文提出的在負載端加入隔離變壓器的方法可以大大改善補償后電流的波形，使電流的總畸變率在允許的范圍之內。本文提出的有源電力濾波器系統具有簡單易實現，檢測精度高、實時性好、自適應性強的特點，良好的補償效果適合工程應用。

[1] 馬立新，肖川，林家雋，等(Ma Lixin, Xiao Chuan, Lin Jiajun，etal).神經網絡和鎖相環相結合的諧波檢測方法(Method of harmonic detection based on neural network combined with phase-locked loop)[J]. 電力系統及其自動化學報(Proceedings of the CSU-EPSA)，2011，23(3): 24-29.

[2] 姜齊榮.有源電力濾波器-結構·原理·控制[M]. 北京：科學出版社，2005.

[3] 張林利，王廣柱(Zhang Linli, Wang Guangzhu).一種基于人工神經網絡的諧波測量新方法(New artificial neural network approach for measuring harmonics)[J]. 電力系統及其自動化學報(Proceedings of the CSU-EPSA), 2004，16(2)：40-43.

[4] 王兆安，楊軍，劉進軍．諧波抑制和無功功率補償[M]. 北京：機械工業出版社，1998.

[5] 葛哲學,孫之強. 神經網絡理論與MATLABR2007實現[M]. 北京：電子工業出版社,2007.

[6] GB/T 14549-93,電能質量 公用電網諧波[S].

[7] 王群，吳寧，王兆安(Wang Qun, Wu Ning, Wang Zhao'an). 一種基于人工神經網絡的電力諧波測量方法(A measuring approach of power harmonics based on artificial neural network)[J]. 電力系統自動化(Automation of Electric Power Systems)，1998，22(11)：35-39.

[8] Ma L, Oda M, Miyajima H. A consideration on the ability of multilayer higher order neural networks [J]. Trans of the IEEE of Japan, 1999, 119-C(3): 421-422.

馬立新(1960-)，男，博士，教授，研究方向為電力系統穩定性與優化運行，電氣系統故障診斷與模式識別，電力能效測評，群體智能與智能電網。Email:malx_aii@sina.com

林家雋(1987-)，男，碩士研究生，研究方向為電能質量控制。Email:linjiajun1987@gmail.com

肖 川(1983-)，男，碩士研究生，研究方向為電能質量控制。Email:xiaoch1222@163.com

CurrentMutationSuppressionandIntelligentHarmonicDetectionSystem

MA Li-xin， LIN Jia-jun， XIAO Chuan， LU Yi

(Department of Electrical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China)

For the power quality problem, a design of shunt active power filter system was proposed in the paper. The system uses neural network harmonic detection method to improve the real-time and accuracy of detection; its compensation device uses periodic sampling control, and ease to be applicated; load by adding isolation transformers, to obtain better compensation effect. The proposed method has high precision, low delay, and the benefits of a good compensation effect of active power filter system is more suitable for engineering applications. MATLAB simulation results validate the effectiveness and feasibility of the system.

harmonic； active power filter (APF)； neural network； compensation； total harmonic distortion (THD)

TP273.22

A

1003-8930(2012)01-0049-05

2011-07-26；

2011-09-19

國家科技部政府間科技合作項目(2009014)；上海市高等學校高地建設項目