CN110112738B - 一种基于命令滤波的直流输电变流器模糊控制方法 - Google Patents

一种基于命令滤波的直流输电变流器模糊控制方法 Download PDF

Info

Publication number
CN110112738B
CN110112738B CN201910498547.1A CN201910498547A CN110112738B CN 110112738 B CN110112738 B CN 110112738B CN 201910498547 A CN201910498547 A CN 201910498547A CN 110112738 B CN110112738 B CN 110112738B
Authority
CN
China
Prior art keywords
equation
fuzzy
function
constant
converter
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
Application number
CN201910498547.1A
Other languages
English (en)
Other versions
CN110112738A (zh
Inventor
于金鹏
刘占杰
马玉梅
胡成江
付程
胡亚强
刘振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University
Original Assignee
Qingdao University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao University filed Critical Qingdao University
Publication of CN110112738A publication Critical patent/CN110112738A/zh
Application granted granted Critical
Publication of CN110112738B publication Critical patent/CN110112738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/01Arrangements for reducing harmonics or ripples
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/36Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/36Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • H02J2003/365Reducing harmonics or oscillations in HVDC
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40Arrangements for reducing harmonics
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于命令滤波的直流输电变流器模糊控制方法,通过模糊逻辑系统逼近电压源型直流输电变流系统电网侧变流器系统中未知的非线性项;引入命令滤波技术解决了反步控制技术中不可避免的“计算爆炸”问题,通过引入滤波补偿机制减小了滤波器的误差,同时命令滤波技术对高次谐波具有良好的抑制作用;通过引入自适应控制技术能够解决系统参数未知以及不确定扰动介入的问题;在本发明控制方法下,控制器中只存在一个自适应参数,减少在线计算负担,利于工程实践。仿真结果表明,本发明能够实现对功率的快速、稳定地响应,实现对电网侧变流器的控制。

