CN110266196A - 基于神经网络的无电解电容变频器母线电压波动抑制方法 - Google Patents

Abstract

一种基于神经网络的无电解电容变频器母线电压波动抑制方法，首先根据功率平衡方程求解q轴电流表达式；根据电机电压不能高于逆变器能提供的电压的关系制定d轴电流控制策略；其次，使用分段逻辑，根据母线电压是否超过阈值给出动态参考转速；最后建立BP神经网络，以母线电压波动的大小作为性能指标，对不同阈值下分段逻辑给出的动态参考转速进行数据择优，训练神经网络使其输出最优动态参考转速，抑制母线电压的波动。本发明在传统无电解电容变频器的基础上，通过动态参考转速实时调节输出功率，从而抑制母线电压波动，且动态参考转速生成方法与电机控制方法相对独立，具有通用性强、可移植、不改变拓扑结构、可靠性高的优点。

Description

基于神经网络的无电解电容变频器母线电压波动抑制方法

技术领域

本发明属于无电解电容变频器母线电压波动抑制技术领域，具体 涉及一种基于神经网络的无电解电容变频器母线电压波动抑制方法。

背景技术

变频技术由于启动电流小，调速方便，在国民经济中得到了广泛 的使用。传统的变频器在母线上并联大容量的电解电容以保证直流母 线电压的稳定，但大容量的电解电容体积大、寿命短，并且还会降低 网侧功率因数，已经成为变频器轻量化一体化的一大阻碍。无电解电 容变频器有寿命长、功率密度大、功率因数高的优点，因此对无电解 电容变频技术的研究具有十分重要的意义。

现有的无电解电容变频器主要有拓扑改进与控制方法优化。拓扑 改进方法因为要添加新的开关器件，经济性和可靠性都较差；控制方 法优化中瞬时功率平衡法的效果较好，但因为大幅减小了母线电解电 容，母线电压势必会产生大幅波动，导致母线电容电流过大，这不仅 会对电容造成损伤，也会影响电机的控制效果。因此需要对控制方法 进行优化，在保证无电解电容变频器正常运行的前提下，抑制母线电 压的波动。

发明内容

为了解决上述现有技术存在的问题，本发明提供一种控制方法， 能够使无电解电容变频器正常运行的同时，有效抑制母线电压的波动。

为了达到以上目的，本发明采用如下技术方案：

一种基于神经网络的无电解电容变频器母线电压波动抑制方法， 其特征在于：包括如下步骤：

步骤1：建立无电解电容变频器控制方法的数学模型：

通过瞬时功率平衡方程求出电机定子q轴的参考电流：理想情况 下，电网侧具有单位功率因数，分别计算电网侧功率、母线电容功率 与负载功率，得到如下无电解电容变频器的瞬时功率平衡方程；

上式中，U_g——电网侧电压幅值，

I_g——电网侧电流幅值，

θ_g——电网侧电压相角，

ω_e——电机转子电角速度，

i_d——电机定子d轴电流，

i_q——电机定子q轴电流，

——电机转子永磁体磁链，

L_d——电机定子d轴电感，

L_q——电机定子q轴电感，

——三角函数和差化积后的相位，

ω_g——电网侧电压频率，

C_dc——母线电容，

根据瞬时功率平衡方程求出电机定子q轴的参考电流；

利用式(1)解i_q得：

令并设i_qm的参考值为速度调节器的输 出，由参考转速与实际转速做差，经由PI调节器后得出，将代入 式(2)，从而得到q轴的参考电流如式(3)所示；

上式中，——电机定子q轴的参考电流，

通过保证母线电压裕量求出电机定子d轴的参考电流，负载电压 不能超过变频器所能输出的最大电压u_smax，在使用空间矢量调 制时，u_smax的值为其中u_dc为母线电压瞬时值；在无电解电容变 频器中，母线电压与电网电压的绝对值一致，由此得式(4)；

上式中，u_d——电机定子d轴电压瞬时值，

u_q——电机定子q轴电压瞬时值，

u_smax——变频器所能输出的最大电压瞬时值，

u_dc——母线电压瞬时值，

u_g——网侧电压瞬时值；

将电压裕量经PI调节器输出即得电机定子d轴的参 考电流；

式(3)与式(4)即为基于瞬时功率平衡的无电解电容变频器控 制方法的数学模型；

步骤2：通过基本分段逻辑，初步生成动态参考转速：

若不进行动态参考转速调节，母线电压的波动会非常大，对母线 电容与电机运行造成影响；动态参考转速根据母线电压的状态调整当 前参考转速，进而调节负载功率；

母线电压在无波动抑制的情况下会以电网电压的两倍频率剧烈 波动；设定一个母线电压阈值，实际母线电压与该阈值的差为母线电 压裕量；电动机的转速波动不允许超过5％，设x∈[0,5]，当母线电压 高于设定的阈值时，将动态参考转速提高x％，用以保持无电解电容 变频器正常工作；当母线电压低于设定的阈值时，电压裕量不足，将 动态参考转速降低(5-x)％，保证转速波动限制在允许的范围内，减小 无电解电容变频器的输出功率并使能量回馈到母线，从而抑制母线电 压波动；

步骤3：建立神经网络，生成最终动态参考转速：

在对步骤1所得的无电解电容变频器控制方法的数学模型的仿 真中，使用分段逻辑生成动态参考转速时，母线电压波动程度会随着 母线电压阈值的不同而变化；在无电解电容变频器正常运行的前提下， 母线电压阈值设定得越高，无电解电容变频器在中低负载时母线电压 的波动越小，母线电压阈值设定得越低，无电解电容变频器在高负载 时母线电压的波动越小；因此，分别设定80V、100V、120V、140V 四个母线电压阈值，分别进行仿真，使用Simulink的toWorkspace模 块将仿真过程中的数据导出；以母线电压波动程度作为性能指标，波 动越小，性能越好；将无电解电容变频器在性能最优时所对应的母线 电压阈值、当前实际转速、当前参考转速导出，作为神经网络的输入 样本，将性能最优时对应的动态参考转速导出，作为神经网络的目标 样本；使用Matlab中的NNTool工具建立一个3层BP神经网络进行 训练，输入层3节点，分别对应母线电压阈值、当前实际转速、当前 参考转速；隐含层10节点；输出层1节点，对应性能最优的动态参 考转速；对BP神经网络训练使用收敛速度快的TRAINLM，学习函 数使用梯度下降动量函数LEARNGDM，性能函数使用均方误差函数 MSE，传递函数则使用值域为[-1,1]的S型函数TANSIG；使用NNTool 训练完成后，将BP神经网络导出至Matlab的WorkSpace中，并使用 Matlab的gensim工具将BP神经网络打包成Simulink模块，即能够 应用于步骤1所述的无电解电容变频器控制方法的数学模型的仿真 中，生成性能最优的动态参考转速，更好地抑制无电解电容变频器母 线电压的波动。和现有技术相比，本发明具有以下优点：

1.本发明与传统的无电解电容控制方法相比，在步骤2提出了 动态参考转速的概念，并在步骤3中使用神经网络进行择优 学习，能够在保证变频器正常运行的同时，实时调节负载功 率，有效抑制母线电压的波动。

2.该方法未添加新的开关器件，保持原有结构，能够减小升级 改造成本。

3.步骤2与步骤3中的动态参考转速仅需要对参考转速做优化， 不影响后续速度环与电流环的控制，可以在各种无电解电容 变频器控制方法中应用，通用性强。

附图说明

图1为无电解电容变频器主电路与控制方法结构图。

图2为电机定子d轴参考电流的控制结构。

图3为使用分段逻辑生成动态参考转速的流程图。

图4为使用神经网络生成动态参考转速的训练过程。

图5为分段逻辑在不同阈值下生成的动态参考转速所对应的母 线电压波形图，其中图图5(a)、图5(b)、图5(c)、图5(d)分 别对应阈值为80V、100V、120V、140V时的母线电压波形图。

图6为两种模型的转速控制效果对比图，其中：图6(a)为无动 态参考转速优化的基于瞬时功率平衡的无电解电容变频器模型的转 速波形，图6(b)为基于神经网络生成动态参考转速的无电解电容 变频器模型的转速波形。

图7为两种模型的转矩控制效果对比图，其中：图7(a)为无动 态参考转速优化的基于瞬时功率平衡的无电解电容变频器模型的转 矩波形，图7(b)为基于神经网络生成动态参考转速的无电解电容 变频器模型的转矩波形。

图8为两种模型的母线电压控制效果对比图，其中：图8(a)为 无动态参考转速优化的基于瞬时功率平衡的无电解电容变频器模型 的母线电压波形，图8(b)为基于神经网络生成动态参考转速的无 电解电容变频器模型的母线电压波形。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细说明。

本发明通过动态参考转速以减小母线电容功率波动，从而抑制母 线电压的波动。首先利用瞬时功率平衡控制方法实现无电解电容变频 器的正常运行，但由于母线电容非常小，母线电压的波动很大，因此 提出动态参考转速的概念。动态参考转速能够实时输出修正的参考转 速，以此调节变频器输出功率，减小母线电容功率的波动，最终抑制 母线电压的波动。为了实现动态参考转速，设计了基于分段逻辑的动 态参考转速生成方法。分段逻辑根据母线电压是否超过设定的阈值来 给出动态参考转速，但这种标准过于简单，输出的动态参考转速不连 续，因此使用神经网络生成动态参考转速的方法，对分段逻辑生成的动态参考转速进行择优学习，从而弥补分段逻辑的不足。

下面以1kW三相永磁同步电机为例，设计其控制系统，并给出 仿真模型及其仿真结果。

无电解电容变频器主电路与控制方法结构图如图1所示。神经网 络将给定的参考转速修正为动态参考转速，再由瞬时功率平衡方法控 制电机定子d、q轴电流，并生成PWM开关信号控制逆变桥的开关 器件。

步骤1：通过对主电路进行功率分析，建立无电解电容变频器控 制方法的数学模型。

主电路的功率可分为三部分，即网侧输入功率、母线电容功率与 变频器输出功率。分别求出网侧功率、母线电容功率与变频器输出功 率，根据网侧功率等于母线电容功率与变频器输出功率之和，求得瞬 时功率平衡方程，由该方程解出电机定子q轴电流参考值，方程中的 系数部分则设置为转速环的输出；由于电机定子实际电压不能超出逆 变器所能提供的最大电压，故电机定子d轴电流参考值可以由该限制 关系得出，电机定子d轴参考电流的控制结构如图2所示。 为电压裕量，将其取平均值后通过带积分判断的PI调 节器生成电机定子d轴的参考电流，积分判断可以防止积分环节在电 压裕量充足时进入积分饱和状态。

步骤2：通过分段逻辑，初步生成动态参考转速。

分段逻辑根据母线电压是否超过阈值给出动态参考转速，其流程 如图3所示。在本例中电压阈值设定为120V，要求转速波动不超过 5％，当母线电压高于设定的母线电压阈值时，将动态参考转速提高 2％；当母线电压裕量不足时将动态参考转速降低3％，即可初步生成 动态参考转速。

步骤3:建立神经网络，生成最终的动态参考转速。神经网络的 训练过程如图4所示。使用Simulink对步骤1所得的无电解电容变 频器控制方法的数学模型进行仿真，使用分段逻辑生成动态参考转速 时，母线电压波动程度会随着母线电压阈值的不同而变化，如图5所 示。图5(a)、图5(b)、图5(c)和图5(d)分别为分段逻辑在母线电 压阈值为80V、100V、120V和140V时生成的动态参考转速所对应 的母线电压波形图。由图可知，在变频器正常运行的前提下，母线电 压阈值设定得越高，变频器在中低负载时母线电压的波动越小，母线电压阈值设定得越低，变频器在高负载时母线电压的波动越小。因此， 设定80V、100V、120V、140V四个母线电压阈值，分别进行仿真， 以母线电压波动程度作为性能指标，波动越小，性能越好。使用 Simulink的toWorkspace模块将仿真过程中的数据导出，将变频器在性能最优时所对应的母线电压阈值、当前实际转速、当前参考转速导 出，作为神经网络的输入样本，将性能最优时对应的动态参考转速导 出，作为神经网络的目标样本。使用Matlab/Simulink中的NNTool 工具建立一个3层BP神经网络进行训练，输入层3节点，分别对应 母线电压阈值、当前实际转速、当前参考转速；隐含层10节点；输 出层1节点，对应性能最优的动态参考转速。训练算法使用收敛速度 快的TRAINLM，学习函数使用梯度下降动量函数LEARNGDM，性 能函数使用均方误差函数MSE，传递函数使用值域为[-1,1]的S型函数TANSIG；使用NNTool训练完成后，将BP神经网络导出至Matlab 的WorkSpace中，并使用Matlab的gensim工具将BP神经网络打包 成Simulink模块，即能够应用于步骤1所述的无电解电容变频器控 制方法的数学模型的仿真中，生成性能最优的动态参考转速，更好地 抑制无电解电容变频器母线电压的波动。

在Matlab的Simulink仿真软件上搭建步骤1中的无电解电容变 频器控制方法的数学模型，并添加通过步骤2与步骤3训练完成的神 经网络；为了体现动态参考转速对母线电压波动的抑制效果，设置一 组对比仿真：

1.无动态参考转速优化的基于瞬时功率平衡的无电解电容变 频器控制方法仿真模型

2.有神经网络动态参考转速优化的的无电解电容变频器控制 方法仿真模型

(以下分别略称无优化模型与神经网络优化模型)

两个仿真模型使用的永磁同步电机参数如表1所示。

表1仿真永磁同步电机参数

两个仿真模型均使用单相220V/50hz交流电源作为输入。母线电 容值均为47uF，仿真时间长度为5s，过程如下：

0.0—1.0s：空载启动并加速至额定转速的一半，

1.0—1.5s：空载半速运行，

1.5—2.0s：突加至满载，

2.0—2.5s：突减至空载，

2.5—3.5s：加速至额定转速，

3.5—4.0s：空载满速运行，

4.0—4.5s：突加至满载，

4.5—5.0s：突减至空载。

图6为两种模型的转速控制效果对比图。图6(a)为无优化模型的 转速波形，图6(b)为神经网络优化模型的转速波形。由图可知，两种 模型的转速控制都比较稳定，满载时的转速波动能够控制在1％以内。

图7为两种模型的转矩控制效果对比图。图7(a)为无优化模型的 转矩波形，图7(b)为神经网络优化模型的转矩波形。相较于无优化模 型，神经网络优化模型的主要影响在于空载时的转矩波动也会增大， 而满载后的转矩波动相较无优化模型几乎一致，即动态参考转速的应 用不会对满载后的转矩产生影响。

图8为两种模型的母线电压控制效果对比图。图8(a)为无优化模 型的母线电压波形，图8(b)为神经网络优化模型的母线电压波形。无 优化模型的满载最低母线电压已经降至50V左右，波动非常大，而 神经网络模型的母线最低电压在半速满载时提升至180V，且波形更 为均匀，满载满速时母线最低电压提升至90V左右，波动的抑制效 果十分显著，具体数据如表2所示。

表2无电解电容各模型母线电压数据

。

Claims (1)

1.一种基于神经网络的无电解电容变频器母线电压波动抑制方法，其特征在于：包括如下步骤：

步骤1：建立无电解电容变频器控制方法的数学模型：

通过瞬时功率平衡方程求出电机定子q轴的参考电流：理想情况下，电网侧具有单位功率因数，分别计算电网侧功率、母线电容功率与负载功率，得到如下无电解电容变频器的瞬时功率平衡方程；

上式中，U_g——电网侧电压幅值，

I_g——电网侧电流幅值，

θ_g——电网侧电压相角，

ω_e——电机转子电角速度，

i_d——电机定子d轴电流，

i_q——电机定子q轴电流，

——电机转子永磁体磁链，

L_d——电机定子d轴电感，

L_q——电机定子q轴电感，

——三角函数和差化积后的相位，

ω_g——电网侧电压频率，

C_dc——母线电容，

根据瞬时功率平衡方程求出电机定子q轴的参考电流；

利用式(1)解i_q得：

令并设i_qm的参考值为速度调节器的输出，由参考转速与实际转速做差，经由PI调节器后得出，将代入式(2)，从而得到q轴的参考电流如式(3)所示；

上式中，——电机定子q轴的参考电流，

通过保证母线电压裕量求出电机定子d轴的参考电流，负载电压不能超过变频器所能输出的最大电压u_smax，在使用空间矢量调制时，u_smax的值为其中u_dc为母线电压瞬时值；在无电解电容变频器中，母线电压与电网电压的绝对值一致，由此得式(4)；

上式中，u_d——电机定子d轴电压瞬时值，

u_q——电机定子q轴电压瞬时值，

u_smax——变频器所能输出的最大电压瞬时值，

u_dc——母线电压瞬时值，

u_g——网侧电压瞬时值；

将电压裕量经PI调节器输出即得电机定子d轴的参考电流；

式(3)与式(4)即为基于瞬时功率平衡的无电解电容变频器控制方法的数学模型；步骤2：通过基本分段逻辑，初步生成动态参考转速：

若不进行动态参考转速调节，母线电压的波动会非常大，对母线电容与电机运行造成影响；动态参考转速根据母线电压的状态调整当前参考转速，进而调节负载功率；

母线电压在无波动抑制的情况下会以电网电压的两倍频率剧烈波动；设定一个母线电压阈值，实际母线电压与该阈值的差为母线电压裕量；电动机的转速波动不允许超过5％，设x∈[0,5]，当母线电压高于设定的阈值时，将动态参考转速提高x％，用以保持无电解电容变频器正常工作；当母线电压低于设定的阈值时，电压裕量不足，将动态参考转速降低(5-x)％，保证转速波动限制在允许的范围内，减小无电解电容变频器的输出功率并使能量回馈到母线，从而抑制母线电压波动；

步骤3：建立神经网络，生成最终动态参考转速：

在对步骤1所得的无电解电容变频器控制方法的数学模型的仿真中，使用分段逻辑生成动态参考转速时，母线电压波动程度会随着母线电压阈值的不同而变化；在无电解电容变频器正常运行的前提下，母线电压阈值设定得越高，无电解电容变频器在中低负载时母线电压的波动越小，母线电压阈值设定得越低，无电解电容变频器在高负载时母线电压的波动越小；因此，分别设定80V、100V、120V、140V四个母线电压阈值，分别进行仿真，使用Simulink的toWorkspace模块将仿真过程中的数据导出；以母线电压波动程度作为性能指标，波动越小，性能越好；将无电解电容变频器在性能最优时所对应的母线电压阈值、当前实际转速、当前参考转速导出，作为神经网络的输入样本，将性能最优时对应的动态参考转速导出，作为神经网络的目标样本；使用Matlab中的NNTool工具建立一个3层BP神经网络进行训练，输入层3节点，分别对应母线电压阈值、当前实际转速、当前参考转速；隐含层10节点；输出层1节点，对应性能最优的动态参考转速；对BP神经网络训练使用收敛速度快的TRAINLM，学习函数使用梯度下降动量函数LEARNGDM，性能函数使用均方误差函数MSE，传递函数则使用值域为[-1,1]的S型函数TANSIG；使用NNTool训练完成后，将BP神经网络导出至Matlab的WorkSpace中，并使用Matlab的gensim工具将BP神经网络打包成Simulink模块，即能够应用于步骤1所述的无电解电容变频器控制方法的数学模型的仿真中，生成性能最优的动态参考转速，更好地抑制无电解电容变频器母线电压的波动。