CN108258692B - 一种参数自适应调整的谐波补偿方法及装置 - Google Patents
一种参数自适应调整的谐波补偿方法及装置 Download PDFInfo
- Publication number
- CN108258692B CN108258692B CN201810111888.4A CN201810111888A CN108258692B CN 108258692 B CN108258692 B CN 108258692B CN 201810111888 A CN201810111888 A CN 201810111888A CN 108258692 B CN108258692 B CN 108258692B
- Authority
- CN
- China
- Prior art keywords
- current
- harmonic
- control
- compensation
- particle swarm
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种参数自适应调整的谐波补偿方法及装置,采用粒子群优化算法对PI控制和重复控制的控制参数进行优化,在优化的过程中计算谐波电流含有率,根据谐波电流含有率的大小调整粒子优化群算法中粒子的速度,当谐波电流含有率较大时,粒子群中粒子的搜索速度应当加大,可提高算法的全局搜索能力,从而提高谐波补偿效率;当谐波电流含有率较小时,粒子群中粒子的搜索速度应当减小,可提高算法的局部搜索精度,从而提高谐波补偿的精度;通过本发明的粒子群优化算法降低了测试人员手动调节的调试难度,使谐波补偿效果得到了很大的改善。
Description
技术领域
本发明属于电力系统电能质量治理技术领域,特别涉及一种参数自适应调整的谐波补偿方法及装置。
背景技术
近年,随着利用电力电子装置等非线性负荷和分布式发电系统大量接入配电网,电网电流的谐波含量骤增,上述谐波污染使电力系统在负载侧和电源侧均面临严峻的电能质量问题,随着电网系统负荷的复杂化和系统谐波含量的多样化,传统的谐波治理和无功补偿技术不能满足电能质量的要求,较大的谐波电流将直接威胁到配电网变压器的安全运行,如因为变频器、直流屏等非线性电力电子器件的广泛应用,导致局部电网的谐波含量超标,谐波原因导致的各种故障或事故时有发生,在现有技术手段中,有源滤波技术是治理电网谐波污染的有效手段,且有源滤波具有快速响应和高度可控的优点。
随着非线性电力电子装置等非线性负载的大量应用,电力系统中的谐波问题日益严重,各种非线性负载产生的谐波不仅会降低电网系统的传输和利用效率,甚至产生谐振,危及电网的安全运行,还会影响电网中各电气设备的正常工作,现有有源滤波装置在实际应用现场中,由于工况的复杂性和非线性负载经常会发生动态变化,通常需要在现场对多个参数进行手动调试,调试过程复杂,且补偿效果差。粒子群优化(Prticle SwarmOptimization,PSO)算法作为一种新型的基于群体智能计算方法,在解决经典优化算法难以求解的诸如不连续、不可微的非线性病态优化问题和组合优化问题是显示出了强大的优势,与其他进化算法相比,它具有思想简单、容易实现,可调参数较少和应用效果明显等优点,因此,在优化滤波器参数的应用中比较广泛,如公开号为“CN103311930A”,名称为“有源滤波器的模糊PI参数自整定反馈线性化滑模控制方法”的中国专利,该专利采用滑模控制、反馈线性控制、模糊PI控制等多种控制理论设计了基于模糊PI自校正的反馈线性化滑模控制并联有源滤波器,实现了并联欧元滤波器的直流侧电压控制,采用模糊PI参数自校正方法实时的调整反馈控制中的参数,导致得到最优控制参数的计算时间比较长,且结合多种控制方法共同控制得到最优控制参数,其控制过程复杂。
发明内容
本发明的目的在于提供一种参数自适应调整的谐波补偿方法及装置,用于解决现有技术中的有源滤波器的谐波补偿参数的计算时间较长及复杂问题。
为实现上述目的,本发明提供了一种参数自适应调整的谐波补偿方法,包括以下技术方案:
方法方案一,一种参数自适应调整的谐波补偿方法,包括如下步骤:
1)建立有源滤波装置的谐波电流传递函数模型,对所述传递函数模型进行PI控制和重复控制,其中,PI控制和重复控制共同输出的误差为所述重复控制的一个输入量,同时也作为PI控制的一个输入量;
2)采用粒子群算法对PI控制和重复控制的控制参数进行优化,得到所述谐波电流传递函数模型输入的目标电流与输出的实际电流之间的误差最小的最优控制参数,利用所述最优控制参数对所述有源滤波装置进行控制,实现对有源滤波装置的谐波电流进行补偿。