Description

一种基于命令滤波的直流输电变流器模糊控制方法
技术领域
本发明属于直流输电变流控制技术领域,尤其涉及一种基于命令滤波的直流输电变流器模糊控制方法。
背景技术
从20世纪50年代以来,高压直流输电技术快速发展,高压直流输电具有调节快速、输电损耗小、运行稳定和自防护能力强等优势,其被普遍运用到电力的远程输送工程中,远程传送电力会采用电压源型直流输电变流器接入电网。由于电力系统中存在大量的非线性元件,从而高压直流输电系统是一个非线性系统,非线性原件在电力设备中使用较多,从而导致电网中出现高次谐波,在实际工程中为了抑制高次谐波,往往采用加装滤波器等方式,同时变流器系统中有不确定扰动的介入,以上条件使得传统的系统的控制器设计方法经常不能满足实际的工程要求。近年来,模糊控制,自适应控制,反步控制和一些其他的控制方法被运用到直流输电变流器系统的研究中。但是高压直流输电系统具有非线性、参数不确定的问题,模糊控制于1974年被Lotfi A.Zadeh创立,模糊控制对于不明确的系统具有较好的控制效果,通过模糊逻辑逼近非线性系统系统中的非线性项,对于高压直流输电系统中参数不确定的问题可采用自适应控制技术解决,在电力系统中某些状态变量通常使用传感器测量,而传感器检测的状态变量具有环境适应性差、精度差和成本高的问题,基于自适应的反步控制方法能够解决系统参数未知以及不确定扰动介入的问题,代替了传感器检测的过程,大大的降低了硬件成本,命令滤波反步控制技术中命令滤波器的输出能够跟踪虚拟控制函数的导数,从而解决了传统反步技术中“计算爆炸”的问题,通过引入滤波补偿机制减小了命令滤波器的误差,进而提高了系统的综合性能。
发明内容
本发明的目的在于提出一种基于命令滤波的直流输电变流器模糊控制方法,以便使输出快速的跟踪期望值,实现电网侧变流器的控制。
本发明为了实现上述目的,采用如下技术方案:
一种基于命令滤波的直流输电变流器模糊控制方法,包括如下步骤:
a电压源型直流输电变流系统中电网侧变流器的数学模型为:
Figure BDA0002089425530000021
其中,ucd和ucq为三相滤波电容器电压的d-q轴分量,ud和uq为变流器交流侧电压的d-q轴分量,i1d,i1q,i2d,i2q为变流器交流侧电流与电网侧三相电流d-q轴分量,ω为电网角频率,Esd为电网电压d轴分量,C2为滤波电容,L1和L2为滤波电抗,R1为直流侧电容的等效电阻,R2为滤波电容等效电阻;由变流器的数学模型,定义如下变量:
Figure BDA0002089425530000022
将同步旋转的d-q坐标系中的系统的数学模型转换为:
Figure BDA0002089425530000023
b根据命令滤波技术和自适应模糊反步法原理设计一种基于命令滤波的直流输电变流器模糊控制方法,模型简化为两个独立的子系统,即由状态变量x1,x2,x3和控制输入ud组成的子系统及状态变量x4,x5,x6和控制输入uq组成的子系统;
假设f(Z)在紧集Ωz中是一个连续函数,对于任意的常数ε>0,总是有一个模糊逻辑系统WTS(Z)满足:
Figure BDA0002089425530000024
其中,输入向量
Figure BDA0002089425530000025
q是模糊输入维数,Rq表示实数向量集;W∈RI是模糊权向量,模糊节点数I>1,RI表示实数向量集;S(Z)=[s1(Z),...,sI(Z)]T∈RI为基函数向量,定义常数w>0;
通常选取基函数Sj(Z)如下高斯函数:
Figure BDA0002089425530000031
式中,μj是Gaussian函数分布曲线的中心位置,而ηj则为其宽度;
定义命令滤波器为
Figure BDA0002089425530000032
如果输入信号α1满足
Figure BDA0002089425530000033
Figure BDA0002089425530000034
对于所有的t≥0均成立,则对于任意μ>0,必然存在正数ωn>0和ζ∈(0,1],使得|φ11|≤μ,
Figure BDA0002089425530000035
和|φ1|都是有界的,φ1和φ2为实数;
其中,ρ1和ρ2是正的常量,并且φ1(0)=α1(0),φ2(0)=0;
根据反步法原理定义如下误差变量:
Figure BDA0002089425530000036
其中,x1d和x2d为给定期望信号,滤波器的输入信号是虚拟控制函数α1245,滤波器的输出信号是x1,c,x2,c,x4,c,x5,c,定义ξif=zif-vif if=1,2,3,4,5,6,ξif为滤波器的误差补偿信号;
虚拟控制函数和滤波器的误差补偿信号的具体结构将在下面的设计过程中给出:
b.1取Lyapunov函数
Figure BDA0002089425530000037
求导后可得:
Figure BDA0002089425530000038
其中,定义T1是未知的正常数且上限为d>0,0≤|T1|≤d;
根据杨氏不等式有:
Figure BDA0002089425530000039
其中,
Figure BDA00020894255300000310
Z1=[x1,x4,v1],常数ε1>0;
根据万能逼近定理,对于任意给定的常数ε2>0,存在模糊逻辑系统W1 TS1(Z1)使得f1(Z1)=W1 TS1(Z1)+δ1(Z1),其中,δ1(Z1)表示逼近误差,并满足不等式|δ1(Z1)|≤ε2,从而:
Figure BDA0002089425530000041
其中,||W1||为模糊权向量W1的范数,l1为正数;
选取虚拟控制函数α1和误差补偿信号ξ1,即:
Figure BDA0002089425530000042
