CN100466413C - 配电静止无功发生器的多变量控制方法 - Google Patents
配电静止无功发生器的多变量控制方法 Download PDFInfo
- Publication number
- CN100466413C CN100466413C CNB200710034456XA CN200710034456A CN100466413C CN 100466413 C CN100466413 C CN 100466413C CN B200710034456X A CNB200710034456X A CN B200710034456XA CN 200710034456 A CN200710034456 A CN 200710034456A CN 100466413 C CN100466413 C CN 100466413C
- Authority
- CN
- China
- Prior art keywords
- deviation
- reactive power
- power generator
- static reactive
- distribution static
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了一种利用神经网络整定PID参数的配电静止无功发生器多变量控制方法,该方法包括以下步骤:检测配电静止无功发生器接入点电压和直流侧电容电压,并与其相应的参考值比较得到其偏差,计算偏差和及偏差增量;将偏差,偏差和及偏差增量作为神经网络NN的输入信号,神经网络对PID控制器的比例系数、积分系数和微分系数进行调整,PID控制器根据偏差以及比例系数、积分系数和微分系数得到配电静止无功发生器逆变器的调制系数和相位差;利用调制系数和相位差得到配电静止无功发生器逆变器的开关控制信号。本发明实现简单,且具有很好的自适应性。
Description
技术领域
本发明涉及一种配电静止无功发生器的控制方法,特别涉及一种基于神经网络整定PID参数的配电静止无功发生器的多变量控制方法。
背景技术
电压质量不好是一个重要的电能质量问题,对电力公司和电力用户都会造成巨大的经济损失,并且会对电网的安全、稳定、经济运行构成威胁。解决电压质量问题的有效途径是在电网中安装无功补偿装置。配电静止无功发生器代表了未来电力系统无功补偿装置的发展趋势,能综合解决配电网中的多种电能质量问题。在中低压配电系统中,配电静止无功发生器通常采用基于VSI-SPWM结构的电路拓扑。当采用VSI-SPWM结构的配电静止无功发生器用来维持接入点电压恒定时,为了使配电静止无功发生器装置具有很好的补偿性能,必须采用多变量解耦控制器。现有的多变量解耦控制方法是采用微分几何的方法,利用状态反馈,将多变量系统化为从外部看完全解耦的线性系统,这种方法要求被控对象必须用精确的数学模型来描述,因此难于实现自适应控制。
发明内容
为解决现有配电静止无功发生器控制复杂、难于实现自适应控制的技术问题,本发明提供一种实现简单、自适应性强、具有良好的动态和静态性能的配电静止无功发生器多变量控制方法。
本发明解决技术问题所采用的技术方案包括以下步骤:
1)检测配电静止无功发生器接入点电压,将接入点电压与其相应的参考值比较,得到接入点电压的偏差,计算偏差和及偏差增量;
2)将接入点电压的偏差,偏差和及偏差增量作为神经网络NN1的输入信号,神经网络NN1根据接入点电压的偏差,偏差和及偏差增量,结合性能指标函数对第一PID控制器的比例系数、积分系数和微分系数进行调整,第一PID控制器根据接入点电压的偏差,以及神经网络NN1输出的比例系数、积分系数和微分系数得到配电静止无功发生器逆变器的调制系数;
3)检测配电静止无功发生器直流侧电容电压,将直流侧电容电压与其相应的参考值比较,得到直流侧电容电压的偏差,计算偏差和及偏差增量;
4)将直流侧电容电压的偏差,偏差和及偏差增量作为神经网络NN2的输入信号,神经网络NN2根据直流侧电容电压的偏差,偏差和及偏差增量,结合性能指标函数对第二PID控制器的比例系数、积分系数和微分系数进行调整,第二PID控制器根据直流侧电容电压的偏差,以及神经网络NN2输出的比例系数、积分系数和微分系数得到配电静止无功发生器逆变器的相位差;
5)处理器根据调制系数和相位差产生配电静止无功发生器逆变器的触发脉冲信号。
本发明的技术效果在于:本发明通过采用神经网络整定PID参数的方法实现了配电静止无功发生器系统的有功通道和无功通道的解耦控制,减小了与有功功率相关的配电静止无功发生器接入点电压和与无功功率相关的直流侧电压的相互影响,提高了控制器控制配电静止无功发生器接入点电压和直流侧电压的控制性能,在维持配电静止无功发生器接入点电压恒定的同时又保持了直流侧电压的恒定,提高了配电静止无功发生器逆变器的稳定性。由于本发明方法采用了神经网络整定PID参数,神经网络的自学习功能使得控制器具有很好的自适应性。
下面结合附图对本发明作进一步的说明。
附图说明
图1是本发明所涉及的配电静止无功发生器的主电路原理图。
图2是本发明所采用的控制器结构图。
图3是本发明所采用的神经网络结构图。
具体实施方式
