CN102005762B - 有源滤波器中直流电压在线辨识方法 - Google Patents

Abstract

本发明公开了一种有源滤波器中直流电压在线辨识方法，该方法根据逆变器的开关平均模型建立起直流电压辨识的参考模型和参数可调的单神经元，以直流电压作为单神经元的加权系数，通过学习算法不断调整加权系数，从而实现辨识值跟踪实际值，节省了用于检测直流电压的电路，降低了整个滤波控制电路的复杂度。该有源滤波器中直流电压在线辨识方法能有效降低有源滤波器的成本和硬件的复杂度，且辨识结果准确。

Description

有源滤波器中直流电压在线辨识方法

技术领域

本发明属于有源电力滤波器领域，涉及一种有源滤波器中直流电压在线辨识方法，特指一种根据逆变器的开关平均模型建立起直流电压辨识的参考模型并利用单神经元的权值学习和调整来实现辨识值跟踪实际值的方法。

技术背景

随着电力电子技术的发展及其在工业的广泛应用，电网的污染日趋严重。传统的无源滤波器由于存在只能滤除特定次谐波和易与电网发生谐振等缺点，正逐步被有源电力滤波器所取代。

有源电力滤波器的基本原理是产生与负载谐波电流（电压）方向相反而幅值相等的谐波电流（电压）去消除电网中的有害谐波。对于主电路采用电压型逆变器的有源滤波器，往往需要对逆变器的直流侧电压进行检测和控制，才能使得逆变器的输出电流受控，并且能节省为逆变器直流侧供电的整流器。但是，采用电压传感器测量直流电压会增加电路的成本和复杂性。

发明内容

本发明的目的是提出的一种有源滤波器中直流电压在线辨识方法，该有源滤波器中直流电压在线辨识方法能有效降低有源滤波器的成本和硬件的复杂度，且辨识结果准确。

本发明的技术解决方案如下：

一种有源滤波器中直流电压在线辨识方法，所述的有源滤波器采用单相桥式逆变器，有源滤波器的交流侧接有滤波电感L，有源滤波器的直流侧接有电容C，其特征在于，具体步骤如下：

步骤1：获取电网电流i_S(t)，计算或检测滤波电流i_F(t)；

步骤2：构造单神经元辨识模型：

将逆变器的平均开关模型表达式

进行离散化处理，构造得到单神经元辨识模型： ${\hat{i}}_F\left(k\right)=W_1\left(k\right)X_1+W_2\left(k\right)X_2;$

式中：

X₁=C/[T(1-2d(k))]，

X₂=-C/[T(1-2d(k))]，为直流电压的辨识值，T为采样周期；

为滤波电流估计值，d(k)为占空比d(t)的离散形式；d(t)由

和电网电流i_S(t)的误差经过电流控制器运算得出，作为PWM控制的调制信号，

为电网电流的期望值；

即以X₁和X₂作为单神经元的输入，以滤波电流估计值

作为单神经元的输出，以W₁(k)和W₂(k)分别作为X₁和X₂的调整权值，最终得到直流电压的辨识值

电网控制器为PID控制器、PI控制器或比例控制器。

所述单神经元的学习算法表达式如下：

W₁(k)=W₁(k-1)+η₁ε(k)X₁；其中，η₁为学习速率，ε(k)为滤波电流实际值i_F(k)和滤波电流估计值

之间的误差。

W2（k）不需要利用学习算法进行调整，直接取W2（k）=W1（k-1）；

当误差ε小于设定值，如10^-5，则学习结束。这个设定值根据需求的收敛速度和精确度折中选择。

滤波电流i_F(t)利用以下公式求取：

${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)](u_C\left(0\right)-\frac{1}{C}\underset{0}{\overset{t}{\∫}}[2d\left(t\right)-1\left]i_F\left(t\right)\right)-u_S\left(t\right),$ 其中，d(t)为占空比；u_C为直流支撑电压；L为滤波电感；u_S(t)为检测的电网电压。

u_C初值与开始进行计算时刻有关，往往计算从0时刻开始，初值取为0，在本发明的实施例中选取从0开始。

本发明的技术构思整理如下：

首先，检测电网电压u_S(t)和电流i_S(t)两个量。

然后，用这两个量计算出i_F(t)

利用： ${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)](u_C\left(0\right)-\frac{1}{C}\underset{0}{\overset{t}{\∫}}[2d\left(t\right)-1\left]i_F\left(t\right)\right)-u_S\left(t\right)$

最后，有了i_F(t)，就可以用求出Uc.