其中,常数k1>0,θ的定义在后面给出,
Figure BDA0002089425530000043
为θ的估计值;
将公式(5)和(6)代入公式(4),有:
Figure BDA0002089425530000044
b.2取Lyapunov函数
Figure BDA0002089425530000045
求导后可得:
Figure BDA0002089425530000046
其中,
Figure BDA0002089425530000047
Z2=[x1,x5];
由万能逼近定理,对于任意给定的常数ε3>0,再次利用模糊逻辑系统逼近非线性函数f2(Z2),使得
Figure BDA0002089425530000048
其中|δ2(Z2)|≤ε3,得到:
Figure BDA0002089425530000049
其中,||W2||为模糊权向量W2的范数,l2为正数;
选取虚拟控制函数α2和误差补偿信号ξ2,即:
Figure BDA00020894255300000410
其中,常数k2>0;
将公式(9)和公式(8)代入公式(7),有:
Figure BDA00020894255300000411
b.3取Lyapunov函数
Figure BDA00020894255300000412
求导后可得:
Figure BDA0002089425530000051
其中,
Figure BDA0002089425530000052
Z3=[x3,x2,x6];
由万能逼近定理,对于任意给定的常数ε4>0,再次利用模糊逻辑系统逼近非线性函数f3(Z3),使得f3(Z3)=W3 TS3(Z3)+δ3(Z3),其中|δ3(Z3)|≤ε4,得到:
Figure BDA0002089425530000053
其中,||W3||为模糊权向量W3的范数,l3为正数;
选取真实控制律ud和误差补偿信号ξ3,即:
Figure BDA0002089425530000054
其中,常数k3>0;
将公式(12)和公式(11)代入公式(10),有:
Figure BDA0002089425530000055
b.4取Lyapunov函数
Figure BDA0002089425530000056
求导后可得:
Figure BDA0002089425530000057
其中,f4(Z4)=b2x4+ωx1,Z4=[x1,x4];
由万能逼近定理,对于任意给定的常数ε5>0,再次利用模糊逻辑系统逼近非线性函数f4(Z4),使得
Figure BDA0002089425530000058
其中|δ4(Z4)|≤ε5,得到:
Figure BDA0002089425530000059
其中,||W4||为模糊权向量W4的范数,l4为正数;
选取虚拟控制函数α4和误差补偿信号ξ4,即:
Figure BDA0002089425530000061
其中,常数k4>0;
将公式(15)和公式(14)代入公式(13),有:
Figure BDA0002089425530000062
b.5取Lyapunov函数
Figure BDA0002089425530000063
求导后可得:
Figure BDA0002089425530000064
其中,
Figure BDA0002089425530000065
Z5=[x2,x4];
由万能逼近定理,对于任意给定的常数ε6>0,再次利用模糊逻辑系统逼近非线性函数f5(Z5),使得f5(Z5)=W5 TS5(Z5)+δ5(Z5),其中,|δ5(Z5)|≤ε6,从而:
Figure BDA0002089425530000066
其中,||W5||为模糊权向量W5的范数,l5为正数;
选取虚拟控制函数α5和误差补偿信号ξ5,即:
Figure BDA0002089425530000067
其中,常数k5>0;
将公式(17)和公式(18)代入式(16),有:
Figure BDA0002089425530000068
b.6取Lyapunov函数
Figure BDA0002089425530000069
求导后可得:
Figure BDA0002089425530000071
其中,
Figure BDA0002089425530000072
Z6=[x3,x5,x6];
由万能逼近定理,对于任意给定的常数ε7>0,再次利用模糊逻辑系统逼近非线性函数f6(Z6),使得
Figure BDA0002089425530000073
其中|δ6(Z6)|≤ε7,得到:
Figure BDA0002089425530000074
其中,||W6||为模糊权向量W6的范数,l6为正数;
选取真实控制律uq和误差补偿信号ξ6,即:
Figure BDA0002089425530000075
其中,常数k6>0;
将公式(20)和公式(21)代入公式(19),有:
Figure BDA0002089425530000076
定义θ=max{||W1||2,||W2||2,||W3||2,||W4||2,||W5||2,||W6||2},
Figure BDA0002089425530000077
是θ的估计值,θ的估计误差为
Figure BDA0002089425530000078
由此可得:
Figure BDA0002089425530000079
选取系统的Lyapunov函数
Figure BDA00020894255300000710
对其求导得:
Figure BDA00020894255300000711
选取自适应律:
Figure BDA0002089425530000081
其中,m1,r1均为正数;