方法方案二,在方法方案一的基础上,采用粒子群算法对PI控制和重复控制的控制参数进行优化时,根据谐波电流含有率调整粒子的搜索速度。
方法方案三,在方法方案二的基础上,所述谐波电流含有率为各次谐波电流的均方根值与基波电流的有效值的百分比;在计算谐波电流含量时,在滑窗迭代算法中加入了用于补偿变流器输出电抗造成输出滞后的补偿系数,所述电流谐波含量的计算公式为:
um(kτ)=Am cos[(m+pre_point)ωkτ]+Bm sin[(m+pre_point)ωkτ]
其中,u(kτ)表示要计算的电流谐波含量,m表示所求谐波的次数,k表示电流信号中的第k次采样,τ表示采样间隔,ω表示基波角频率,pre_point表示补偿系数,i表示第i个采样点,N表示一个工频周期内的采样点总数,Ncur表示当前的采样点。
方法方案四,在方法方案三的基础上,采用粒子群算法对PI控制和重复控制的控制参数进行优化的过程为:
根据系统偏差与时间的关系,以时间绝对偏差ITAE的倒数作为适应度函数,适应度函数的表达式为:
将所述适应度函数进行离散化处理得到:
其中,e(t)表示实际电流与目标电流之间的差值,Δt表示采样间隔,j表示第j个采样点。
方法方案五,在方法方案四的基础上,粒子群的位置和速度更新的过程包括以下子步骤:
a、根据所述适应度函数的表达式计算粒子当前适应度值及前一时刻的适应度值;
b、若当前粒子适应度优于粒子本身前一时刻的最优适应值,则把当前位置粒子群作为最优位置
c、若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优位置
粒子的速度和位置分别表示为:
其中,c1,c2是学习因子,r1,r2是[0,1]之间的随机数,为粒子群最优位置,为粒子群的全局最优位置,vid是粒子速度,xid是粒子位置,w是粒子速度的权重系数。
方法方案六,在方法方案五的基础上,所述权重系数的表达式为:
其中,wstart为起始权重值,tmax是最大迭代次数,t是当前迭代次数,cratio是有源滤波装置的谐波电流补偿率。
方法方案七,在方法方案六的基础上,所述有源滤波装置的谐波补偿率的计算公式为:
其中,cratio为有源滤波装置的谐波补偿率,THDi为谐波电流含有率,THDi0为补偿后的谐波电流含有率,i为补偿前的负载电流,i0为补偿后的负载电流。
本发明还提供了一种参数自适应调整的谐波补偿装置,包括以下技术方案:
装置方案一,一种参数自适应调整的谐波补偿装置,包括存储器、处理器以及存储在存储器上并可在处理器上运行时的计算机程序,所述处理器执行所述程序时实现以下步骤:
1)建立有源滤波装置的谐波电流传递函数模型,对所述传递函数模型进行PI控制和重复控制,其中,PI控制和重复控制共同输出的误差为所述重复控制的一个输入量,同时也作为PI控制的一个输入量;
2)采用粒子群算法对PI控制和重复控制的控制参数进行优化,得到所述谐波电流传递函数模型输入的目标电流与输出的实际电流之间的误差最小的最优控制参数,利用所述最优控制参数对所述有源滤波装置进行控制,实现对有源滤波装置的谐波电流进行补偿。
装置方案二,在装置方案一的基础上,采用粒子群算法对PI控制和重复控制的控制参数进行优化时,根据谐波电流含有率调整粒子的搜索速度。
装置方案三,在装置方案二的基础上,所述谐波电流含有率为各次谐波电流的均方根值与基波电流的有效值的百分比;在计算谐波电流含量时,在滑窗迭代算法中加入了用于补偿变流器输出电抗造成输出滞后的补偿系数,所述电流谐波含量的计算公式为:
um(kτ)=Am cos[(m+pre_point)ωkτ]+Bm sin[(m+pre_point)ωkτ]
其中,u(kτ)表示要计算的电流谐波含量,m表示所求谐波的次数,k表示电流信号中的第k次采样,τ表示采样间隔,ω表示基波角频率,pre_point表示补偿系数,i表示第i个采样点,N表示一个工频周期内的采样点总数,Ncur表示当前的采样点。
装置方案四,在装置方案三的基础上,采用粒子群算法对PI控制和重复控制的控制参数进行优化的过程为:
根据系统偏差与时间的关系,以时间绝对偏差ITAE的倒数作为适应度函数,适应度函数的表达式为:
将所述适应度函数进行离散化处理得到:
其中,e(t)表示实际电流与目标电流之间的差值,Δt表示采样间隔,j表示第j个采样点。
装置方案五,在装置方案四的基础上,粒子群的位置和速度更新的过程包括以下子步骤:
a、根据所述适应度函数的表达式计算粒子当前适应度值及前一时刻的适应度值;
b、若当前粒子适应度优于粒子本身前一时刻的最优适应值,则把当前位置粒子群作为最优位置
c、若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优位置
