統一電能質量調節器并聯側控制算法的研究

胡曉青，程啟明，程尹曼，白園飛，吳凱

（1.上海電力學院自動化工程學院，上海 200090；2.上海電力公司市北供電分公司，上海 200041）

統一電能質量調節器并聯側控制算法的研究

胡曉青1，程啟明1，程尹曼2，白園飛1，吳凱1

（1.上海電力學院自動化工程學院，上海 200090；2.上海電力公司市北供電分公司，上海 200041）

針對統一電能質量調節器(UPQC)并聯側的結構特點和數學模型，提出了一種基于徑向基函數(RBF)神經網絡整定PID自適應控制的新算法。該方法由徑向基函數神經網絡在線辨識得到梯度信息，PID參數根據梯度信息在線調整，自適應系統參數的變化，通過電流控制，使UPQC并聯側輸出相反諧波和無功電流，從而使系統中不含諧波電流成分。在Simulink環境下分別針對三相恒定對稱非線性負載和三相變化非線性負載的情況進行仿真，仿真結果證明了該方法的有效性和正確性。

諧波檢測；統一電能質量調節器；神經網絡；徑向基函數；自適應；有源濾波

隨著電網負荷的急劇加大，特別是非線性、沖擊性、非對稱性負荷容量的不斷增長，電網電壓、電流波形畸變、電壓波動與閃變，以及諧波等問題使得電網運行環境日趨惡劣，進行諧波抑制和無功補償的研究勢在必行[1-2]。統一電能質量調節器(unified power quality controller，UPQC)[3]兼顧了串聯型與并聯型裝置的優點，具有抑制諧波、補償無功、平衡負載、調節電壓、抑制電壓閃變等功能，被認為是最具發展前景的一種柔性交流輸電系統[4]元件。

目前在UPQC控制策略中，普遍的做法是串聯APF實現動態電壓恢復器的功能，控制為電壓源來補償電網電壓諧波、跌落和閃變等電壓質量問題，使負載電壓為基波正弦；并聯APF則被控制為電流源來補償負載產生的諧波和無功電流，使流入電網的電流為基波正弦。

并聯APF實現電流補償，很大程度上取決于逆變器采用的電流控制方法。目前電流跟蹤控制方法主要有正弦波脈寬調制法、滯環控制法、無差拍控制法和重復控制法等。其中，正弦波脈寬調制法[5]響應速度快，主要缺點是開關頻率不固定且頻率高，開關損耗大，輸出波形中包含有載波頻率的高頻畸變分量。滯環電流控制方法[6]控制性能好，精度高，響應快，但是控制精度、開關頻率、損耗受容差帶寬度影響，對控制精度的要求越高，開關頻率和損耗就越高。無差拍控制[7]基于被控對象精確的數學模型，根據逆變器的輸出反饋信號和狀態方程，計算下一周期的開關時間；缺點是要求脈寬必須即拍即輸出，算法較復雜，采樣頻率較高。重復控制[8]基于內模原理，把外部信號植入控制器內部，高精度地控制反饋，能以較低系統帶寬和采樣頻率獲得高質量穩定波形，穩態誤差小，但動態性能較差。

本文采用基于徑向基函數(RBF)神經網絡(NN)整定PID控制策略實現對指令脈寬的調制，以UPQC為模型，對其工作原理和控制方法進行了研究，使其輸出的補償電流能精確跟蹤補償電流信號，更好地達到濾波效果。仿真結果顯示其性能優越，適應于電力系統這樣強非線性、強不確定性的系統，可靠性高。

1 并聯變流器的數學模型

圖1為UPQC中的并聯變流器[9]及電網部分，將并聯變壓器等效為Y/Y接法，輸出濾波電感折算到變壓器副方（4'側），濾波電容等效為Y型接法。

圖1 并聯變流器與負載等效電路圖

定義并聯變流器電壓開關函數為：

根據圖1得：

由式（2）和式（3）可推出：

并聯變流器的輸出方程為：

2 RBF神經網絡整定理論及其Simulink實現

2.1 并聯側補償控制原理

通過對UPQC并聯側逆變器的控制，可以使其具有APF、DSTATCOM等功能[10]，其工作原理如圖2所示。圖2中，三相電壓源作為非線性負載的電源，當系統中不含對諧波進行補償的APF時，負載電流等于電源電流，電源電流中含有大量諧波電流，將基波電流用表示，諧波電流用表示，有通過UPQC并聯側向負載側注入等于負載諧波的電流來消除網側諧波，使三相電源輸出電流中只含有基波部分，如圖2所示，