c下面对建立的基于命令滤波的直流输电变流器模糊控制方法进行稳定性分析
将公式(23)代入公式(22)有:
Figure BDA0002089425530000082
由杨氏不等式可知:
Figure BDA0002089425530000083
将公式(25)代入公式(24)有:
Figure BDA0002089425530000084
其中:a=min{2k1,2k2,2k3,2k4,2k5,2k6,m1};
Figure BDA0002089425530000085
由上式可得:
Figure BDA0002089425530000086
由上式表明vif
Figure BDA0002089425530000087
二者均在属于紧集
Figure BDA0002089425530000088
闭环系统中信号vif是有界的,推导可得滤波器的误差补偿信号ξif满足
Figure BDA0002089425530000089
其中:
Figure BDA00020894255300000810
因为zif=vifif,且ξif是有界的,因此系统的跟踪误差zif是有界的;
由公式(26)可得,
Figure BDA00020894255300000811
通过该公式(26)可知,系统的跟踪误差能够收敛到原点的一个充分小的邻域内,同时其他信号保持有界。
本发明具有如下优点:
(1)电压源型直流输电变流系统电网侧变流器在控制律的作用下,系统的跟踪误差能够收敛到原点的一个充分小的邻域内,同时其他信号保持有界。
(2)本发明模糊逻辑系统处理电压源型直流输电变流系统电网侧变流器系统中未知的非线性项,其算法本身可以通过编程软件实现。
(3)通过引入命令滤波技术解决了电压源型直流输电变流系统电网侧变流器反步控制中存在的“计算爆炸”问题,通过引入滤波补偿机制减小了滤波器的误差,同时命令滤波技术对高次谐波具有良好的抑制作用。
(4)本发明不需要根据变流器的不同而改变控制参数,原理上可以实现对所有变流器有功功率和无功功率的控制,通过引入自适应控制,代替了运用传感器来检测系统中的状态变量,节约了运行成本的同时利于实现变流器电网侧功率调节的快速响应。
(5)控制信号uq、ud中只存在一个自适应参数
Figure BDA0002089425530000091
减少在线计算负担,利于工程实践。
附图说明
图1为本发明中由电网侧变流器自适应模糊命令滤波反步控制器、电压检测单元和电流检测单元组成的被控对象示意图。
图2为电压源型直流输电变流器电网侧变流器有功功率跟踪仿真图。
图3为电压源型直流输电变流器电网侧变流器有功功率跟踪误差仿真图。
图4为电压源型直流输电变流器电网侧变流器无功功率跟踪仿真图。
图5为电压源型直流输电变流器电网侧变流器无功功率跟踪误差仿真图。
图6为变流器交流侧的d轴电压仿真图。
图7为变流器交流侧的q轴电压仿真图。
图8为稳态时电网侧的U相电压和电流仿真图。
图9为自适应模糊命令滤波反步法控制下U相电压频谱分析图。
具体实施方式
本发明的基本思想为:
利用模糊逻辑系统逼近电网侧变流器系统中未知的非线性项,通过自适应控制技术解决参数不确定的问题,使用命令滤波反步技术解决传统反步控制方法中“计算爆炸”的问题,同时抑制系统中的高次谐波,引入误差补偿信号解决了滤波误差的影响,与传统反步法相比,本发明能够使输出快速的跟踪期望值,实现电压源型直流输电变流系统电网侧变流器的控制。
下面结合附图以及具体实施方式对本发明作进一步详细说明:
结合图1所示,一种基于命令滤波的直流输电变流器模糊控制方法,其采用的部件包括电网侧变流器自适应模糊命令滤波反步控制器1、电压检测单元2与电流检测单元3。
其中,电压检测单元2主要用于检测电压源型直流输电变流系统电网侧变流器的电压值相关变量,电流检测单元3主要用于检测电压源型直流输电变流系统电网侧变流器的电流值相关变量,通过实际检测量的电流值和电压值作为输入,通过电网侧变流器自适应模糊命令滤波反步控制器1进行电流控制,从而控制变流器的输出功率。
一种基于命令滤波的直流输电变流器模糊控制方法,包括如下步骤:
a电压源型直流输电变流系统中电网侧变流器的数学模型为:
Figure BDA0002089425530000101
其中,ucd和ucq为三相滤波电容器电压的d-q轴分量,ud和uq为变流器交流侧电压的d-q轴分量,i1d,i1q,i2d,i2q为变流器交流侧电流与电网侧三相电流d-q轴分量,ω为电网角频率,Esd为电网电压d轴分量,C2为滤波电容,L1和L2为滤波电抗,R1为直流侧电容的等效电阻,R2为滤波电容等效电阻。由变流器的数学模型,定义如下变量:
Figure BDA0002089425530000102
将同步旋转的d-q坐标系中的系统的数学模型转换为:
Figure BDA0002089425530000111
b根据命令滤波技术和自适应模糊反步法原理设计一种基于命令滤波的直流输电变流器模糊控制方法,模型简化为两个独立的子系统,即由状态变量x1,x2,x3和控制输入ud组成的子系统及状态变量x4,x5,x6和控制输入uq组成的子系统。
假设f(Z)在紧集Ωz中是一个连续函数,对于任意的常数ε>0,总是有一个模糊逻辑系统WTS(Z)满足:
Figure BDA0002089425530000112
其中,输入向量
Figure BDA0002089425530000113
q是模糊输入维数,Rq表示实数向量集;W∈RI是模糊权向量,模糊节点数I>1,RI表示实数向量集;S(Z)=[s1(Z),...,sI(Z)]T∈RI为基函数向量,定义常数w>0。
通常选取基函数Sj(Z)如下高斯函数:
Figure BDA0002089425530000114
