基于RBF神经网络的有源电力滤波器预测控制策略研究

摘要

随着电力电子行业的发展，电力工业越来越受到人们的关注。目前我国已逐渐形成了大规模大范围的高压输电网络，对电网安全性，可靠性，稳定性，以及电能质量，应对突发事故和灾害的能力等诸多要求也变得越来越高。但是我们在享受着电力工业所带来的便利时，必须考虑到这些技术所带来的负面影响——谐波的产生。针对谐波抑制的主要问题的深入探索和研究，既是我国电力工业理论发展的需要，更是对电力行业的实践上的高要求。未来，智能化发展必将是我国电力工业发展的趋势。如何将智能控制理论在电力系统应用，更好地抑制谐波，提高功率因数，是促进电力工业发展的有效途径之一。
　　 本课题主要对有源电力滤波器的谐波检测和控制技术进行了研究。由于传统的控制策略并未考虑系统延时问题。本课题的核心为:通过分析延时对APF补偿性能的严重影响，引出预测控制的概念，并利用RBF神经网络对谐波电流进行预测控制。对RBF神经网络的学习算法——K-均值聚类算法进行了研究。深入介绍如何利用K-均值聚类算法求取隐含层的聚类中心，并求取基宽和权值。在此学习算法的基础上，通过对输入输出样本进行重构预处理之后，对RBF神经网络进行训练，使之达到最优的预测效果。并对整个预测模型的实现过程做了详细的描述。在此基础上，又对基于自适应滤波器LMS算法的预测模型做了详细的介绍，重点对整个算法的结构及实现过程做了深入研究。并把上述两种方法用于谐波电流的预测控制中，实现预测出下一拍的电网谐波电流参考值ic*(t+1)，据此发出PWM信号，使主电路输出补偿电流ic(t+1)，从而消除延时，并做出Matlab仿真和二者的误差分析，仿真结果表明基于RBF神经网络预测控制的预测效果更准确，误差更小，实时性更好，为APF谐波电流预测奠定理论基础。
　　 最后，在对有源电力滤波器整体分析后，做出系统Matlab/simulink模型。利用基于瞬时无功功率理论的ip-iq法则对谐波进行检测。把检测出来的谐波通过RBF神经网络预测模型产生谐波电流参考值，使主电路发出补偿电流，实现谐波抑制作用。通过对系统模型的构建和良好的仿真效果证明:RBF神经网络预测控制在有源电力滤波器谐波控制中得到了理想的运用，具有很好的理论意义和实用价值。本课题所提出的预测方法为谐波治理领域开辟了一个新的空间。

目录

声明

摘要

1 绪论

1．1 引言

1．2 谐波的定义

1．3 谐波产生的来源

1．4 谐波的危害

1．5 谐波抑制的起源、现状和展望

1．5．1 谐波抑制的起源、现状

1．5．2 谐波抑制的展望

1．6 本课题主要研究内容

2 有源电力滤波器的原理及分类

2．1 有源电力滤波器的基本原理

2．2 有源电力滤波器的分类

2．3 本章小结

3 有源电力滤波器谐波检测技术及仿真实现

3．1 有源电力滤波器传统谐波检测技术

3．2 瞬时无功功率理论

3．2．1 p-q检测法

3．2．2 ip-iq检测法

3．3 基于单相电路ip-iq法则的谐波检测

3．4 单相电路谐波检测Matlab仿真

3．5 本章小结

4 有源电力滤波器预测控制策略分析与研究

4．1 有源电力滤波器谐波补偿常见控制方法

4．1．1 滞环比较PWM电流控制法

4．1．2 空间矢量PWM电压控制法

4．1．3 无差拍PWM电流控制法

4．1．4 三角波比较PWM电流控制法

4．2 预测控制

4．2．1 延时对APF补偿性能的影响分析

4．2．2 预测控制概述

4．3 APF电流预测控制策略的研究

4．3．1 基于拉格朗日插值算法的线性预测控制

4．4 基于自适应滤波器的预测控制

4．4．1 自适应滤波器预测的概述

4．4．2 FIR自适应滤波器预测控制的结构

4．4．3 自适应算法—LMS算法

4．4．4 基于自适应LMS算法的预测控制思路

4．4．5 基于自适应LMS算法的预测控制器设计

4．5 本章小结

5 基于RBF神经网络的APF电流预测控制及其仿真实现

5．1 径向基函数(RBF)神经网络预测控制概述

5．2 RBF径向基函数神经网络的结构和原理

5．3 RBF神经网络学习算法

5．4 RBF神经网络预测控制研究与设计

5．4．1 样本数据预处理

5．4．2 初始值的选择

5．4．3 隐含层节点数的选择

5．4．4 RBF神经网络建立流程

5．5 RBF神经网络的训练及其对电流的预测效果分析

5．6 RBF网络预测与基于自适应滤波器的预测控制对比

5．6．1 基于自适应滤波器的预测控制仿真

5．6．2 二者电流误差分析

5．7 RBF神经网络预测控制器的设计

5．8 并联型APF谐波预测补偿的设计与Matlab仿真

5．9 本章小结

6 结论

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果