圖2 并聯側有源濾波器檢測及控制原理

為了控制APF輸出補償電網中的諧波電流，采用基于瞬時無功功率變換的方法檢測出三相電網中包含諧波和無功的電流，將檢測出來的指令電流*作為APF電流控制的輸入給定，通過電流控制，使APF發出與之大小相等、相位相反的補償電流，從而諧波全部被補償，只有負荷基波電流流出電網，系統中將不含諧波電流成分。電流控制的具體過程為：將實際補償電流和基于瞬時無功功率法檢測計算出來的補償指令電流信號相減得到的差，作為調制信號，用基于徑向基函數的神經網絡整定PID控制器后，再與高頻三角載波進行比較，從而將得到的矩形脈沖作為UPQC各開關元件的控制信號，在輸出端獲得所需的輸出波形。

2.2 RBF網絡結構

RBF神經網絡具有三層前饋網絡結構。神經網絡結構模擬了人腦結構相互覆蓋、局部調整的接收域，如圖3所示。因此，RBF網絡是一種局部逼近網絡，已經證明它能夠以任意精度逼近所有連續函數。與BP網絡相比，RBF網絡是一種前向網絡，輸入非線性映射到輸出，而隱含層線性映射到輸出，因此可以避免局部極小問題并極大地加快學習速度。

圖3 RBF神經網絡的結構

利用梯度下降法，輸出權的迭代算法為：

式中：η為學習速率；α為動量因子。

節點中心、節點基寬參數的迭代算法為：

2.3 基于RBF神經網絡整定的PID自適應控制

圖4是基于RBF神經網絡的PID自適應控制系統原理圖，將RBF神經網絡算法引入PID控制中，結合RBF神經網絡算法和傳統PID控制的優點，實現對UPQC并聯側指令電流的跟蹤控制。RBF神經網絡對PID控制器的3個參數進行自適應控制，由神經網絡在線辨識得到梯度信息，PID參數根據梯度信息在線調整，適應系統參數的變化，使系統控制品質得到改善。

圖4 RBF網絡PID自適應控制原理圖

P、I、D的3項輸入分別為：

性能指標函數可定義為：

(1)確定RBF網絡的基寬參數、中心矢量、慣性系數、學習速率和PID控制器比例、積分、微分參數的初始值；

(2)采樣得到系統輸入、輸出以及控制誤差，計算得到網絡的輸入信號1()、2()和3()，將RBF神經網絡的權值進行調整，得到輸出層的Jacobian陣；

(3)利用Jacobian陣調節PID控制器的比例、積分、微分參數，計算神經網絡PID控制器的輸出；

3 仿真驗證

根據統一電能質量調節器并聯側的系統結構和工作原理，利用Simulink進行仿真。仿真模型的參數可選取：系統側三相線電壓380 V，50 Hz，系統最大容量為20 kVA，直流側電容為3 000μF，交流側進線電感為=1.2mH，=100mΩ，高通濾波器=150μF，=2Ω，=7.5mH，負載側為三相整流橋電路接電阻2.5Ω和1mH電感的串聯負載，直流電容電壓控制值為0.6 kV。仿真中并聯補償采用基于RBF神經網絡的PID自適應控制，通過編寫函數實現。RBF網絡的結構采用3-6-1，網絡輸入為()、()和(－1)，學習速率η=0.001，動量因子α=0.015，比例、積分、微分的系數、、初始參數分別為20、0.5、0.1。為了適當加快系統仿真速度，利用Power-Gui對整個仿真系統進行離散化，采用固定步長的離散算法，采樣周期為1μs，仿真時間為0.1 s。

3.1 對稱三相非線性負載的情況

系統負載側采用可控三相橋式整流電路作為對稱三相非線性負載，阻感負載=25Ω，=20mH，觸發角為30°。圖5為未使用UPQC補償的電源電流，其含有高次諧波，波形發生畸變，總諧波畸變率為24.72%。圖6為經過基于RBF神經網絡的PID自適應控制后的實際補償電流。

圖7為經過RBF神經網絡整定的PID自適應控制補償后的電網電流，經過補償后的電網電流非常接近正弦波，= 3.49%，諧波含量已經減少了許多。補償后的電網電流可以滿足公用電網對諧波的要求。