式中,μj是Gaussian函数分布曲线的中心位置,而ηj则为其宽度。
定义命令滤波器为
Figure BDA0002089425530000115
如果输入信号α1满足
Figure BDA0002089425530000116
Figure BDA0002089425530000117
对于所有的t≥0均成立,则对于任意μ>0,必然存在正数ωn>0和ζ∈(0,1],使得|φ11|≤μ,
Figure BDA0002089425530000118
和|φ1|都是有界的,φ1和φ2为实数。
其中,ρ1和ρ2是正的常量,并且φ1(0)=α1(0),φ2(0)=0。
根据反步法原理定义如下误差变量:
Figure BDA0002089425530000121
其中,x1d和x2d为给定期望信号,滤波器的输入信号是虚拟控制函数α1245,滤波器的输出信号是x1,c,x2,c,x4,c,x5,c,定义ξif=zif-vif if=1,2,3,4,5,6,ξif为滤波器的误差补偿信号。
虚拟控制函数和滤波器的误差补偿信号的具体结构将在下面的设计过程中给出:
b.1取Lyapunov函数
Figure BDA0002089425530000122
求导后可得:
Figure BDA0002089425530000123
其中,定义T1是未知的正常数且上限为d>0,0≤|T1|≤d。
根据杨氏不等式有:
Figure BDA0002089425530000124
其中,
Figure BDA0002089425530000125
Z1=[x1,x4,v1],常数ε1>0。
根据万能逼近定理,对于任意给定的常数ε2>0,存在模糊逻辑系统W1 TS1(Z1)使得f1(Z1)=W1 TS1(Z1)+δ1(Z1),其中,δ1(Z1)表示逼近误差,并满足不等式|δ1(Z1)|≤ε2,从而:
Figure BDA0002089425530000126
其中,||W1||为模糊权向量W1的范数,l1为正数。
选取虚拟控制函数α1和误差补偿信号ξ1,即:
Figure BDA0002089425530000127
其中,常数k1>0,θ的定义在后面给出,
Figure BDA00020894255300001211
为θ的估计值。
将公式(5)和(6)代入公式(4),有:
Figure BDA0002089425530000128
b.2取Lyapunov函数
Figure BDA0002089425530000129
求导后可得:
Figure BDA00020894255300001210
其中,
Figure BDA0002089425530000131
Z2=[x1,x5]。
由万能逼近定理,对于任意给定的常数ε3>0,再次利用模糊逻辑系统逼近非线性函数f2(Z2),使得
Figure BDA0002089425530000132
其中|δ2(Z2)|≤ε3,得到:
Figure BDA0002089425530000133
其中,||W2||为模糊权向量W2的范数,l2为正数。
选取虚拟控制函数α2和误差补偿信号ξ2,即:
Figure BDA0002089425530000134
其中,常数k2>0。
将公式(9)和公式(8)代入公式(7),有:
Figure BDA0002089425530000135
b.3取Lyapunov函数
Figure BDA0002089425530000136
求导后可得:
Figure BDA0002089425530000137
其中,
Figure BDA0002089425530000138
Z3=[x3,x2,x6]。
由万能逼近定理,对于任意给定的常数ε4>0,再次利用模糊逻辑系统逼近非线性函数f3(Z3),使得f3(Z3)=W3 TS3(Z3)+δ3(Z3),其中|δ3(Z3)|≤ε4,得到:
Figure BDA0002089425530000139
其中,||W3||为模糊权向量W3的范数,l3为正数。
选取真实控制律ud和误差补偿信号ξ3,即:
Figure BDA00020894255300001310
其中,常数k3>0。
将公式(12)和公式(11)代入公式(10),有:
Figure BDA0002089425530000141
b.4取Lyapunov函数
Figure BDA0002089425530000142
求导后可得:
Figure BDA0002089425530000143
其中,f4(Z4)=b2x4+ωx1,Z4=[x1,x4]。
由万能逼近定理,对于任意给定的常数ε5>0,再次利用模糊逻辑系统逼近非线性函数f4(Z4),使得
Figure BDA0002089425530000144
其中|δ4(Z4)|≤ε5,得到:
Figure BDA0002089425530000145
其中,||W4||为模糊权向量W4的范数,l4为正数。
选取虚拟控制函数α4和误差补偿信号ξ4,即:
Figure BDA0002089425530000146
其中,常数k4>0。
将公式(15)和公式(14)代入公式(13),有:
Figure BDA0002089425530000147
b.5取Lyapunov函数
Figure BDA0002089425530000148
求导后可得:
Figure BDA0002089425530000149
其中,
Figure BDA00020894255300001410
Z5=[x2,x4]。
由万能逼近定理,对于任意给定的常数ε6>0,再次利用模糊逻辑系统逼近非线性函数f5(Z5),使得
Figure BDA00020894255300001411
其中,|δ5(Z5)|≤ε6,从而:
Figure BDA00020894255300001412
其中,||W5||为模糊权向量W5的范数,l5为正数。
选取虚拟控制函数α5和误差补偿信号ξ5,即:
Figure BDA0002089425530000151
其中,常数k5>0。
将公式(17)和公式(18)代入式(16),有:
Figure BDA0002089425530000152
b.6取Lyapunov函数
Figure BDA0002089425530000153
求导后可得:
Figure BDA0002089425530000154
其中,
Figure BDA0002089425530000155
Z6=[x3,x5,x6]。
由万能逼近定理,对于任意给定的常数ε7>0,再次利用模糊逻辑系统逼近非线性函数f6(Z6),使得
Figure BDA0002089425530000156
其中|δ6(Z6)|≤ε7,得到:
Figure BDA0002089425530000157
其中,||W6||为模糊权向量W6的范数,l6为正数。
选取真实控制律uq和误差补偿信号ξ6,即:
Figure BDA0002089425530000158
其中,常数k6>0。
将公式(20)和公式(21)代入公式(19),有:
Figure BDA0002089425530000159
Figure BDA0002089425530000161
定义θ=max{||W1||2,||W2||2,||W3||2,||W4||2,||W5||2,||W6||2},
Figure BDA0002089425530000162
是θ的估计值,θ的估计误差为
Figure BDA0002089425530000163
由此可得:
Figure BDA0002089425530000164
选取系统的Lyapunov函数
Figure BDA0002089425530000165
对其求导得:
Figure BDA0002089425530000166
选取自适应律:
Figure BDA0002089425530000167
其中,m1,r1均为正数。
c下面对建立的基于命令滤波的直流输电变流器模糊控制方法进行稳定性分析
将公式(23)代入公式(22)有:
Figure BDA0002089425530000168
由杨氏不等式可知:
Figure BDA0002089425530000169
将公式(25)代入公式(24)有:
Figure BDA00020894255300001610
其中:a=min{2k1,2k2,2k3,2k4,2k5,2k6,m1}。
Figure BDA0002089425530000171
由上式可得:
Figure BDA0002089425530000172
由上式表明vif
Figure BDA0002089425530000173
二者均在属于紧集
Figure BDA0002089425530000174
闭环系统中信号vif是有界的,推导可得滤波器的误差补偿信号ξif满足
Figure BDA0002089425530000175
其中:
Figure BDA0002089425530000176
因为zif=vifif,且ξif是有界的,因此系统的跟踪误差zif是有界的。
由公式(26)可得,
Figure BDA0002089425530000177
通过该公式(26)可知,系统的跟踪误差能够收敛到原点的一个充分小的邻域内,同时其他信号保持有界。
在虚拟环境下对所建立的电网侧变流器自适应模糊命令滤波反步控制器进行仿真,验证所提出的基于命令滤波的直流输电变流器模糊控制方法的可行性。
系统模型中选定的参数如下:
L1=0.006H,L2=0.0017H,C2=0.00006F,R1=0.25Ω,R2=0.25Ω,ω=314,Esd=35000V。
选取的模糊集为:
Figure BDA0002089425530000178
Figure BDA0002089425530000179
Figure BDA00020894255300001710
Figure BDA00020894255300001711
Figure BDA00020894255300001712
Figure BDA00020894255300001713
选择控制律参数为:
k1=116,k2=22,k3=61111,k4=121,k5=1100,k6=101,
l1=0.5,l2=0.5,l3=0.5,l4=0.5,l5=0.5,l6=0.5,
m1=0.001,r1=0.05。
选取命令滤波器的参数如下:
ωn=0.01,ζ=150。
仿真中给定系统跟踪期望信号,其中:
有功功率的期望值为0.6p.u.,无功功率给的期望值为-0.6p.u。
相应的仿真结果如附图2-9所示。其中:
图2、3为电压源型直流输电变流器电网侧变流器有功功率跟踪波形和有功功率跟踪误差仿真图,通过仿真结果表明效果理想,跟踪效果理想,响应速度快。
图4、5为电压源型直流输电变流器电网侧变流器无功功率跟踪波形和无功功率跟踪误差仿真图,通过仿真结果表明效果理想,跟踪效果理想,响应速度快。
图6、7为交流侧变流器电压的d轴分量和q轴分量仿真图。仿真结果表明交流侧变流器电压在系统稳态时保持在一定的范围内。
图8为稳态时电网侧的U相电压和电流波形,二者相位相反,功率因数为1。
图9为自适应模糊命令滤波反步法控制下U相电压的频谱分析,结果表明电压谐波总畸变率满足并网要求。综上,本发明能够实现对功率的快速、稳定地响应。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。

Claims (1)

1.一种基于命令滤波的直流输电变流器模糊控制方法,其特征在于,包括如下步骤:
a电压源型直流输电变流系统中电网侧变流器的数学模型为:
Figure FDA0002089425520000011
其中,ucd和ucq为三相滤波电容器电压的d-q轴分量,ud和uq为变流器交流侧电压的d-q轴分量,i1d,i1q,i2d,i2q为变流器交流侧电流与电网侧三相电流d-q轴分量,ω为电网角频率,Esd为电网电压d轴分量,C2为滤波电容,L1和L2为滤波电抗,R1为直流侧电容的等效电阻,R2为滤波电容等效电阻;由变流器的数学模型,定义如下变量:
Figure FDA0002089425520000012
将同步旋转的d-q坐标系中的系统的数学模型转换为:
Figure FDA0002089425520000013
b根据命令滤波技术和自适应模糊反步法原理设计一种基于命令滤波的直流输电变流器模糊控制方法,模型简化为两个独立的子系统,即由状态变量x1,x2,x3和控制输入ud组成的子系统及状态变量x4,x5,x6和控制输入uq组成的子系统;
假设f(Z)在紧集Ωz中是一个连续函数,对于任意的常数ε>0,总是有一个模糊逻辑系统WTS(Z)满足:
Figure FDA0002089425520000021
其中,输入向量
Figure FDA0002089425520000022
q是模糊输入维数,Rq表示实数向量集;W∈RI是模糊权向量,模糊节点数I>1,RI表示实数向量集;S(Z)=[s1(Z),...,sI(Z)]T∈RI为基函数向量,定义常数w>0;
通常选取基函数Sj(Z)如下高斯函数:
Figure FDA0002089425520000023
式中,μj是Gaussian函数分布曲线的中心位置,而ηj则为其宽度;
定义命令滤波器为:
Figure FDA0002089425520000024
如果输入信号α1满足
Figure FDA0002089425520000025
Figure FDA0002089425520000026
对于所有的t≥0均成立,则对于任意μ>0,必然存在正数ωn>0和ζ∈(0,1],使得|φ11|≤μ,
Figure FDA0002089425520000027
和|φ1|都是有界的,φ1和φ2为实数;
其中,ρ1和ρ2是正的常量,并且φ1(0)=α1(0),φ2(0)=0;
根据反步法原理定义如下误差变量:
Figure FDA0002089425520000028
其中,x1d和x2d为给定期望信号,滤波器的输入信号是虚拟控制函数α1245,滤波器的输出信号是x1,c,x2,c,x4,c,x5,c,定义ξif=zif-vif,if=1,2,3,4,5,6,ξif为滤波器的误差补偿信号;
虚拟控制函数和滤波器的误差补偿信号的具体结构将在下面的设计过程中给出:
b.1取Lyapunov函数
Figure FDA0002089425520000029
求导后可得:
Figure FDA00020894255200000210
其中,定义T1是未知的正常数且上限为d>0,0≤|T1|≤d;
根据杨氏不等式有:
Figure FDA00020894255200000211
其中,
Figure FDA00020894255200000212
Z1=[x1,x4,v1],常数ε1>0;
根据万能逼近定理,对于任意给定的常数ε2>0,存在模糊逻辑系统W1 TS1(Z1)使得f1(Z1)=W1 TS1(Z1)+δ1(Z1),其中,δ1(Z1)表示逼近误差,并满足不等式|δ1(Z1)|≤ε2,从而:
Figure FDA0002089425520000031
其中,||W1||为模糊权向量W1的范数,l1为正数;
选取虚拟控制函数α1和误差补偿信号ξ1,即:
Figure FDA0002089425520000032
其中,常数k1>0,θ的定义在后面给出,
Figure FDA0002089425520000033
为θ的估计值;
将公式(5)和(6)代入公式(4),有:
Figure FDA0002089425520000034
b.2取Lyapunov函数
Figure FDA0002089425520000035
求导后可得:
Figure FDA0002089425520000036
其中,
Figure FDA0002089425520000037
Z2=[x1,x5];
由万能逼近定理,对于任意给定的常数ε3>0,再次利用模糊逻辑系统逼近非线性函数f2(Z2),使得
Figure FDA0002089425520000038
其中|δ2(Z2)|≤ε3,得到:
Figure FDA0002089425520000039
其中,||W2||为模糊权向量W2的范数,l2为正数;
选取虚拟控制函数α2和误差补偿信号ξ2,即:
Figure FDA00020894255200000310
其中,常数k2>0;
将公式(9)和公式(8)代入公式(7),有:
Figure FDA00020894255200000311
b.3取Lyapunov函数
Figure FDA0002089425520000041
求导后可得:
Figure FDA0002089425520000042
其中,
Figure FDA0002089425520000043
Z3=[x3,x2,x6];
由万能逼近定理,对于任意给定的常数ε4>0,再次利用模糊逻辑系统逼近非线性函数f3(Z3),使得
Figure FDA0002089425520000044
其中|δ3(Z3)|≤ε4,得到:
Figure FDA0002089425520000045
其中,||W3||为模糊权向量W3的范数,l3为正数;
选取真实控制律ud和误差补偿信号ξ3,即:
Figure FDA0002089425520000046
其中,常数k3>0;
将公式(12)和公式(11)代入公式(10),有:
Figure FDA0002089425520000047
b.4取Lyapunov函数
Figure FDA0002089425520000048
求导后可得:
Figure FDA0002089425520000049
其中,f4(Z4)=b2x4+ωx1,Z4=[x1,x4];
由万能逼近定理,对于任意给定的常数ε5>0,再次利用模糊逻辑系统逼近非线性函数f4(Z4),使得
Figure FDA00020894255200000410
其中|δ4(Z4)|≤ε5,得到:
Figure FDA00020894255200000411
其中,||W4||为模糊权向量W4的范数,l4为正数;
选取虚拟控制函数α4和误差补偿信号ξ4,即:
Figure FDA0002089425520000051
其中,常数k4>0;
将公式(15)和公式(14)代入公式(13),有:
Figure FDA0002089425520000052
b.5取Lyapunov函数
Figure FDA0002089425520000053
求导后可得:
Figure FDA0002089425520000054
其中,
Figure FDA0002089425520000055
Z5=[x2,x4];
由万能逼近定理,对于任意给定的常数ε6>0,再次利用模糊逻辑系统逼近非线性函数f5(Z5),使得
Figure FDA0002089425520000056
其中,|δ5(Z5)|≤ε6,从而:
Figure FDA0002089425520000057
其中,||W5||为模糊权向量W5的范数,l5为正数;
选取虚拟控制函数α5和误差补偿信号ξ5,即:
Figure FDA0002089425520000058
其中,常数k5>0;
将公式(17)和公式(18)代入式(16),有:
Figure FDA0002089425520000059
b.6取Lyapunov函数
Figure FDA00020894255200000510
求导后可得:
Figure FDA0002089425520000061
其中,
Figure FDA0002089425520000062
Z6=[x3,x5,x6];
由万能逼近定理,对于任意给定的常数ε7>0,再次利用模糊逻辑系统逼近非线性函数f6(Z6),使得
Figure FDA0002089425520000063
其中|δ6(Z6)|≤ε7,得到:
Figure FDA0002089425520000064
其中,||W6||为模糊权向量W6的范数,l6为正数;
选取真实控制律uq和误差补偿信号ξ6,即:
Figure FDA0002089425520000065
其中,常数k6>0;将公式(20)和公式(21)代入公式(19),有:
Figure FDA0002089425520000066
定义θ=max{||W1||2,||W2||2,||W3||2,||W4||2,||W5||2,||W6||2},
Figure FDA0002089425520000067
是θ的估计值,θ的估计误差为
Figure FDA0002089425520000068
由此可得:
Figure FDA0002089425520000069
选取系统的Lyapunov函数
Figure FDA00020894255200000610
对其求导得:
Figure FDA00020894255200000611
选取自适应律:
Figure FDA0002089425520000071
其中,m1,r1均为正数;
c下面对建立的基于命令滤波的直流输电变流器模糊控制方法进行稳定性分析
将公式(23)代入公式(22)有:
Figure FDA0002089425520000072
由杨氏不等式可知:
Figure FDA0002089425520000073
将公式(25)代入公式(24)有:
Figure FDA0002089425520000074
其中:a=min{2k1,2k2,2k3,2k4,2k5,2k6,m1};
Figure FDA0002089425520000075
由上式可得:
Figure FDA0002089425520000076
由上式表明vif
Figure FDA0002089425520000077
二者均在属于紧集
Figure FDA0002089425520000078
闭环系统中信号vif是有界的,推导可得滤波器的误差补偿信号ξif满足
Figure FDA0002089425520000079
其中:
Figure FDA00020894255200000710
因为zif=vifif,且ξif是有界的,因此系统的跟踪误差zif是有界的;
由公式(26)可得,
Figure FDA00020894255200000711
通过该公式(26)可知,系统的跟踪误差能够收敛到原点的一个充分小的邻域内,同时其他信号保持有界。
CN201910498547.1A 2019-05-15 2019-06-10 一种基于命令滤波的直流输电变流器模糊控制方法 Active CN110112738B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019104033990 2019-05-15
CN201910403399 2019-05-15

Publications (2)

Publication Number Publication Date
CN110112738A CN110112738A (zh) 2019-08-09
CN110112738B true CN110112738B (zh) 2020-11-17

Family

ID=67494607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498547.1A Active CN110112738B (zh) 2019-05-15 2019-06-10 一种基于命令滤波的直流输电变流器模糊控制方法

Country Status (1)

Country Link
CN (1) CN110112738B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112147900B (zh) * 2020-09-30 2022-04-26 苏州科技大学 全状态约束电力系统的有限时间自适应模糊跟踪控制方法
CN112532088B (zh) * 2020-12-11 2021-12-03 山东大学 三电平npc变流器的高抗扰快响应控制系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701371A (zh) * 2013-12-13 2014-04-02 青岛大学 考虑铁损的电动汽车永磁同步电机驱动系统控制方法
CN105024609A (zh) * 2015-07-31 2015-11-04 青岛大学 考虑铁损的电动汽车永磁同步电机命令滤波模糊控制方法
CN106533313A (zh) * 2016-11-28 2017-03-22 青岛大学 电动汽车用永磁同步电机的极限学习机命令滤波控制方法
CN106655962A (zh) * 2016-11-28 2017-05-10 青岛大学 基于极限学习机的电动汽车异步电机驱动系统控制方法
CN106788046A (zh) * 2017-02-20 2017-05-31 青岛大学 永磁同步电机命令滤波有限时间模糊控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110257800A1 (en) * 2010-04-14 2011-10-20 Zakariya Al-Hamouz Particle swarm optimizing sliding mode controller

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701371A (zh) * 2013-12-13 2014-04-02 青岛大学 考虑铁损的电动汽车永磁同步电机驱动系统控制方法
CN105024609A (zh) * 2015-07-31 2015-11-04 青岛大学 考虑铁损的电动汽车永磁同步电机命令滤波模糊控制方法
CN106533313A (zh) * 2016-11-28 2017-03-22 青岛大学 电动汽车用永磁同步电机的极限学习机命令滤波控制方法
CN106655962A (zh) * 2016-11-28 2017-05-10 青岛大学 基于极限学习机的电动汽车异步电机驱动系统控制方法
CN106788046A (zh) * 2017-02-20 2017-05-31 青岛大学 永磁同步电机命令滤波有限时间模糊控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电压源型直流输电变流器系统中电网侧变流器的反步法控制;吴杰;《控制李龙和应用》;20131202;第30卷(第11期);第1410-1411页 *

Also Published As

Publication number Publication date
CN110112738A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
CN107294527B (zh) 同步旋转坐标系锁相环及其测试方法、装置
JP6265826B2 (ja) 単相系統に接続される電力変換装置
CN106788046B (zh) 永磁同步电机命令滤波有限时间模糊控制方法
CN108154315B (zh) 一种考虑锁相环影响的并网变流器次同步振荡风险分析方法
CN108155651B (zh) 有源电力滤波器直流侧电压的改进滑模pi控制方法
CN112653342B (zh) 一种静止坐标系下的复矢量电流环解耦控制装置及方法
Acikgoz et al. Experimental evaluation of dynamic performance of three‐phase AC–DC PWM rectifier with PD‐type‐2 fuzzy neural network controller
CN110112738B (zh) 一种基于命令滤波的直流输电变流器模糊控制方法
CN107394779B (zh) 一种微电网有源电力滤波器动态性能优化控制方法
CN109638881B (zh) 电网强度自适应优化的储能逆变器虚拟同步方法及系统
CN109861374B (zh) 一种无需负载电流传感器的三相全桥不间断电源控制方法
CN114079399B (zh) 基于线性自抗扰控制的并网逆变器电流环控制系统和方法
CN105406741B (zh) 一种三相电网电压不平衡时pwm整流器模糊滑模变结构控制方法
JP2015070654A (ja) インバータ回路を制御する制御回路、当該制御回路を備えたインバータ装置、当該インバータ装置を備えた電力システム、および、制御方法
Amini et al. Interface converter control of distributed generation in microgrids using fractional proportional—Resonant controller
CN216959694U (zh) 基于线性自抗扰控制的并网逆变器电流环控制系统
CN107123991B (zh) 基于模糊粒子群算法的动态电压恢复器控制方法及装置
Sahoo et al. Execution of adaptive transverse filter for power quality improvement
Liu et al. Robust current control scheme for single‐phase PWM rectifiers based on improved μ‐synthesis in electric locomotive
CN115912489A (zh) 一种适用于非理想电网的lms-sogi三相锁相环设计方法及系统
CN111756261B (zh) 一种pwm整流器控制方法和装置
Zadeh et al. Designing a power inverter and comparing back-stepping, sliding-mode and fuzzy controllers for a single-phase inverter in an emergency power supply
CN113485112A (zh) 一种预设性能自适应分数阶滑模控制方法及系统
CN114156935A (zh) 一种下垂控制逆变器并网系统的多参数稳定域分析法
CN107831366B (zh) 获得电网单相电压相位的方法

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