基于BP 神經網絡的PWM 整流器

創新者：崔義森

本文介紹了一種新型PWM 整流器設計方法，將BP 神經網絡應用于整流器的設計中，可以保證整流器在正常工作的基礎上，提高整流器的工作效率。本文介紹了三相PWM 整流器的數學模型，在數學模型的基礎上，對比分析了人工神經網絡技術與傳統調制技術的優缺點，證實了人工神經網絡技術應用于PWM 整流器設計中的有效性。

近年來，大功率變換器廣泛應用于各種工業場合，如功率電源、交直流電機、高壓直流輸電、新能源發電等。傳統的整流變換器主要應用二極管整流橋以及相控技術來實現，這種技術的局限性在于必須應用于線性負載系統中，并且在整流系統的輸入端會產生大量的電流諧波，從而影響整個電源系統的工作效率，進而對整個分布式電力系統中的其它電力設備產生影響。

為了解決上述問題，提高整流變換器的工作效率，常規方法是在整流器的一端加濾波器，包括：有源濾波器、無源濾波器、混合濾波器等等。濾波器的使用會增加整流變換器的體積，諧振電流以及補償方法的不可控性使得濾波器的使用效率大大降低，這些都為整流器的正常工作增加了變數。

在整流變換器中嵌入大功率因數變換系統，可以減少整流器的體積，提高整流系統的工作效率，進而增加輸出直流電的可控性。本文介紹了一種基于空間矢量變換的BP 神經網絡技術，這種技術的優勢在于保證整流系統工作效率的前提下減少了整個系統的體積，加快了整流系統的實現速率，大大降低了變換器輸入輸出端的諧波干擾，對于改善整流變換器以及整個電力系統的效率有重要意義。

變換器數學模型

圖1 給出了三相大功率整流器的電路拓撲結構圖，從圖中可以看出，整流器的輸入端經濾波電感與整流橋相接，整流橋的輸出端經儲能電容與負載相接，構成了整流系統的主電路拓撲結構，通過控制功率開關產生PWM 波形來控制整個系統的正常工作。因此我們定義3 個空間矢量：

將三相坐標系轉換為兩相旋轉坐標系（d-q坐標系），上面的四個等式可以轉變為：

基于空間矢量控制的BP 神經網絡的實現

為了滿足三相整流系統的工作要求，我們需要找到合適的控制策略實現以下四個目標：

圖1 三相全控整流電路拓撲結構圖

圖2 空間矢量脈寬調制技術工作原理圖

減少電流諧波；

滿足單位功率因數運行；

輸出可調的直流電壓；

使得開關頻率滿足整流系統的工作要求。

圖2 給出了基于d-q 坐標系下的空間矢量PWM技術的工作原理圖，其工作原理是：將整個矢量空間氛圍六個扇形空間，當圓形旋轉矢量經過每一個扇形區間時，都由位于扇形取件兩側的矢量來合成旋轉矢量，從而實現整流系統的正常運行。

在空間矢量脈寬調制技術的基礎上，我們將人工神經網絡技術應用其中，使得整流系統的工作性能變得更加完善。

人工神經網絡系統（Artificial Neural Network--ANN）主要應用于多輸入多輸出的非線性系統中，其主要包括：輸入層、網絡層和輸出層，其核心算法是由一個多維網絡運算層組成。基于上述特點，我們可以將三相大功率整流系統輸入端的多位變量作為ANN 系統的輸入向量，通過相應地運算法則，得到我們需要的開關變量，從而實現整個系統的正常工作。

由于BP 神經網絡具有學習能力強，運算速度快的特點，我們將BP 神經網絡技術與空間矢量脈寬調制技術相結合，可以得到每一相的開關導通時間為：

由于空間矢量脈寬調制技術的對稱性，相應地關斷時間為：

一般情況下，開關器件的導通時間可以寫為：

圖3 BP 神經網絡結構圖

從圖3 中我們可以看出，開關管導通時間是由相角分支的輸出變量以及幅值分支的輸出變量加四分之一開關周期時間共同產生的。BP 神經網絡學習和記憶能力可以保證整流系統的工作具有較強的抗干擾能力。

結語

本文介紹了一種基于BP 神經網絡技術的空間矢量脈寬調制方法，將這種方法應用于大功率整流系統中，可以改善系統的工作性能。神經網絡技術有效的減少了常規整流器調制方法實現過程中產生的電流諧波，使得空間矢量脈寬調制技術可以更加快速精確的實現，為大功率整流器工作效率的提高提供了技術支持。