有益效果：

本发明提出了一种基于单神经元的直流电压在线辨识方法。该方法根据逆变器的开关平均模型建立起直流电压辨识的参考模型和参数可调的单神经元，以直流电压作为单神经元的加权系数，通过学习算法不断调整加权系数，从而实现辨识值跟踪实际值，节省了用于检测直流电压的电路。

该方法使得单相有源滤波器只需交流电压传感器和电流传感器各一个，有效地降低了有源滤波器的成本和硬件的复杂度。

本发明采用上述技术方案以后，使用时，其具有以下优点：

（1）直流电压辨识方法可推广应用于光伏并网逆变器、能量回馈装置等并网逆变器；

（2）有效的降低了有源滤波器的成本和硬件的复杂度；

（3）无直流电压传感器，却同样能达到普通的有源滤波器的滤波效果。

本发明的核心构思在于根据测量到的电网电压和电网电流来估计辨识直流电压，省了一个传感器，同样能达到好的滤波效果。

本发明提出了一种基于单神经元的直流电压在线辨识方法，有效地降低了有源滤波器的成本和硬件的复杂度，使得单相有源滤波器只需交流电压传感器和电流传感器各一个。该方法根据逆变器的开关平均模型建立起直流电压辨识的参考模型和参数可调的单神经元，以直流电压作为单神经元的加权系数，通过学习算法不断调整加权系数，从而实现辨识值跟踪实际值。实验结果验证了本发明所辨识的直流电压具有良好的动态和稳态跟踪特性。

附图说明

图1是单相有源滤波器的原理图；

图2是有源滤波器的闭环控制框图；

图3是直流电压辨识方法的原理图；

图4是单神经元的结构图；

图5是实例电路图；

图6为有源滤波器运行时直流电压的工作曲线，其中图a为动态曲线，图b为稳态曲线。

图7为滤波前电网电流；（(a)电网电流波形，(b)电网电流频谱）

图8为滤波后电网电流（(a)电网电流波形，(b)电网电流频谱）。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

有源滤波器由控制装置和逆变装置组成。

控制装置由同步电路、检测电路和控制驱动电路三部分组成，各部分的功能分别为：

a.检测电路:实现对电网电压电网电流的检测获得0～3V的电压信号，为电流闭环控制提供反馈信号，并作为直流电压在线辨识的输入量；

b.同步电路:利用电压互感器和限幅电路获得与电网电压同频同相的基准信号；

c.控制驱动电路:以DSP芯片为核心，利用DSP片内的模数转换单元对来自同步电路和检测电路的信号进行采集，通过程序计算和判断获得控制信号，控制信号用于控制逆变器的信号，由于逆变器只接受开关信号，因而就需要后面的三角波进行调制，再利用DSP片内的PWM单元对控制信号进行调制，从而产生PWM控制脉冲信号。同时，对直流电压的在线辨识在程序中实现。

直流电压的值决定了电压环控制器的输出，跟PWM脉冲没有直接关系

逆变装置由四个功率开关管和直流电容组成，利用来自控制装置产生的PWM信号控制功率开关管的通断，输出所需补偿的谐波电流和无功电流。

滤波装置是由电感构成的低通滤波器，实现滤除逆变装置产生的开关谐波。

下面结合相关原理图来具体论述本发明的原理与依据：

1系统的模型

图1为单相有源电力滤波器的结构图。图中i_L(t)、i_S(t)和i_F(t)分别为负载电流、电网电流和滤波电流，u_S(t)和u_C(t)分别是电网电压和直流支撑电压，L为滤波电感。逆变器的平均开关模型为：