圖5 并聯APF補償前電源電流波形

圖6 補償電流

圖7 基于RBF神經網絡整定的PID自適應控制補償后電網電流

3.2 時變非線性負載的情況

圖8為補償前的電源電流波形，由于負載發生變化，電流隨之發生變化。圖9為0.04 s加入非線性負載后的實際補償電流。補償后電網三相電流如圖10所示。在接入非線性負載變化的情況下，本文所采用的基于RBF神經網絡整定PID自適應控制能夠自動調整控制器的參數，輸出補償電流，補償后電網電流波形中各次諧波的含量明顯降低。

4 結語

本文針對UPQC并聯側的結構特點，提出了一種基于RBF神經網絡整定PID自適應控制的新算法。由神經網絡在線辨識得到梯度信息，PID參數根據梯度信息在線調整，適應系統參數的變化，使系統的控制品質得到改善。通過仿真驗證了本文所提出控制算法的可行性、有效性和正確性。

圖8 補償前電源電流

圖9 0.04 s加入非線性負載后補償電流

圖10 基于RBF神經網絡整定PID自適應控制補償后的電網電流

[1]萬健如,裴瑋,張國香.統一電能質量調節器同步無差拍控制方法研究[J].中國電機工程學報,2005,25(13):63-67.

[2]朱鵬程,李勛,康勇,等.統一電能質量控制器控制策略研究[J].中國電機工程學報,2004,24(8):67-73.

[3]陳國柱,呂征宇，錢照明.有源電力濾波器的一般原理與應用[J].中國電機工程學報,2000,20(9):17-21.

[4]呂廣強,趙劍鋒,程明,等.配電網動態電能質量問題及其解決方案[J].高電壓技術,2007,33(1):53-56.

[5]莫莉,謝運祥,陳兵.單周控制在有源電力濾波器不同拓撲中的應用比較[J].電力系統保護與控制,2008,36(14):42-47.

[6]FUJITA H,AKAGIH.The unified power quality conditioner:the integration of series and shunt-active filters[J].IEEE Transactions on Power Electronics,1998,13(2):315-322.

[7]胡凱,申群太.基于微粒群算法優化PI參數的單相有源電力濾波器[J].電力系統保護與控制,2009,37(18):51-56.

[8]YE Y,KAZERANIM,QUINTANA V H.A novelmodeling and controlmethod for three-phase PWM converters[J].IEEE Transactionson Power Electronics,1999,46(3):544-553.

[9]黃其新,孫黎霞,甄威,等.同步發電機參數辨識的蟻群算法及擾動分析[J].電力自動化設備，2009，29(11)：50-53.

[10]王兆安,楊君,劉進軍.諧波抑制和無功功率補償[M].北京:機械工業出版社,2002.

Research on controlalgorithm atparallelsideof unified power quality conditioner

HU Xiao-qing1,CHENGQi-ming1,CHENG Yin-man2,BAIYuan-fei1,WU Kai1

Aiming at the structural characteristics and mathematical models at parallel side of unified power quality conditioner(UPQC),a new self-adaptation controlalgorithm of tuning PID based on neuralnetwork of radial basis function(RBF)was proposed.The princip le of thismethod lied in that the gradient information was got from the online identification of the radial basis function neural network,and the PID parameters were online adjusted based on gradient information to self-adapt to changes of system parameters.Through current control,the UPQC parallelside could output the opposite harmonic and reactive current,so that the system would not contain harmonic current.To demonstrate the feasibility of the PID adaptive control algorithm based on RBF neural network tuning,it was simulated respectively for the three-phase constant symmetric non-linear load and three-phase changing nonlinear load in Simulink environment.The simulation results prove the validity and correctness of the method.

harmonic detection;unified power quality conditioner(UPQC);neural network(NN);radialbasis function (RBF);self-adaptation;active filter

TM 571

A

1002-087 X(2014)05-0916-04

2013-11-18

上海市重點科技攻關計劃(11510500800)；上海市電站自動化技術重點實驗室項目(13DZ2273800)

胡曉青(1986—），男，江蘇省人，碩士研究生，主要研究方向為電力系統及其自動化、光伏發電、電能質量分析與控制。

程啟明(1965—)，男，江蘇省人，教授，主要研究方向為電力系統自動化。