粒子的速度和位置分别表示为:
其中,c1,c2是学习因子,r1,r2是[0,1]之间的随机数,为粒子群最优位置,为粒子群的全局最优位置,vid是粒子速度,xid是粒子位置,w是粒子速度的权重系数。
装置方案六,在装置方案五的基础上,所述权重系数的表达式为:
其中,wstart为起始权重值,tmax是最大迭代次数,t是当前迭代次数,cratio是有源滤波装置的谐波电流补偿率。
装置方案七,在装置方案六的基础上,所述有源滤波装置的谐波补偿率的计算公式为:
其中,cratio为有源滤波装置的谐波补偿率,THDi为谐波电流含有率,THDi0为补偿后的谐波电流含有率,i为补偿前的负载电流,i0为补偿后的负载电流。
本发明的有益效果是:
本发明提供的参数自适应调整的谐波补偿方法,采用粒子群优化算法对PI控制和重复控制的控制参数进行优化,控制过程较简单,采用粒子群算法很容易就能得到PI控制和重复控制的最优控制参数,缩短了计算最优控制参数的时间,且控制精度高。
采用粒子群算法对PI控制和重复控制的控制参数在优化的过程中,计算谐波电流含有率,根据谐波电流含有率的大小调整粒子优化群算法中粒子的速度,当谐波电流含有率较大时,粒子群中粒子的搜索速度应当加大,可提高算法的全局搜索能力,从而提高谐波补偿效率;当谐波电流含有率较小时,粒子群中粒子的搜索速度应当减小,可提高算法的局部搜索精度,从而提高谐波补偿的精度;并且采用粒子群优化算法降低了测试人员手动调节的调试难度,使谐波补偿效果得到了很大的改善。
计算电流谐波含量时,在电流谐波含量计算公式中加入补偿系数,加入补偿系数可以补偿变流器输出电抗造成的输出滞后。
附图说明
图1为本发明的基于谐波补偿装置的主电路拓扑结构图;
图2为本发明的基于粒子群算法的参数整定的谐波电流补偿的复合控制器的原理框图;
图3为本发明的粒子群优化算法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明:
一种参数自适应调整的谐波补偿方法,包括以下步骤:
1)建立有源滤波装置的谐波电流传递函数模型,对传递函数模型进行PI控制和重复控制,其中,PI控制和重复控制共同输出的误差为所述重复控制的一个输入量,同时也作为PI控制的一个输入量;
2)采用粒子群算法对PI控制和重复控制的控制参数进行优化,得到谐波电流传递函数模型输入的目标电流与输出的实际电流之间的误差最小的最优控制参数,利用最优控制参数对有源滤波装置进行控制,实现对有源滤波装置的谐波电流进行补偿。
下面结合附图1-附图3对本发明的参数自适应调整的谐波补偿方法作具体说明:
1、谐波补偿装置的补偿模型为单相全桥滤波结构的有源滤波装置,其拓扑结构如图1所示,根据此拓扑结构的单项结构建立谐波补偿装置被控对象的传递函数模型,其传递函数模型的表达式为:
2、在传递函数模型中,进行PI算法和重复控制算法控制器的设置,如图2所示,通过对复合控制中的PI控制器中的比例系数KP、积分系数Ki和重复控制器中的重复控制增益系数Krep进行合理的配置,用以控制补偿装置中要补偿谐波的输出电流信号。如图2所示为的复合控制的控制框图。如图所示id为目标电流,ir为实际电流,两者的差值为误差e(x)。虚线框内是重复控制。PI制输出与重复控制结合的输出作为复合控制的输出。PI控制和重复控制是并联运行的。在PI控制中,参数KP能快速调节输出信号的变化幅值,参数Ki能减小稳定误差。z-N为周期延时环节,即延时一个周期的误差,k1是比例系数,一般为小于1但是接近1的常数,k1z-N是构成重复控制的内模部分。这样e*(x)就非常接近PI控制的误差模型。G(x)为IIR数字滤波器,k2也是比例系数,也是小于1但是接近1的常数,k1和k2是为了保证系统稳定的常数。滤波器的输入是在周期延时z-N的基础上添加前馈补偿zM的PI控制误差,前馈补偿是补偿由于APF电抗器造成的输出滞后。滤波器的作用是滤除包括瞬时扰动在内的高频干扰提高控制系统的稳定性。本实施例控制的理想目标是e(x)=0。
根据计算出的PI控制和重复控制调节后目标电流id与实际输出值ir构成的偏差e(t),将调节偏差的KP、Ki、Krep,通过组合构成控制项,对被控对象进行控制,其中重复算法和PI算法是并联运行的,其中,PI控制器的控制规律为:
e(t)=ir(t)-id(t)
然后对以上公式进行离散化处理,即得到谐波补偿输出电流复合控制的位置型PI算法。
u(n)=u(n-1)+Δu(n)=u(n-1)+a0e(n)+a1e(n-1)
式中,a1=-KP。
重复控制器的离散化的数学模型为:
式中,Krep表示重复控制的增益系数,当参考或扰动信号为周期信号时,且角频率ω为2kπ/T,k∈[0,N/2]时,z-N=1,则影响重复控制性能的是补偿环节Gx(z)的设计,Gx(z)用于改造控制对象特性,以适应重复控制的要求。
Gx(z-N+m)滤波器的输入是在周期延时Z-N的基础上添加前馈补偿Zm的PBC控制误差,前馈补偿是补偿由于APF电抗器造成的输出滞后。滤波器的作用是滤除包括瞬时扰动在内的高频干扰提高控制系统的稳定性。
z-k为相位补偿,使得改造后的控制对象在一定频率范围内成为单位增益和无相位滞后环节。
3、在进行PI控制算法的重复控制算法控制器设置的同时,初始化粒子群算法中的粒子群参数,该参数包括粒子的位置和速度,将初始化的粒子位置和速度赋值到复合控制器的KP、Ki、Krep参数组中。
4、为了提高有源滤波装置的补偿效果,计算有源滤波装置中的电流谐波含量,根据计算的电流谐波含量调整粒子的搜索速度,在利用传统滑窗迭代算法计算电流谐波含量时,在传统滑窗迭代算法中加入了补偿系数,即加入了提前点数,电流谐波含量的计算公式为:
um(kτ)=Amcos[(m+pre_point)ωkτ]+Bmsin[(m+pre_point)ωkτ]
其中,u(kτ)表示要计算的电流谐波含量,m表示所求谐波的次数,k表示电流信号中的第k次采样,τ表示采样间隔,ω表示基波角频率,pre_point表示补偿系数,其值为0-3的整数, i表示第i个采样点,N表示一个工频周期内的采样点总数,Ncur表示当前的采样点。
5、采用粒子群算法不断更新粒子群的位置和速度,对PI控制和重复控制的控制参数进行优化,得到使有源滤波装置的谐波电流传递函数模型输入输出之间的误差最小的最优控制参数,利用最优控制参数对谐波电流进行补偿。若有源滤波装置的谐波电流传递函数模型输入输出之间的误差不满足设定要求,则重复步骤5,直至得到最优控制参数。
根据系统偏差与时间的关系,在此以时间绝对偏差积分ITAE的倒数作为适应度函数,适应度函数的表达式为:
将以上适应度函数进行离散化处理,处理后适应度函数如下:
其中,e(t)为实际电流与目标电流之间的差值,Δt为采样间隔,j表示第j个采样点。
然后,根据适应度函数公式计算每一粒子的适应度值,并找出粒子群中适应度最佳个体的KP、Ki、Krep参数值。
如图3所示,更新粒子群的速度和位置的步骤如下:
根据上述适应度函数的表达式计算粒子当前适应度值及前一时刻的适应度值,根据适应度函数进行适应度对比:
若当前粒子适应度优于粒子本身前一时刻的最优适应值,则把当前位置粒子群作为最优位置
若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优位置
其中,c1,c2是学习因子,r1,r2是[0,1]之间的随机数,为粒子群最优位置,为粒子群的全局最优位置,vid是粒子速度,xid是粒子位置,w是粒子速度的权重系数。
在这里,
其中,wstart为起始权重值,tmax是最大迭代次数,t是当前迭代次数,cratio是有源滤波装置的谐波电流补偿率。
谐波电流补偿率的计算公式为:
其中,cratio为有源滤波装置的谐波补偿率,THDi为谐波电流含有率,THDi0为补偿后的谐波电流含有率,i为补偿前的负载电流,i0为补偿后的负载电流。
谐波电流含有率为各次谐波电流的均方根值与基波电流的有效值的百分比。当谐波电流含有率THDi≥40%时,粒子群中粒子的搜索速度应当加大,权重系数w应变大,令ωstart∈[1.1,1.3),可加快其搜索速度,提高算法的全局搜索能力;当谐波电流含有率为10%<THDi<40%时,权重系数应维持正常大小,令ωstart∈[0.8,1.1)。当谐波电流含有率THDi≤10%时,粒子群中粒子的搜索速度应当减小,权重系数应变小,令ωstart∈[0.7,0.8),可提高算法的局部搜索精度。
进一步的,这个参数实际就是参数数组中KP、Ki、Krep,而就是这个数组里面最优的一组参数。将计算出的全局最优位置的个体的进行循环迭代,不断的计算粒子群适应度值和粒子群位置,判断是否达到最大迭代次数,若达到最大迭代次数却没达到收敛精度,则更新粒子群的位置。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变形仍落入本发明的保护范围内。
Claims (10)
1.一种参数自适应调整的谐波补偿方法,其特征在于,包括如下步骤:
1)建立有源滤波装置的谐波电流传递函数模型,对所述传递函数模型进行PI控制和重复控制,其中,PI控制和重复控制共同输出的误差为所述重复控制的一个输入量,同时也作为PI控制的一个输入量;
2)采用粒子群算法对PI控制和重复控制的控制参数进行优化,得到所述谐波电流传递函数模型输入的目标电流与输出的实际电流之间的误差最小的最优控制参数,利用所述最优控制参数对所述有源滤波装置进行控制,实现对有源滤波装置的谐波电流进行补偿;
采用粒子群算法对PI控制和重复控制的控制参数进行优化时,根据谐波电流含有率调整粒子的搜索速度;
所述谐波电流含有率为各次谐波电流的均方根值与基波电流的有效值的百分比;在计算谐波电流含量时,在滑窗迭代算法中加入了用于补偿变流器输出电抗造成输出滞后的补偿系数,所述电流谐波含量的计算公式为:
um(kτ)=Amcos[(m+pre_point)ωkτ]+Bmsin[(m+pre_point)ωkτ]
其中,u(kτ)表示要计算的电流谐波含量,m表示所求谐波的次数,k表示电流信号中的第k次采样,τ表示采样间隔,ω表示基波角频率,pre_point表示补偿系数,i表示第i个采样点,N表示一个工频周期内的采样点总数,Ncur表示当前的采样点。
2.根据权利要求1所述的参数自适应调整的谐波补偿方法,其特征在于,采用粒子群算法对PI控制和重复控制的控制参数进行优化的过程为:
根据系统偏差与时间的关系,以时间绝对偏差ITAE的倒数作为适应度函数,适应度函数的表达式为:
将所述适应度函数进行离散化处理得到:
其中,e(t)表示实际电流与目标电流之间的差值,Δt表示采样间隔,j表示第j个采样点。
3.根据权利要求2所述的参数自适应调整的谐波补偿方法,其特征在于,粒子群的位置和速度更新的过程包括以下子步骤:
a、根据所述适应度函数的表达式计算粒子当前适应度值及前一时刻的适应度值;
b、若当前粒子适应度优于粒子本身前一时刻的最优适应值,则把当前位置粒子群作为最优位置
c、若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优位置
粒子的速度和位置分别表示为:
其中,c1,c2是学习因子,r1,r2是[0,1]之间的随机数,为粒子群最优位置,为粒子群的全局最优位置,vid是粒子速度,xid是粒子位置,w是粒子速度的权重系数。
4.根据权利要求3所述的参数自适应调整的谐波补偿方法,其特征在于,所述权重系数的表达式为:
其中,wstart为起始权重值,tmax是最大迭代次数,t是当前迭代次数,cratio是有源滤波装置的谐波电流补偿率。
5.根据权利要求4所述的参数自适应调整的谐波补偿方法,其特征在于,所述有源滤波装置的谐波补偿率的计算公式为:
其中,cratio为有源滤波装置的谐波补偿率,THDi为谐波电流含有率,THDi0为补偿后的谐波电流含有率,i为补偿前的负载电流,i0为补偿后的负载电流。
6.一种参数自适应调整的谐波补偿装置,包括存储器、处理器以及存储在存储器上并可在处理器上运行时的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
1)建立有源滤波装置的谐波电流传递函数模型,对所述传递函数模型进行PI控制和重复控制,其中,PI控制和重复控制共同输出的误差为所述重复控制的一个输入量,同时也作为PI控制的一个输入量;
2)采用粒子群算法对PI控制和重复控制的控制参数进行优化,得到所述谐波电流传递函数模型输入的目标电流与输出的实际电流之间的误差最小的最优控制参数,利用所述最优控制参数对所述有源滤波装置进行控制,实现对有源滤波装置的谐波电流进行补偿;
采用粒子群算法对PI控制和重复控制的控制参数进行优化时,根据谐波电流含有率调整粒子的搜索速度;
所述谐波电流含有率为各次谐波电流的均方根值与基波电流的有效值的百分比;在计算谐波电流含量时,在滑窗迭代算法中加入了用于补偿变流器输出电抗造成输出滞后的补偿系数,所述电流谐波含量的计算公式为:
um(kτ)=Amcos[(m+pre_point)ωkτ]+Bmsin[(m+pre_point)ωkτ]
其中,u(kτ)表示要计算的电流谐波含量,m表示所求谐波的次数,k表示电流信号中的第k次采样,τ表示采样间隔,ω表示基波角频率,pre_point表示补偿系数,i表示第i个采样点,N表示一个工频周期内的采样点总数,Ncur表示当前的采样点。
7.根据权利要求6所述的参数自适应调整的谐波补偿装置,其特征在于,采用粒子群算法对PI控制和重复控制的控制参数进行优化的过程为:
根据系统偏差与时间的关系,以时间绝对偏差ITAE的倒数作为适应度函数,适应度函数的表达式为:
将所述适应度函数进行离散化处理得到:
其中,e(t)表示实际电流与目标电流之间的差值,Δt表示采样间隔,j表示第j个采样点。
8.根据权利要求7所述的参数自适应调整的谐波补偿装置,其特征在于,粒子群的位置和速度更新的过程包括以下子步骤:
a、根据所述适应度函数的表达式计算粒子当前适应度值及前一时刻的适应度值;
b、若当前粒子适应度优于粒子本身前一时刻的最优适应值,则把当前位置粒子群作为最优位置
c、若粒子当前适应度优于整个粒子群前一时刻的最优适应度,则把当前位置粒子群作为全局最优位置
粒子的速度和位置分别表示为:
其中,c1,c2是学习因子,r1,r2是[0,1]之间的随机数,为粒子群最优位置,为粒子群的全局最优位置,vid是粒子速度,xid是粒子位置,w是粒子速度的权重系数。
9.根据权利要求8所述的参数自适应调整的谐波补偿装置,其特征在于,所述权重系数的表达式为:
其中,wstart为起始权重值,tmax是最大迭代次数,t是当前迭代次数,cratio是有源滤波装置的谐波电流补偿率。
10.根据权利要求9所述的参数自适应调整的谐波补偿装置,其特征在于,所述有源滤波装置的谐波补偿率的计算公式为:
其中,cratio为有源滤波装置的谐波补偿率,THDi为谐波电流含有率,THDi0为补偿后的谐波电流含有率,i为补偿前的负载电流,i0为补偿后的负载电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111888.4A CN108258692B (zh) | 2018-02-05 | 2018-02-05 | 一种参数自适应调整的谐波补偿方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810111888.4A CN108258692B (zh) | 2018-02-05 | 2018-02-05 | 一种参数自适应调整的谐波补偿方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108258692A CN108258692A (zh) | 2018-07-06 |
CN108258692B true CN108258692B (zh) | 2019-12-20 |
Family
ID=62744288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810111888.4A Active CN108258692B (zh) | 2018-02-05 | 2018-02-05 | 一种参数自适应调整的谐波补偿方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108258692B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112448697A (zh) * | 2020-10-30 | 2021-03-05 | 合肥工业大学 | 一种基于量子粒子群算法的有源滤波器优化方法及系统 |
CN113517694A (zh) * | 2021-04-27 | 2021-10-19 | 广东电网有限责任公司 | 准谐振控制器参数的整定方法、装置、电气设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475005A (zh) * | 2013-09-10 | 2013-12-25 | 四川华威科技有限公司 | 组合型静止无功补偿装置及其无功补偿方法 |
CN104037802A (zh) * | 2014-06-06 | 2014-09-10 | 浙江大学 | 一种基于lprc-nlpi复合控制器的光伏并网逆变器控制方法 |
CN107565564A (zh) * | 2017-08-10 | 2018-01-09 | 江苏大学 | 基于快速重复控制的有源电力滤波器及其快速复合控制方法 |
-
2018
- 2018-02-05 CN CN201810111888.4A patent/CN108258692B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475005A (zh) * | 2013-09-10 | 2013-12-25 | 四川华威科技有限公司 | 组合型静止无功补偿装置及其无功补偿方法 |
CN104037802A (zh) * | 2014-06-06 | 2014-09-10 | 浙江大学 | 一种基于lprc-nlpi复合控制器的光伏并网逆变器控制方法 |
CN107565564A (zh) * | 2017-08-10 | 2018-01-09 | 江苏大学 | 基于快速重复控制的有源电力滤波器及其快速复合控制方法 |
Non-Patent Citations (1)
Title |
---|
间谐波环境下并联有源电力滤波器系统设计;张超等;《电工技术学报》;20151031;第30卷(第20期);第118-127页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108258692A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334679B (zh) | 有源电力滤波器全局滑模控制方法 | |
CN112366965B (zh) | 针对逆变器延时的自适应预测结合零极点补偿控制方法 | |
CN101977034A (zh) | Backlash自适应滤波器及其对迟滞的建模与补偿方法 | |
CN108258692B (zh) | 一种参数自适应调整的谐波补偿方法及装置 | |
Acikgoz et al. | Experimental evaluation of dynamic performance of three‐phase AC–DC PWM rectifier with PD‐type‐2 fuzzy neural network controller | |
CN108828961B (zh) | 基于元认知模糊神经网络的有源电力滤波器滑模控制方法 | |
CN112019072A (zh) | 一种适用于单相或三相整流器的复合控制器及复合控制方法 | |
CN110535150B (zh) | 结合即时采样的预测无差拍重复控制优化方法 | |
Rodrigues et al. | Generalized Predictive Control applied to the DFIG power control using state-space model and voltage constraints | |
CN111564841B (zh) | 多机电力系统的输入量化有限时间容错抗干扰控制方法 | |
CN107919668A (zh) | 一种有源电力滤波器及其控制方法 | |
CN117134354A (zh) | 并联型有源滤波器基于遗传算法的重复pi控制方法及模型 | |
CN113364315B (zh) | 一种基于海鸥优化算法的三相逆变器控制方法 | |
CN115549095A (zh) | 一种改进蜜獾算法优化sapf直流侧电压控制方法 | |
CN113852290A (zh) | 一种实时的电压稳态误差恢复控制方法及系统 | |
Li et al. | An improved grid voltage feedforward compensation scheme of grid-connected inverter in weak grid | |
Park et al. | Decentralized output-feedback controller for uncertain large-scale nonlinear systems using higher-order switching differentiator | |
Verma et al. | A new PIDF controller structure for delayed process | |
Mirkin et al. | Sliding mode coordinated decentralized adaptive following of nonlinear delayed plants | |
Zhang et al. | Application of Repetitive Control and ANFIS-PI Compound Control Strategy in APF | |
CN113885314B (zh) | 一种具有未知增益和干扰的非线性系统跟踪控制方法 | |
CN114047707B (zh) | 一种通用的插入式多谐振控制器设计方法及控制器 | |
CN114825363A (zh) | 一种lcl型有源电力滤波器复合有源阻尼优化控制方法 | |
Lu et al. | A Sliding Model Controller Improved with RBF Neural Network for Hydro-turbine Governing System | |
Ding et al. | Research on Identification Algorithm of Cascade Control System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |