CN108258922A - 一种特高压直流发生器的两级调压控制器 - Google Patents

Abstract

本发明公开一种特高压直流发生器的两级调压控制器，包括：整流器用于将三相交流电源整流成直流电源；滤波器用于对整流后得到的直流电源进行滤波；逆变器用于将滤波后的直流电源转化成交流电；中频变压器用于将交流电变压成高压交流电；倍压电路用于对变压后的高压交流电进行整流并倍压成高压直流输出；高压检测回路用于检测高压直流回路；低压检测回路用于检测中频变压器进行变压之前的低压交流回路；保护回路用于当低压交流回路或高压直流回路短路或过载时，立即闭锁控制信号输出；控制器用于根据高压直流回路的检测信号，并利用基于BP神经神经网络的PID调节算法控制整流器的输出。本发明结合BP神经网络技术进行控制，提高输出电压的稳定性。

Description

一种特高压直流发生器的两级调压控制器

技术领域

本发明涉及高电压设备技术领域，更具体地，涉及一种特高压直流发生器的两级调压控制器。

背景技术

目前高压发生器都是采用单一的比例调节算法，采用在逆变级单级调压的方式。采用单一比例调节算法，控制算法简单，动态特性差，输出电压的鲁棒性差。仅在逆变级进行单级控制，调节量小，调节时间长，当输出电流较大时电压的稳定性差。

现有的高压直流发生器的控制系统，控制性能不能满足输出电压1000KV以上、电流10mA以上的特高压直流发生器的要求，不能保证输出电压的稳定性。

发明内容

针对现有技术的缺陷，本发明的目的在于解决现有的高压直流发生器的控制系统，控制性能不能满足输出电压1000KV以上、电流10mA以上的特高压直流发生器的要求，不能保证输出电压的稳定性的技术问题。

为实现上述目的，本发明提供一种特高压直流发生器的两级调压控制器，包括：

整流器、滤波器、逆变器、中频变压器、倍压电路、高压检测回路、低压检测回路、保护回路以及控制器；所述整流器用于将三相交流电源整流成直流电源；所述滤波器用于对整流后得到的直流电源进行滤波；所述逆变器用于将滤波后的直流电源转化成交流电；所述中频变压器用于将所述交流电变压成高压交流电；所述倍压电路用于对变压后的高压交流电进行整流并倍压成高压直流输出；所述高压检测回路用于检测高压直流回路，并将检测结果反馈所述控制器；所述低压检测回路用于检测所述中频变压器进行变压之前的低压交流回路，并将检测结果反馈所述控制器；所述保护回路用于当低压交流回路或高压直流回路短路或过载时，立即自动闭锁全部控制信号输出，以保护主电路；所述控制器用于根据低压交流回路和高压直流回路的检测信号，并利用基于BP神经网络的PID调节算法控制所述整流器的输出。

可选地，所述BP神经网络的训练过程为按照设定的网络参数，不断迭代修改各节点的权值和阈值，使得误差符合要求的过程。

可选地，通过BP神经网络的自主学习能力自适应调节PIN调节算法对应的PID参数，快速得到最佳的PID参数，有效调节高压直流发生器。

可选地，采用惯性校正法对BP神经网络的学习过程进行改进，惯性校正法是利用前次校正量修改本次校正量：

Δω(N)＝Δω(N)+ρΔω(N-1)

式中，N为迭代次数，ρ为惯性系数，取0<ρ<1，Δω(N-1)为前次校正量，Δω(N)为本次校正量；

由于惯性项与本次误差校正符号相反，当前一次校正量过调时，可以使本次实际校正量减小，起到抑制振荡的作用；欠调时则校正量增加，起到加速的作用。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

为满足1000KV以上特高压高稳定度直流发生器的需求，本发明基于PID结合BP神经网络算法的人工智能技术，提高控制系统的动态性能；采用两级调压方式，提高输出电压的稳定性。

本发明能够满足电压1000KV以上、电流10mA以上的特高压直流发生器的控制需要，能够使输出电压的稳定度符合相关行业标准(DL/T 848.1-2004《高压试验装置通用技术条件第1部分：直流高压发生器》)的要求。现场试验表明，在输出电压1200KV、输出电流10mA的条件下，输出电压可稳定在±0.05％的范围内。

附图说明

图1为本发明提供的特高压直流发生器的两级调压控制器结构示意图；

图2为本发明提供的基于改进的BP神经神经网络的PID控制系统模型。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

特高压直流发生器由于输出功率大，提高输出电压的稳定性是一个难题，除了要对倍压输出电路进行特殊设计以外，还要中频电源具有良好的稳压性能。中频电源控制系统的设计，对于直流发生器的输出电压的稳定性具有重要的影响。

现有的高压直流发生器的研究文献较少，工程实际中关于高压直流发生器的设计和研制大多基于经验，由此影响了直流发生器的稳定性，在特高压条件下很难稳定。文献采用简单的比例控制方式，由于倍压整流电路是一个非线性的时滞系统，在输出电压较高、电流较大时比例控制方式调节性能不能满足要求。

采用PID控制方式，由于很难确定倍压整流输出回路的数学模型，PID参数不容易确定；并且采用固定的PID参数，当输出电流较大时输出电压的鲁棒性会变差。

为满足大功率特高压直流发生器的需要，本文提出了特高压直流发生器基于BP神经网络的PID控制模型，利用BP神经网路对PID参数进行在线自整定，不需要建立被控对象的数学模型即可得到优化的PID控制结果。为弥补BP神经网络易陷入局部极小点及收敛速度较慢的不足，改进了BP神经网络的算法。对所提出的模型进行了仿真分析，比较了BP神经网络PID控制器和普通PID控制器的控制效果。基于所提出的模型研制出特高压直流发生器，进行了现场试验验证。

特高压直流发生器的两级调压控制器结构如图1所示。包括：整流器、滤波器、逆变器、中频变压器、倍压电路、高压检测回路、低压检测回路、保护回路以及控制器；整流器用于将三相交流电源整流成直流电源；滤波器用于对整流后得到的直流电源进行滤波；逆变器用于将滤波后的直流电源转化成交流电；中频变压器用于将交流电变压成高压交流电；倍压电路用于对变压后的高压交流电进行整流并倍压成高压直流输出；高压检测回路用于检测高压直流回路，并将检测结果反馈控制器；低压检测回路用于检测中频变压器进行变压之前的低压交流回路，并将检测结果反馈控制器；保护回路用于当低压交流回路或高压直流回路短路或过载时，立即自动闭锁全部控制信号输出，以保护主电路；控制器用于根据低压交流回路和高压直流回路的检测信号，并利用基于BP神经网络的PID调节算法控制整流器的输出。

具体地，主电源回路从外部三相工频电源输入，经三相全波桥式全控整流器后，滤波成直流电压，再利用逆变器、中频变压器得到0～56kV、20kHz的中频交流电压，最后利用倍压整流电路得到1200kV、10mA的直流高压。要求高压直流输出功率为12kW，考虑到升压回路的损耗及容量裕度，设计中频电源的输出功率为20kVA。

控制器对高压直流回路和低压交流回路的输出电压、电流进行检测，并根据高压检测回路的信号利用智能的算法控制整流器的输出。当检测到低压或高压输出回路短路或过载时，自动立即闭锁全部控制信号输出，以保护主电路。

由于特高压直流发生器的输出功率较大，要想输出电压的鲁棒性好，必须具有良好的控制性能。反馈检测信号来自高压输出端，控制对象为三相桥式全控整流器。由于传统的PID算法主要适用于线性系统，需要根据控制对象的精确模型来确定PID参数，而由升压变压器和倍压整流回路构成的升压电路为非线性时滞系统，很难确定精确的数学模型，因此传统的PID控制算法不能满足高压直流发生器的要求。

为此建立了基于改进的BP神经神经网络的PID控制系统模型，如图2所示。

在图2所示的控制系统模型中，利用改进的BP神经网络对PID调节器的参数进行自整定优化，可以弥补PID算法在非线性系统中的不足，提升控制输出的鲁棒性，不需要准确知道被控对象的数学模型即可实现优化的PID控制效果。本发明选用BP神经网络对测试仪器模型测得的数据进行人工智能处理，以消除测量值和真实值之间的误差。

BP神经网络模型的拓扑结构包括一个输入层、一个或多个隐含层和一个输出层，本发明采用三层神经网络，只有一个隐含层。BP神经网络的学习过程是由信号的正向传播与误差的反向传播两个阶段组成的。正向传播时，输入样本值到输入层，经隐含层逐层处理后传向输出层，若输出层的实际输出值与期望输出值不符，则进入反向传播误差的阶段。反向传播误差，是将输出误差通过隐含层向输入层逐层反传，并分摊误差到各层的所有节点，获得各层节点的误差信号，作为修正各节点权值的依据。信号的正向传播与误差的反向传播循环地进行，期间各层权值不断得到调整，就是网络的学习训练过程。学习过程直到网络输出的误差可以接受，或者进行到预先设定的循环学习次数为止。

输入层有l个节点，其输入向量为X＝(x₁,x₂,…,x_i,…,x_l)^T；隐含层有m个节点，其输出向量为Y＝(y₁,y₂,…,y_k,…,y_m)^T；输出层有n个节点，其输出向量为o＝(o₁,o₂,…,o_k,…,o_n)^T。与输出层对应的有n个输出期望值，其向量为t＝(t₁,t₂,…,t_k,…,t_n)^T；E为输出层和期望值之间的误差信号。

BP神经网络的的三层结构中，上一层的输入作为下一层的输出，节点处的箭头代表输入量和输出量，各层节点的输入与输出之间的数学关系如下：

1)对于输入层，输入＝输出，即第一层的输出也为x_i；

2)对于隐含层有：

式中，ω_ij为连接权值，θ_j为第j个神经元的阈值，f(·)为激励函数，通常采用Sigmoid函数：

f(x)具有连续可导的特性，即：

f(x)′＝f(x)[1-f(x)]

3)对于输出层有：

4)误差信号：如果网络的实际输出与期望输出不等，其误差函数为：

由此可见，网络误差是各层权值ω_ij、θ_j和ω_jk、θ_k的函数。

调整权值和阈值使误差不断减小，就是使权值和阈值的调整量正比于误差的负梯度，即：

式中，常数η称为学习因子，η∈(0,1)，在训练中反映了学习的速度，也称为学习率。

BP神经网络的训练过程，就是按照设定的网络参数，不断迭代修改各节点的权值和阈值，使得误差符合要求的过程，其算法基本步骤为：

1)初始化。对连接权值和阈值设定初始值，权值和阈值的初始值均为随机数。

2)正向计算各层输出。输入训练样本，顺序对每一样本正向计算各隐含层、输出层神经元的输出。

3)反向计算各层误差信号。对所有的学习样本，从输出层开始一直到输入层，逐层反向计算各层神经元的等效误差。

4)调整各层的连接权值和阈值。按照权值修正公式修改各层的连接权值。

BP神经网络存在收敛速度慢、易陷入局部最小值等不足，为改善BP网络的性能，本发明采用惯性校正法对BP神经网络的学习过程进行改进。

惯性校正法是利用前次校正量修改本次校正量的方法，即取：

Δω(N)＝Δω(N)+ρΔω(N-1)

式中N为迭代次数，ρ为惯性系数，取0<ρ<1。

由于惯性项与本次误差校正符号相反，当前一次校正量过调时，可以使本次实际校正量减小，起到抑制振荡的作用；欠调时则校正量增加，起到加速的作用。

本发明设计了基于BP神经网络的特高压直流发生器，并在Matlab/Simulink环境下搭建了电路的仿真模型，其中BP神经网络PID控制器，由两部分构成，分别是传统PID控制器和用S-Function写成的BP神经网络控制器。BP神经网络算法设置为4-8-3三层结构，输入为四个状态变量，分别是e(k)、e(k-1)、e(k-2)和u(k-1)，隐含层有8个神经元，输出分别为PID控制器的三个参数，分别是比例系数K_P、积分系数K_I、微分系数K_D，这样可以通过神经网络的自主学习能力自适应调节PID参数。倍压电路封装在Multivoltage模块中，本模型的倍压器采用对称式9级18倍压电路产生1200KV直流高压。

基于传统的PID控制算法和本发明提供的改进BP神经网络PID控制算法分别建立电路模型，并进行仿真，得到两种控制算法得到的特高压直流发生器的输出电压波形。从输出电压波形可以看出，神经网络PID控制器的输出在0.1s之内达到稳定输出电压12KV，且输出电压没有超调；而传统PID控制器在0.2s左右才达到稳定输出，且输出有18％的超调，这对于特高压直流发生器的器件的耐压水平会提出更高的要求。

因此可知BP神经网络PID控制器可以动态的调整PID控制参数，快速得到最佳的K_P、K_I、K_D，而且由于BP神经网络可以自己学习调整参数，系统不会出现超调，从而有效的控制特高压直流发生器。

为了研究神经网络PID控制器在有故障发生时的恢复能力，在0.5s时，加入一个脉宽为0.01s的脉冲信号作为扰动，可知在0.03s左右系统就可以恢复稳定输出，可见神经网络PID控制器响应速度快，具有良好的抗干扰能力，在特高压直流发生器的试品出现击穿、放电现象时具有良好的故障恢复能力。

在一个具体的示例中，对研制出特高压直流发生器样机进行现场试验，在直流发生器输出端连接1200kV/10mA恒定负载。发生器接通电源，按上启动键后5分钟(预热)，开始逐点进行测试。每测试点连续测试30秒和3分钟。采用Agilent 34401A 61/2数字万用表测量记录电压值，万用表测量方式设定为自动连续测量，并自动保持测量记录到的最大值及最小值。采用Tektronix TDS1002数字示波器测量记录波形及纹波峰峰值。试验结果如表1所示。

表1恒定负载1200kV/10mA条件下的测量数据

由表1可知，30秒内各点稳定度均小于0.03％；3分钟内各点稳定度均小于0.05％。在1200kV的条件下，纹波系数为0.081％。同时，试验测得电源电压调整率小于0.05％，各种保护功能均能正常动作。试验结果表明，电压稳定度、纹波系数以及其他项目，均满足DL/T848.1-2004的要求。

由于大功率特高压直流发生器具有惯性大、非线性等特点，采用传统的控制方法，不能保证输出电压的稳定性，为此提出了特高压直流发生器控制模型，利用改进的BP神经网络对PID参数进行在线自整定，仿真分析结果表明，所提出模型的控制性能远优于普通的PID调节器。

本发明研制出的特高压直流发生器，现场试验结果表明，各项参数及功能均满足国家相关标准的要求，具有良好的稳定性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种特高压直流发生器的两级调压控制器，其特征在于，包括：

整流器、滤波器、逆变器、中频变压器、倍压电路、高压检测回路、低压检测回路、保护回路以及控制器；

所述整流器用于将三相交流电源整流成直流电源；

所述滤波器用于对整流后得到的直流电源进行滤波；

所述逆变器用于将滤波后的直流电源转化成交流电；

所述中频变压器用于将所述交流电变压成高压交流电；

所述倍压电路用于对变压后的高压交流电进行整流并倍压成高压直流输出；

所述高压检测回路用于检测高压直流回路，并将检测结果反馈所述控制器；

所述低压检测回路用于检测所述中频变压器进行变压之前的低压交流回路，并将检测结果反馈所述控制器；

所述保护回路用于当低压交流回路或高压直流回路短路或过载时，立即自动闭锁全部控制信号输出，以保护主电路；

所述控制器用于根据低压交流回路和高压直流回路的检测信号，并利用基于BP神经网络的PID调节算法控制所述整流器的输出。

2.根据权利要求1所述的两级调压控制器，其特征在于，所述BP神经网络的训练过程为按照设定的网络参数，不断迭代修改各节点的权值和阈值，使得误差符合要求的过程。

3.根据权利要求1或2所述的两级调压控制器，其特征在于，通过BP神经网络的自主学习能力自适应调节PIN调节算法对应的PID参数，快速得到最佳的PID参数，有效调节高压直流发生器。

4.根据权利要求1或2所述的两级调压控制器，其特征在于，采用惯性校正法对BP神经网络的学习过程进行改进，惯性校正法是利用前次校正量修改本次校正量：

Δω(N)＝Δω(N)+ρΔω(N-1)

式中，N为迭代次数，ρ为惯性系数，取0<ρ<1，Δω(N-1)为前次校正量，Δω(N)为本次校正量；

由于惯性项与本次误差校正符号相反，当前一次校正量过调时，可以使本次实际校正量减小，起到抑制振荡的作用；欠调时则校正量增加，起到加速的作用。