${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)]u_C\left(t\right)-u_S\left(t\right)---\left(1\right)$

${\mathrm{Cu}}_C^{\·}\left(t\right)=[1-2d\left(t\right)]i_F\left(t\right)---\left(2\right)$

式中d(t)为占空比。C是电容值（见图1）。

d(t)为占空比，它是时间的函数，Uc上的点表示对函数的微分。

根据逆变器模型设计的有源滤波器双闭环控制系统如图2所示。图中

为直流电压的期望值，为电网电流的期望值，为辨识出的直流电压，α为衰减系数，取个比较小的值保证乘法器输出不容易饱和就行，实例中取的是0.1。广义对象包括有源滤波器的主电路和电网。图2体现了本方法的特点：系统不需检测直流电压，只需检测电网电压和电流两个量。

2直流电压辨识方法

将式（2）代入式（1）得到：

${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)](u_C\left(0\right)-\frac{1}{C}\underset{0}{\overset{t}{\∫}}[2d\left(t\right)-1\left]i_F\left(t\right)\right)-u_S\left(t\right)---\left(3\right)$

式中u_C(0)为直流电压的初始值。它是个初始值，比如如果从装置启动开始，它取为0，而且应用时往往取为0。

公式3的离散形式如下式：

$i_F\left(k\right)=\{i_F(k-1)L/T+[2d\left(k\right)-1\left)\right](u_C\left(0\right)-\frac{1}{C}\underset{n=0}{\overset{k-1}{\mathrm{\Σ}}}[(2d\left(n\right)-1]i_F\left(n\right))-u_S\left(k\right)\}/\{{(L/T+[2d\left(k\right)-1)]}^2\}$

式中，T为采样时间间隔。

由于式（3）不包含直流电压的瞬时值u_C(t)，所有可以用来计算i_F(t)的实际值，而式（2）包含了u_C(t)，因而用来构建权值以在线调整的单神经元模型，其输出为i_F(t)的估计值

辨识方法利用i_F(t)的实际值和估计值之间的误差ε(t)来调整单神经元模型中的权值，其原理图如图3所示。

对公式2即

离散化处理，公式2的离散形式如下式：

u_C(k)=u_C(k-1)+[1-2d(k)]i_F(k)T/C

根据单神经元的结构将式2的离散形式改写为：

${\hat{i}}_F\left(k\right)=W_1\left(k\right)X_1+W_2\left(k\right)X_2---\left(4\right)$

式中

X₁=C/[T(1-2d(k))]，

X₂=-C/[T(1-2d(k))]，

为直流电压的辨识值，T为采样周期。

用公式（3）计算得i_F,而用公式2辨识Uc。单神经元的结构如图4所示。引入性能指标函数：

$J=\frac{1}{2}{[i_F\left(k\right)-{\hat{i}}_F\left(k\right)]}^2=\frac{1}{2}{\mathrm{\ϵ}}^2\left(k\right)---\left(5\right)$

J对W₁(k)的梯度为：

$\frac{\∂J}{{\∂W}_1\left(k\right)}=\frac{\∂J}{\∂{\hat{i}}_F\left(k\right)}\frac{\∂{\hat{i}}_F\left(k\right)}{\∂W_1\left(k\right)}=-\mathrm{\ϵ}\left(k\right)X_1---\left(6\right)$

为使加权系数W₁(k)的修正沿着J减小的方向，对W₁(k)的负梯度方向搜索调整，取W₁(k)的调整量为：

${\mathrm{\ΔW}}_1\left(k\right)=W_1\left(k\right)-W_1(k-1)={-\mathrm{\η}}_1\frac{\∂J}{{\∂W}_1\left(k\right)}={\mathrm{\η}}_1\mathrm{\ϵ}\left(k\right)X_1---\left(7\right)$

式中，η₁为学习速率。η₁的取值实例中有说明，一般情况的取值要根据实际情况，主要靠经验，依据预测算法的收敛速度。这个在神经网络领域，一直没有针对不同情况的精确数学计算定义，一般就是靠经验来，看怎样收敛快又不陷入局部最小值。

整理后上式可得学习算法如下：

W₁(k)=W₁(k-1)+η₁ε(k)X₁（8）

基于以上原理分析可知，本发明根据逆变器的开关平均模型建立起直流电压辨识的参考模型和参数可调的单神经元，以直流电压作为单神经元的加权系数，通过学习算法不断调整加权系数，从而实现辨识值跟踪实际值。该有效地降低了有源滤波器的成本和硬件的复杂度，使得单相有源滤波器只需交流电压传感器和电流传感器各一个。

由于辨识直流电压需要i_F(t)，而本算法中没有检测i_F(t)，因此需要利用已经检测的量u_S(t)来计算i_F(t)，再进行直流电压的在线辨识。当然，有些控制系统中，如果已经检测了i_F(t)，就不需要式（3） ${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)](u_C\left(0\right)-\frac{1}{C}\underset{0}{\overset{t}{\∫}}[2d\left(t\right)-1\left]i_F\left(t\right)\right)-u_S\left(t\right)$ 了。

如图5所示，谐波源包括电网1和非线性负载2。

应用本发明单相有源滤波系统，包括滤波装置3、逆变装置4和控制装置5。

该实例是以DSP为控制核心的一个采用直流电压在线辨识的单相有源滤波器的实例。该实例的逆变装置4采用单相全桥结构；为了有效的滤除与开关频率相关的高次谐波，滤波装置3采取由电感组成的滤波器结构；控制装置5由辨识算法5.1、电压环控制器5.2、限幅电路5.3、电流环控制器5.4。电流控制器的作用是消除对跟踪控制的误差，可以是PI控制器，实例中有说明，方法不局限于此、三角波调制电路5.5（将三角波与电流控制器输出的控制信号进行比较产生PWM脉冲信号）电压检测电路5.6、电流检测电路5.7组成，其中辨识算法5.1、电压环控制器5.2、限幅电路5.3、电流环控制器5.4、三角波调制电路5.5采用DSP实现。谐波负载是二极管整流电流负载。

同时单相有源滤波器是并联接入电网系统的。

控制装置5的七个部分之间的关系如下，电压检测电路5.6和电流检测电路5.7获得的电网电压和电流作为辨识算法5.1的输入信号，通过计算得到直流电压的辨识值，并与直流电压的参考值比较得到直流电压的误差信号，该误差信号作用于电压环控制器（电压控制器作用为消除对直流电压

跟踪控制的误差，可以是PI控制器，实例中有说明，方法不局限于此）得到电压控制量，然后利用电压检测电路5.6和限幅电路5.3获得与电网电压同频同相的同步信号，再将同步信号与电压控制量相乘得到电流控制参考信号，并与电网电流比较得到电流误差信号，该误差信号作用于电流控制器获得电流控制量。以下是实例中的所有硬件和软件参数：为验证所提出的方法，本文研制了一台实验样机。电网供电电压和频率分别为110V和50Hz；滤波电感和直流电容分别为500μH和470μF；逆变器直流侧电压和开关频率分别被设置为200V和20KHz；参数α取0.01使得αu_S(t)的最大值约为1.56V，保证了乘法器的输出不容易饱和；电压环控制器采用PI控制器，其比例和积分参数分别为0.02和0.46；电流环控制器采用比例控制器，其比例系数为0.62；学习速率η₁为0.26；谐波源为二极管整流桥带阻感负载；控制算法利用DSP芯片TMS320F2812实现。

该电流控制量通过三角波调制电路5.5得到逆变装置4的控制信号【逆变装置需要的是脉冲信号的过程是采用电流跟踪中三角波比较方法，已经是现有成熟技术】本发明的控制电路和主电路直接采用了光隔离和磁隔离。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

以上实施例仅用以说明发明，很明显本发明并不受这些实施例的限制。本领域的普通技术人员任何基于本发明实质内容的修改、变形或等同替换，均涵盖在本发明权利要求范围当申。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

实验结果：

为验证所提出的方法，本发明研制了一台实验样机。电网供电电压和频率分别为110V和50Hz；滤波电感和直流电容分别为500μH和470μF；逆变器直流侧电压和开关频率分别被设置为200V和20KHz；参数α取0.01使得αu_S(t)的最大值约为1.56V，保证了乘法器的输出不容易饱和；电压环控制器采用PI控制器，其比例和积分参数分别为0.02和0.46；电流环控制器采用比例控制器，其比例系数为0.62；学习速率η₁为0.26；谐波源为二极管整流桥带阻感负载；控制算法利用DSP芯片TMS320F2812实现。

图6给出了有源滤波器运行时直流电压的工作曲线，该曲线由MABTLAB直接读取DSP的存储器画图获得。从图中可以看出，直流电压的辨识值能较好的动态跟踪直流电压的实际值，且它们之间的稳态误差小。

图7给出了滤波前电网电流的波形和频谱，从图中可以看出，滤波前电网电流畸变严重。图8给出了滤波后电网电流的波形和频谱，从图中可以看出，电网电流中的各次谐波得到了有效滤除。

结论

本发明提出了一种基于单神经元的直流电压在线辨识方法，有效地降低了有源滤波器的成本和硬件的复杂度，使得单相有源滤波器只需交流电压传感器和电流传感器各一个。该方法根据逆变器的开关平均模型建立起直流电压辨识的参考模型和参数可调的单神经元，以直流电压作为单神经元的加权系数，通过学习算法不断调整加权系数，从而实现辨识值跟踪实际值。实验结果验证了本发明方法所辨识的直流电压具有良好的动态和稳态跟踪特性。

Claims (3)

1.一种有源滤波器中直流电压在线辨识方法，所述的有源滤波器采用单相桥式逆变器，有源滤波器的交流侧接有滤波电感L，有源滤波器的直流侧接有电容C，其特征在于，具体步骤如下：

步骤1：获取电网电流i_S(t)，计算或检测滤波电流i_F(t)；

步骤2：构造单神经元辨识模型：

将逆变器的平均开关模型表达式

进行离散化处理，构造得到单神经元辨识模型：其中，u_C(t)为有源滤波器直流侧电压；

式中：

X₁=C/[T(1-2d(k))]，

X₂=-C/[T(1-2d(k))]，

为直流电压的辨识值，T为采样周期；

为滤波电流估计值，d(k)为占空比d(t)的离散形式；d(t)由和电网电流i_S(t)的误差经过电流控制器运算得出，作为PWM控制的调制信号，

为电网电流的期望值；

即以X₁和X₂作为单神经元的输入，以滤波电流估计值

作为单神经元的输出，以W₁(k)和W₂(k)分别作为X₁和X₂的调整权值，最终得到直流电压的辨识值

2.根据权利要求1所述的有源滤波器中直流电压在线辨识方法，其特征在于，所述单神经元的学习算法表达式如下：

W₁(k)=W₁(k-1)+η₁ε(k)X₁；其中，η₁为学习速率，ε(k)为滤波电流实际值i_F(k)和滤波电流估计值

之间的误差。

3.根据权利要求1或2所述的有源滤波器中直流电压在线辨识方法，其特征在于，滤波电流i_F(t)利用以下公式求取： ${\mathrm{Li}}_F^{\·}\left(t\right)=[2d\left(t\right)-1)](u_C\left(0\right)-\frac{1}{C}\underset{0}{\overset{t}{\∫}}[2d\left(t\right)-1\left]i_F\left(t\right)\right)-u_S\left(t\right),$ 其中，d(t)为占空比；u_C为直流支撑电压；L为滤波电感；u_S(t)为检测的电网电压。

Images