如图1所示,本发明的被控对象配电静止无功发生器的主电路由三相电压型逆变器组成。功率开关器件采用自关断功率开关器件IGBT,直流侧储能元件为电容器C,为逆变器的工作提供直流电压支撑。配电静止无功发生器装置与电网的连接采用耦合变压器,变压器的变比为1:1或1:2可供选择。为了滤除功率开关器件引起的高频毛刺,在配电静止无功发生器的输出电路中采用了LC滤波电路。配电静止无功发生器的控制采用电流间接控制方法。在控制技术采用正弦波脉宽调制技术(SPWM)来控制逆变器的输出电压UIN。本发明针对配电静止无功发生器装置用来维持接入点电压的功能设计控制器。同时,当装置采用SPWM控制技术时,为了使装置具有很好的控制性能,必须使直流侧电容电压维持恒定。因此,配电静止无功发生器控制器的控制目标为配电静止无功发生器接入点电压UPCC和直流侧电容电压UDC。配电静止无功发生器系统为两输入两输出的多变量系统。
如图2所示,本发明所采用的控制器结构图,它由两部分组成:①经典的PID控制器,直接对被控对象进行闭环控制,并且KP、KI、KD三个参数为在线整定;②神经网络NN,根据系统的运行状态调节PID控制器的参数,以其达到某种性能指标的最优化。即输出层神经元的输出状态对应于控制器的三个可调参数KP、KI、KD,通过神经网络的自学习、调整权系数,从而使其稳定状态对应于某种最优控制律下的PID控制器参数。本发明所采用的神经网络NN如图3所示,采用3层前向BP神经网络,网络的学习算法采用神经网络多变量学习算法。用于PID参数整定的BP神经网络的输入层(j)节点数为3,输入信号为偏差es(k)(s=1,2)、偏差和以及偏差增量Δes(k)。即:X1(k)=es(k)、 X3(k)=Δes(k)。隐含层(i)节点数为8,输出层(l)节点数为3,分别对应PID控制器的比例、积分和微分三个参数。ωij为输入层到隐含层的连接权系数,ωji为隐含层到输出层的连接权系数。隐含层神经元的激活函数取正负对称的Sigmoid函数,输出层神经元的激活函数取非负的Sigmoid函数。性能指标函数为:
上式中,当s=1时,r1(k+1)=U* pcc(k+1),y1(k+1)=Upcc(k+1);当s=2时,r2(k+1)=U* DC(k+1),y2(k+1)=UDC(k+1)。
连接权系数ωji和ωij按JS对它们的负梯度方向(最速下降法)进行调整和修正。
神经网络输出层的连接权系数计算公式为:
ωji(k+1)=ωjik)+Δωji(k+1)
Δωji(k+1)=ηδjXi(k)+αΔωji(k)
神经网络隐含层连接权系数计算公式为:
ωij(k+1)=ωij(k)+Δωij(k+1)
Δωij(k+1)=ηδiXj(k)+αΔωij(k)
由于被控对象—配电静止无功发生器系统为两输入两输出系统,故在控制系统中采用了两个神经网络整定参数的PID控制器。第一个PID控制器以配电静止无功发生器装置接入点电压指令信号和反馈信号的偏差作为输入,控制器的输出为SPWM调制系数m,用来实现配电静止无功发生器接入点电压的恒定控制。第二个PID控制器以配电静止无功发生器直流侧电容电压指令信号和反馈信号的偏差作为输入,控制器的输出为配电静止无功发生器接入点电压与配电静止无功发生器输出电压的相位差θ,用来实现配电静止无功发生器直流侧电容电压的恒定。两个增量式数字PID控制器的解耦控制算法为:
m(k)=m(k-1)+kpl[ei(k)-ei(k-1)]+kij[ei(k)]+kpl[ei(k)-2ei(k-1)+ei(k-2)]
θ(k)=θ(k-1)+kp2[e2(k)-e2(k-1)]+ki2[e2(k)]+kd2[e2(k)-2e2(k-1)+e2(k-2)]
其中,e1(k)=U* PCC-UPCC,e2(k)=U* DC-UDC。
两个增量式数字PID控制器的输出SPWM调制系数m、相位差θ送到处理器,处理器根据调制系数和相位差产生配电静止无功发生器逆变器的触发脉冲信号。
本发明神经网络和PID控制器相结合,形成新的控制器形式,将控制与解耦融为一体。控制器由常规PID控制器和具有自学习功能的BP神经网络组成,PID控制器以指令信号和反馈信号的误差作为控制器的输入完成常规的PID控制律,神经网络根据实际运行情况和学习算法对PID控制器参数进行整定,实现解耦控制。本发明能使解耦后的配电静止无功发生器系统具有良好的动态和静态性能。并能同时实现配电静止无功发生器有功与无功的解耦和控制,满足装置接入点电压和直流侧电容电压维持恒定的控制要求。且控制器实现简单,且具有很好的自适应性。
Claims (1)
1、一种配电静止无功发生器的多变量控制方法,其特征在于,包括以下步骤:
1)检测配电静止无功发生器接入点电压,将接入点电压与其相应的参考值比较,得到接入点电压的偏差,计算偏差和及偏差增量;
2)将接入点电压的偏差,偏差和及偏差增量作为神经网络NN1的输入信号,神经网络NN1根据接入点电压的偏差,偏差和及偏差增量,结合性能指标函数对第一PID控制器的比例系数、积分系数和微分系数进行调整,第一PID控制器根据接入点电压的偏差,以及神经网络NN1输出的比例系数、积分系数和微分系数得到配电静止无功发生器逆变器的调制系数;
3)检测配电静止无功发生器直流侧电容电压,将直流侧电容电压与其相应的参考值比较,得到直流侧电容电压的偏差,计算偏差和及偏差增量;
4)将直流侧电容电压的偏差,偏差和及偏差增量作为神经网络NN2的输入信号,神经网络NN2根据直流侧电容电压的偏差,偏差和及偏差增量,结合性能指标函数对第二PID控制器的比例系数、积分系数和微分系数进行调整,第二PID控制器根据直流侧电容电压的偏差,以及神经网络NN2输出的比例系数、积分系数和微分系数得到配电静止无功发生器逆变器的相位差;
5)处理器根据调制系数和相位差产生配电静止无功发生器逆变器的触发脉冲信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200710034456XA CN100466413C (zh) | 2007-02-15 | 2007-02-15 | 配电静止无功发生器的多变量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200710034456XA CN100466413C (zh) | 2007-02-15 | 2007-02-15 | 配电静止无功发生器的多变量控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101017980A CN101017980A (zh) | 2007-08-15 |
CN100466413C true CN100466413C (zh) | 2009-03-04 |
Family
ID=38726797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200710034456XA Expired - Fee Related CN100466413C (zh) | 2007-02-15 | 2007-02-15 | 配电静止无功发生器的多变量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100466413C (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096373B (zh) * | 2010-12-07 | 2012-08-29 | 昆明理工大学 | 基于增量改进bp神经网络的微波干燥pid控制方法 |
CN103326371A (zh) * | 2012-03-20 | 2013-09-25 | 上海利思电气有限公司 | 基于神经网络自适应控制的静止无功发生器 |
CN102820660A (zh) * | 2012-08-17 | 2012-12-12 | 保定市尤耐特电气有限公司 | 一种适用于光伏电站补偿的静止无功补偿系统 |
CN104578097B (zh) * | 2014-12-28 | 2017-01-25 | 国网山东省电力公司日照供电公司 | 一种链式svg控制器的电压增益调节装置的控制方法 |
CN104953596B (zh) * | 2015-04-03 | 2017-10-20 | 西安交通大学 | 一种基于自适应反馈线性化的statcom控制方法 |
CN108767869B (zh) * | 2018-06-14 | 2021-08-20 | 华北水利水电大学 | 一种基于人工神经网络的静态无功补偿器电压调节方法 |
CN110417516B (zh) | 2019-08-16 | 2022-03-01 | 北京小米移动软件有限公司 | 无线调制解调器的调整方法及装置 |
CN111371088B (zh) * | 2020-03-03 | 2023-05-02 | 云南电力试验研究院(集团)有限公司 | 一种基于bp神经网络修正svg控制策略的方法及系统 |
CN112100923A (zh) * | 2020-09-16 | 2020-12-18 | 华能盐城大丰新能源发电有限责任公司 | 一种全功率发电系统变频器igbt的状态评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08286550A (ja) * | 1995-04-12 | 1996-11-01 | Ricoh Co Ltd | 温度制御装置 |
US5625552A (en) * | 1991-12-18 | 1997-04-29 | Mathur; Anoop K. | Closed loop neural network automatic tuner |
CN1648801A (zh) * | 2005-02-03 | 2005-08-03 | 浙江大学 | 利用神经网络来整定鲁棒pid控制器参数的方法 |
-
2007
- 2007-02-15 CN CNB200710034456XA patent/CN100466413C/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5625552A (en) * | 1991-12-18 | 1997-04-29 | Mathur; Anoop K. | Closed loop neural network automatic tuner |
JPH08286550A (ja) * | 1995-04-12 | 1996-11-01 | Ricoh Co Ltd | 温度制御装置 |
CN1648801A (zh) * | 2005-02-03 | 2005-08-03 | 浙江大学 | 利用神经网络来整定鲁棒pid控制器参数的方法 |
Non-Patent Citations (4)
Title |
---|
基于神经网络预测控制的静止无功发生器研究. 梁喆等.煤矿机械,第27卷第1期. 2006 |
基于神经网络预测控制的静止无功发生器研究. 梁喆等.煤矿机械,第27卷第1期. 2006 * |
静止无功补偿器的智能自适应PID控制器设计. 彭建春等.湖南大学学报(自然科学版),第26卷第5期. 1999 |
静止无功补偿器的智能自适应PID控制器设计. 彭建春等.湖南大学学报(自然科学版),第26卷第5期. 1999 * |
Also Published As
Publication number | Publication date |
---|---|
CN101017980A (zh) | 2007-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100466413C (zh) | 配电静止无功发生器的多变量控制方法 | |
CN105305402B (zh) | 一种直流微网母线电压鲁棒自治控制方法 | |
Thounthong et al. | Performance investigation of linear and nonlinear controls for a fuel cell/supercapacitor hybrid power plant | |
CN104953875B (zh) | 一种离网逆变器的重复滑模控制方法 | |
CN106230257A (zh) | 一种双向直流变换器反馈线性化反步滑模控制方法 | |
CN110460112B (zh) | 一种基于功率偏差量一致性控制的微电网下垂控制方法 | |
CN102842909B (zh) | 一种电力电子混合系统控制方法 | |
CN103606954A (zh) | 一种新型光伏并网发电控制方法 | |
CN103904676A (zh) | 一种vsc-hvdc的下垂控制方法 | |
CN112152263B (zh) | 一种基于多储能变流器的微电网离网转并网的预同步装置及方法 | |
CN105471313A (zh) | 基于负载电流状态观测器的三相逆变器双环优化控制方法 | |
CN107154650B (zh) | 一种混合微网中交直流断面多换流器的协调控制方法 | |
CN108512452A (zh) | 一种直流微电网并网变换器电流的控制系统及控制方法 | |
CN102545225A (zh) | 高压并联混合型有源电力滤波器及带遗忘因子的迭代学习控制方法 | |
CN104079198A (zh) | 基于可控虚拟阻抗的不同容量逆变器并联控制方法 | |
CN107732959A (zh) | 用于分布式光储并网系统的非线性微分平滑前馈控制方法 | |
CN107896071A (zh) | 一种基于神经网络的三相组合式逆变电源 | |
Afkar et al. | Cascaded controller for controlling DC bus voltage in mismatched input powers | |
CN110277793B (zh) | 一种两级式光伏逆变器主动功率平衡控制方法 | |
Su et al. | A decentralized power allocation strategy for dynamically forming multiple hybrid energy storage systems aided with power buffer | |
CN104505847B (zh) | 一种基于滑模控制的微网下垂控制优化方法 | |
CN107346885B (zh) | 一种dc/dc双向换流器稳定直流母线电压最优控制方法 | |
CN103929083B (zh) | 一种适用于五电平h桥级联型statcom的脉冲轮换控制方法 | |
Han et al. | Real-time online optimal control of current-fed dual active bridges based on machine learning | |
CN105978018A (zh) | 一种lc型并网逆变器控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090304 Termination date: 20160215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |