CN117134354A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117134354A CN117134354A CN202310695801.3A CN202310695801A CN117134354A CN 117134354 A CN117134354 A CN 117134354A CN 202310695801 A CN202310695801 A CN 202310695801A CN 117134354 A CN117134354 A CN 117134354A
- Authority
- CN
- China
- Prior art keywords
- control
- repetitive
- active power
- genetic algorithm
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003252 repetitive effect Effects 0.000 title claims abstract description 48
- 230000002068 genetic effect Effects 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 46
- 238000004088 simulation Methods 0.000 claims description 30
- 238000012546 transfer Methods 0.000 claims description 19
- 238000013178 mathematical model Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 22
- 238000001914 filtration Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 8
- 230000035772 mutation Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1821—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators
- H02J3/1835—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control
- H02J3/1842—Arrangements for adjusting, eliminating or compensating reactive power in networks using shunt compensators with stepless control wherein at least one reactive element is actively controlled by a bridge converter, e.g. active filters
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- Y02E40/20—Active power filtering [APF]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统控制技术领域，具体地涉及并联型有源滤波器基于遗传算法的重复PI控制方法以及模型。本发明中提供的并联型有源滤波器基于遗传算法的重复PI控制方法，包括步骤S1，建立有源电力滤波器的比例积分控制模型；步骤S2，在比例积分控制模型的电流环中加入重复控制单元，得到优化后的有源电力滤波器的控制模型；步骤S3，根据遗传算法，计算比例积分控制模型中的调节系数，将调节系数代入优化后的有源电力滤波器的控制模型，得到最终的有源电力滤波器的控制模型。上述重复PI控制方法实现了无静差跟踪，同时采用遗传算法对调节参数进行整定，以获得对有源电力滤波器更精准的控制调节效果，进而提高了电力系统中滤除谐波污染的效果。
Description
本申请要求申请日为2022年11月28日、申请号为202211504373.3、发明名称为“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”的发明专利申请的优先权，其全部内容通过引用融入本文。
技术领域
本发明涉及电力系统控制技术领域，具体地涉及一种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。
背景技术
随着电力系统相关技术的蓬勃发展，非线性负载等所产生的谐波问题是不可忽视的，谐波不仅会对供电线路产生了附加损耗，对电力系统的电能质量造成污染；而且谐波还会使电力系统中的电容器等元件产生谐振，进而可能导致继电保护等装置出现误动作，更严重地因谐波电流产生的高温会导致电力系统中的电气元件和线路过热，甚至还可能导致电力系统发生故障或损坏。因此，消除或降低电路中的谐波干扰是电力系统的提高电能质量、保障电力系统稳定长久运行的重要一环。现有技术中，一般通过两种方式来降低谐波污染，第一种从源头出发，即减少或改造电路中产生谐波的元件，由于产生谐波的元件种类多样且常为电路中的主要元件，这种方式实际应用起来较为困难；第二种则是设置补偿装置来补偿抵消电路中的谐波影响。
有源电力滤波器(Active Power Filter，简称APF)就是一种常见的用于对电网中的谐波进行抑制并且进行无功功率补偿的电力电子装置，有源电力滤波器能够生成与电网谐波电流幅值相等且极性相反的补偿电流并注入电网，对电网中的谐波电流进行补偿或抵消，以实现消除电路中谐波的效果。实际应用中，有源电力滤波器的控制策略直接决定了其控制精度和响应速度等工作指标，即直接关乎有源电力滤波器抑制谐波的效果优劣。
现有技术中，有源电力滤波器通常采用PI控制策略，PI控制有着实现方便，控制效果良好等优点，应用相当广泛。但是，由于PI控制电路自身的固有特性导致它在跟踪周期性交流信号的时候无法与其跟踪直流信号时一样实现无静差跟踪，难免会对谐波消除的效果产生一定的影响。而且，传统的PI系统中，通常采用经验法来进行调节参数的整定，难以获得科学准确的调节参数，同样会对有源电力滤波器的控制效果产生一定的影响，进而影响对电力系统的谐波消除效果。
发明内容
针对以上问题，本发明提供了一种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。本发明中提供的并联型有源滤波器基于遗传算法的重复PI控制方法，通过基于内模原理的重复控制与PI控制相结合以实现无静差控制，同时采用遗传算法对上述控制系统的调节参数进行整定，以获得对有源电力滤波器更精准的控制调节效果，进而提高了电力系统中滤除谐波污染的效果。
本发明的技术方案中，提供了一种并联型有源滤波器基于遗传算法的重复PI控制方法，包括步骤S1，建立有源电力滤波器的比例积分控制模型；步骤S2，在比例积分控制模型的电流环中加入重复控制单元，得到优化后的有源电力滤波器的控制模型；步骤S3，根据遗传算法，计算比例积分控制模型中的调节系数，将调节系数代入优化后的有源电力滤波器的控制模型，得到最终的有源电力滤波器的控制模型。
根据本发明的技术方案，并联型的有源电力滤波器能够向电力系统中输入谐波补偿电流以抑制非线性负载在电力系统中产生的谐波，以实现电力系统的谐波抑制和无功功率补偿。通过PI控制策略对有源电力滤波器进行控制难以避免会产生静差，在PI控制基础上加入基于内模原理的重复控制单元，引入偏差信号进行补偿，实现PI控制模型的优化。进一步地，通过遗传算法模拟自然进化过程搜索最优解的方法整定PI控制电路的调节参数，从而获得PI控制电路的调节参数的最优设置方案，以进一步地对有源电力滤波器的控制模型进行优化，从而获得更好的滤除谐波污染的效果。通过对电力系统进行更好的谐波治理，既能够消除无功功率，提高系统的功率因数，降低电力系统中的配电损耗，还能够减少因谐波电流产生的温升对电路及电气元件的损耗，改善电力系统的工作环境，延长电力系统以及系统中电路及电气元件的使用寿命。
优选地，本发明的技术方案中的重复PI控制方法，重复控制单元包括依次连接的内模、补偿器以及周期延时环节。
根据本发明的技术方案，重复控制在被控信号上除了加入了偏差信号，还引入了一个过去时刻的偏差，即上个周期该时刻的偏差量，偏差重复被使用，以实现提高系统的跟踪精度的效果。进而与PI控制电路结合，提高对有源电力滤波器的控制精度。
进一步地，本发明的技术方案中，内模的表达式为其中Z-N为周期延时环节，N为采样频率/信号频率。根据本发明的技术方案，通过周期延时环节将这一周期的误差值经过延时作用于下一周期的控制量，实现多周期误差值的叠加以提高周期信号跟踪的精度。
优选地，本发明的技术方案中，补偿器的表达式为C(z)＝KrzkS(z)，其中Kr为重复控制增益，zk为超前环节，S(z)为相位补偿环节。
根据本发明的技术方案，补偿器根据所控对象的具体特性进行参数设置，对所控对象的相位和幅值进行补偿修正。
进一步地，本发明的技术方案中，相位补偿环节S(z)由二阶低通滤波器构成，其传递函数的表达式为
根据本发明的技术方案，当被控对象传递函数P(z)与相位补偿环节S(z)的乘积为1时，系统的稳定性最好。但求P(z)的倒数的方法相对复杂，其数字化控制模块通常可以用一个二阶低通滤波器代替相位补偿环节S(z)。
本发明的技术方案中，并联型有源滤波器基于遗传算法的重复PI控制方法中的步骤S1包括步骤S11，建立有源电力滤波器的数学模型；步骤S12，将有源电力滤波器的数学模型从三相坐标系转换为同步旋转的d-q参考系；步骤S13，计算d-q参考系下电流环和电压环的传递函数。
根据本发明的技术方案，将有源电力滤波器的数学模型从三相静止a-b-c参考坐标系转变为同步旋转的d-q参考系，能够更快更方便地进行计算，再根据d-q参考系下的电流环和电压环的传递函数，以便在此基础上进行PI控制策略的优化。
本发明的技术方案中，有源电力滤波器所连接的电力系统中包括三相交流电源以及与三相交流电源的非线性负载，有源电力滤波器连接于三相交流电源和非线性负载之间。
优选地，本发明的技术方案中，并联型有源滤波器基于遗传算法的重复PI控制方法中的步骤S3包括步骤S31，建立遗传算法的适应度函数、选择函数以及模拟参数；步骤S32，将电流环和电压环的传递函数代入遗传算法中进行计算，得到调节系数。
根据本发明的技术方案，通过将电流环和电压环的传递函数代入遗传算法中进行计算，能够通过数学的方式利用计算机仿真运算，将计算调节系数的过程转换成类似生物进化中的染色体基因的交叉、变异等过程，以较快的速度获得较好的计算结果。
本发明的技术方案中，还提供了一种并联型有源滤波器基于遗传算法的重复PI控制模型，上述重复PI控制模型包括电流环和电压环，在电流环中设置有重复控制单元，比例积分控制模型中的调节系数由根据遗传算法计算得到。
根据本发明的技术方案，在并联型有源滤波器基于遗传算法的重复PI控制模型中，并联型的有源电力滤波器能够向电力系统中输入谐波补偿电流以抑制非线性负载在电力系统中产生的谐波，以实现电力系统的谐波抑制。通过PI控制策略对有源电力滤波器进行控制难以避免会产生静差，在PI控制基础上加入基于内模原理的重复控制单元，引入偏差信号进行补偿，实现PI控制模型的优化。进一步地，通过遗传算法模拟自然进化过程搜索最优解的方法整定PI控制电路的调节参数，从而获得PI控制电路的调节参数的最优设置方案，以进一步地对有源电力滤波器的控制模型进行优化，从而获得更好的滤除谐波污染的效果。
附图说明
图1是本发明的实施方式中提供的一种并联型有源滤波器基于遗传算法的重复PI控制方法的流程图；
图2是本发明的实施方式中提供的一种电力系统的示意图；
图3是本发明的实施方式中提供的一种重复PI控制方法中步骤S1的流程图；
图4是本发明的实施方式中提供的一种有源电力滤波器在d-q参考系下的控制原理图；
图5是本发明的实施方式中提供的一种电流环的仿真原理图；
图6(a)是根据如图5所示仿真电路得到的电流波形图；
图6(b)是根据如图5所示仿真电路得到的电流THD频谱图；
图7是本发明的实施方式中提供的一种包括重复控制单元的控制原理图；
图8是本发明的实施方式中提供的一种包含重复控制单元的电流环的仿真原理图；
图9(a)是根据如图8所示仿真电路得到的电流波形图；
图9(b)是根据如图8所示仿真电路得到的电流THD频谱图；
图10是本发明的实施方式中提供的一种重复PI控制方法中步骤S3的流程图；
图11(a)是根据最终的有源电力滤波器的控制模型得到的电流波形图；
图11(b)是根据最终的有源电力滤波器的控制模型得到的电流THD频谱图。
附图标记说明：101-三相交流电源，102-非线性负载，103-有源电力滤波器，104-逆变电路，105-控制电路，106-驱动电路。
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明的保护范围。
图1是本发明的实施方式中提供的一种并联型有源滤波器基于遗传算法的重复PI控制方法的流程图。
如图1所示，在本发明的实施方式中，提供了一种并联型有源滤波器基于遗传算法的重复PI控制方法，包括步骤S1，建立有源电力滤波器的比例积分控制模型；步骤S2，在比例积分控制模型的电流环中加入重复控制单元，得到优化后的有源电力滤波器的控制模型；步骤S3，根据遗传算法，计算比例积分控制模型中的调节系数，将调节系数代入优化后的有源电力滤波器的控制模型，得到最终的有源电力滤波器的控制模型。
图2是本发明的实施方式中提供的一种电力系统的示意图。
在如图2所示的电力系统中，包括三相交流电源101以及与三相交流电源101连接的非线性负载102，有源电力滤波器103连接于三相交流电源101和非线性负载102之间，与非线性负载102并联。有源电力滤波器103能够检测电力系统中的负载电流，计算提取出负载电流中的谐波成分，然后控制有源电力滤波器103产生一个和电力系统中的负载电流中的谐波成分大小相等，方向相反的谐波补偿电流输入到电力系统中，与电力系统中的负载电流中的谐波成分抵消，以达到滤除电力系统中谐波的目的。
在图2中，usa、usb、usc分别为三相交流电源101中三路电源的电源电压，isa、isb、isc分别为三相交流电源101中三路电源的电源电流，ica、icb、icc为分别与三相交流电源101中三路电源连接的谐波补偿电流，iLa、iLb、iLc为分别与三相交流电源101中三路电源连接的负载端的负载电流。
具体地，有源电力滤波器103包括逆变电路104以及与逆变电路104连接的控制电路105和驱动电路106，控制电路105向驱动电路106发送控制信号，使得驱动电路106驱动控制有源电力滤波器103的逆变电路104输出的谐波补偿电流。其中，控制电路105中的控制策略直接决定了有源电力滤波器103生成谐波补偿电流时的控制精度和响应速度，从而关乎有源电力滤波器103对电力系统进行谐波抑制的效果优劣。
首先，根据如图2所示的电路结构，设计有源电力滤波器103的主电路拓扑，其连接的电源侧为三相交流电源101，连接的负载侧为非线性负载102。有源电力滤波器103中设置有分别与三相交流电源101中三路电源连接的交流侧电感L与交流侧电阻R，以及逆变电路104中的直流侧电容C，直流侧电容C两端的直流侧电压为Vdc，直流侧电流为idc。根据上述电路结构可以进行有源电力滤波器103的数学模型分析。
图3是本发明的实施方式中提供的一种重复PI控制方法中步骤S1的流程图。
如图3所示，在本发明的实施方式中，并联型有源滤波器基于遗传算法的重复PI控制方法中的步骤S1包括步骤S11，建立有源电力滤波器的数学模型；步骤S12，将有源电力滤波器的数学模型从三相坐标系转换为同步旋转的d-q参考系；步骤S13，计算d-q参考系下电流环和电压环的传递函数。
具体地，在本发明的本实施方式中，逆变电路104为三相电压型有源逆变桥，通过三组上下桥臂相应开关接收PWM信号控制其导通关断的状态进行逆变输出谐波补偿电流。在分析有源电力滤波器103的数学模型时，不妨首先设每相上下半桥开关器件IGBT的导通关断状态为Sa、Sb、Sc，以第一相Sa为例：
在此基础上，根据基尔霍夫电压、电流定律，列出在三相a-b-c参考系下有源电力滤波器103的数学模型，即：
其中，UN0为中性点电压。
在上述方程组基础上，可整理得到：
其中，ura、urb、urc分别为三相电压型有源逆变桥中的三相电压。
进一步地，将有源电力滤波器103的数学模型从三相静止a-b-c参考坐标系转变为同步旋转的d-q参考系，能够更快更方便地进行计算。具体地，根据上述进行d-q转换得到有源电力滤波器103在d-q参考系下的数学模型为：
其中，urd、urq表示的是电压控制的电压给定值。
发现d与q轴存在耦合，即两者相互影响。故在控制之前先将两者解耦。解耦后，则可以分别讨论两者的控制。在d-q参考系下，d轴、q轴的电压控制满足：
其中，id *、iq *表示的是指令电流，usd、usq、usc分别为d-q参考系下的电源端电压，KP、KI为PI控制参数即比例积分控制模型中的调节系数。只需要调节id *以及iq*即能够对id与iq实现单独控制。
图4是本发明的实施方式中提供的一种有源电力滤波器在d-q参考系下的控制原理图。
根据如图4所示的控制原理图，可以得到在d-q参考系下有源电力滤波器103中电流环的开环传递函数为：
电流环的闭环传递函数为：
电压环的开环传递函数为：
其中，Vdc *为设计的三相电压型有源逆变桥中直流电压给定基准值。
进一步地，可以根据d-q参考系下的电流环和电压环的传递函数，以便在此基础上进行有源电力滤波器103的PI控制策略的优化。
若采用传统方式设计，有源电力滤波器103的比例积分控制模型中的调节系数即PI控制参数KP、KI，可得到
其中，Td为积分时间。
图5是本发明的实施方式中提供的一种电流环的仿真原理图。
根据上述电路和计算，在simulink软件中搭建有源电力滤波器103中电流环的仿真模型如图5所示，运行测试上述仿真模型得到的仿真结果如图6所示，图6(a)是根据如图5所示仿真电路得到的电流波形图，图6(b)是根据如图5所示仿真电路得到的电流THD频谱图。
根据传统方法设计电流环及其PI控制参数，由于其连接的电力系统中非线性负载102运行时引入的谐波与无功功率干扰，波形畸变严重，正弦波中形成有大量毛刺状态的信号，且电流的THD值高达6.41％。其中，THD值为总谐波失真(Total Harmonic Distortion)是电网内谐波含量高低的指标，THD值越低表示电路中谐波污染越少。
图7是本发明的实施方式中提供的一种包括重复控制单元的控制原理图。
如图7所示，在上述比例积分控制模型的电流环中加入重复控制单元，得到优化后的有源电力滤波器103的控制模型，电流环中设置有重复控制单元包括依次连接的内模、补偿器以及周期延时环节。
根据上述控制模型，重复控制来源于内模原理，能够有效地提高信号的跟踪精度，达到无静差的效果。重复控制在被控信号上除了加入了偏差信号，还引入了一个过去时刻的偏差，即上个周期该时刻的偏差量，偏差重复被使用，以实现提高系统的跟踪精度的效果。进而与PI控制电路结合，提高对有源电力滤波器103的控制精度。
首先，内模是重复控制单元的核心部分，引入参数Q＝0.95，设计内模的表达式为
其中Z-N为周期延时环节，N为采样频率/信号频率。
通过周期延时环节将这一周期的误差值经过延时作用于下一周期的控制量，实现多周期误差值的叠加以提高周期信号跟踪的精度。
其次，重复控制单元中补偿器的表达式为C(z)＝KrzkS(z)，其中包含三部分，Kr设重复控制增益，设Kr＝0.9；zk为超前环节，可以对S(z)和被控信号提供相位滞后的补偿，设k＝2或3；S(z)为相位补偿环节，是整个补偿器的核心环节，补偿器根据所控对象的具体特性进行参数设置，对所控对象的相位和幅值进行补偿修正。
根据控制原理，当被控对象传递函数P(z)与相位补偿环节S(z)的乘积为1时，系统的稳定性最好。但求P(z)的倒数的方法相对复杂，其数字化控制模块通常可以用一个二阶低通滤波器代替相位补偿环节S(z)，其传递函数的表达式为
图8是本发明的实施方式中提供的一种包含重复控制单元的电流环的仿真原理图。
根据上述电路和计算，在simulink软件中搭建有源电力滤波器103中电流环包括重复控制单元的仿真模型如图8所示，运行测试上述仿真模型得到的仿真结果如图9所示，图9(a)是根据如图8所示仿真电路得到的电流波形图，图9(b)是根据如图8所示仿真电路得到的电流THD频谱图。
根据加入重复控制单元后的电流环的仿真结果，正弦波的波形有着明显改善，且电流的THD值降低至4.26％。
值得一提的是，上述重复控制单元的模型和具体参数均可以根据所连接的电流环、有源电力滤波器以及整体电力系统的参数和调节要求进行调整，以实现更好的滤波效果，在此不作限制。
图10是本发明的实施方式中提供的一种重复PI控制方法中步骤S3的流程图。
如图10所示，在本发明的实施方式中，并联型有源滤波器基于遗传算法的重复PI控制方法中的步骤S3包括步骤S31，建立遗传算法的适应度函数、选择函数以及模拟参数；步骤S32，将电流环和电压环的传递函数代入遗传算法中进行计算，得到调节系数。
根据本发明的技术方案，通过将电流环和电压环的传递函数代入遗传算法中进行计算，能够通过数学的方式利用计算机仿真运算，将计算调节系数的过程转换成类似生物进化中的染色体基因的交叉、变异等过程，以较快的速度获得较好的计算结果。
具体地，上述根据遗传算法的应用步骤为：
首先，进行初始种群的选取及种群规模，迭代次数的选取：
初始种群的选取使用产生随机数的方法确定，种群规模PopSize在此处设为25，最大迭代次数MaxGeneration设定为10；
然后，进行适应函数的确定：
适应度函数即遗传算法中寻优目标的函数，求取适应度函数的极值即求取目标最优的情况。在此处，为了实现良好的跟踪效果降低达到稳态时的超调以及为了实现更快的响应速度缩短上升时间，将超调量和上升时间作为适应函数，并设定成本函数为J＝Q*(x-Mpb)2+R*y2。
其中，Mpb为给定值，(x-Mpb)为超调量的表征，y的取值与(x-Mpb)相关，为上升时间的表征，Q和R是相关权值。实际上寻优的过程也就转变为了找到成本函数J的最值时刻对应的KP、Ki的过程。
接着进行遗传算子的确定：
遗传算法通常我们需要交叉概率和变异概率两个算子的选取，分别决定了发生交叉和变异的次数，几率过小会导致搜索停滞不前，太大则会破坏掉高适的结构。因此交叉率一般选在0.25～0.8间，变异概率一般小于0.1。经过多次的选择交叉变异操作，迭代筛选出最优个体，根据被控对象传递函数选择最优控制参数。相比传统选取控制参数的方法，该方法更加科学高效。
根据上述遗传算法算得的结果为：当成本函数J取最小值时，此时电流环的调节系数Kp、Ki分别为2.6927和0.1177，电压环的调节系数Kp、Ki分别为2.8041和0.0363。
将上述采用了遗传算法整定调节系数代入有源电力滤波器的仿真模型中，得到最终的有源电力滤波器的控制模型。运行测试上述最终的有源电力滤波器的控制模型对应的仿真模型得到的仿真结果如图11所示，图11(a)是根据最终的有源电力滤波器的控制模型得到的电流波形图，图11(b)是根据最终的有源电力滤波器的控制模型得到的电流THD频谱图。
如图11所示，仿真测试得到的波形有着显著改善，正弦波波形曲线光滑，且电流的THD值降低至2.96％，减少至对控制模型进行改善前仿真结果THD值为6.41％的一半更低，即说明有源电力滤波器的控制效果得到大幅改善，从而能够大大地提高有源电力滤波器的滤波效果。
综上所述，在本发明的实施方式中，并联型的有源电力滤波器能够向电力系统中输入谐波补偿电流以抑制非线性负载在电力系统中产生的谐波，以实现电力系统的谐波抑制和无功功率补偿。通过PI控制策略对有源电力滤波器进行控制难以避免会产生静差，在PI控制基础上加入基于内模原理的重复控制单元，引入偏差信号进行补偿，实现PI控制模型的优化。进一步地，通过遗传算法模拟自然进化过程搜索最优解的方法整定PI控制电路的调节参数，从而获得PI控制电路的调节参数的最优设置方案，以进一步地对有源电力滤波器的控制模型进行优化，从而获得更好的滤除谐波污染的效果。通过对电力系统进行更好的谐波治理，既能够消除无功功率，提高系统的功率因数，降低电力系统中的配电损耗，还能够减少因谐波电流产生的温升对电路及电气元件的损耗，改善电力系统的工作环境，延长电力系统以及系统中电路及电气元件的使用寿命。
在本发明的实施方式中，还提供了一种并联型有源滤波器基于遗传算法的重复PI控制模型，上述重复PI控制模型包括电流环和电压环，在电流环中设置有重复控制单元，比例积分控制模型中的调节系数由根据遗传算法计算得到。
至此，已经结合附图描述了本发明的技术方案。但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于上述具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围。
Claims (9)
1.一种并联型有源滤波器基于遗传算法的重复PI控制方法，其特征在于，包括
步骤S1，建立有源电力滤波器的比例积分控制模型；
步骤S2，在所述比例积分控制模型的电流环中加入重复控制单元，得到优化后的所述有源电力滤波器的控制模型；
步骤S3，根据遗传算法，计算所述比例积分控制模型中的调节系数，将所述调节系数代入所述优化后的有源电力滤波器的控制模型，得到最终的所述有源电力滤波器的控制模型。
2.如权利要求1所述的重复PI控制方法，其特征在于，所述重复控制单元包括依次连接的内模、补偿器以及周期延时环节。
3.如权利要求2所述的重复PI控制方法，其特征在于，所述内模的表达式为其中Z-N为周期延时环节，N为采样频率/信号频率。
4.如权利要求3所述的重复PI控制方法，其特征在于，所述补偿器的表达式为C(z)＝KrzkS(z)，其中Kr为重复控制增益，zk为超前环节，S(z)为相位补偿环节。
5.如权利要求4所述的重复PI控制方法，其特征在于，所述相位补偿环节S(z)由二阶低通滤波器构成，其传递函数的表达式为
6.如权利要求5所述的重复PI控制方法，其特征在于，所述步骤S1包括
步骤S11，建立所述有源电力滤波器的数学模型；
步骤S12，将所述有源电力滤波器的数学模型从三相坐标系转换为同步旋转的d-q参考系；
步骤S13，计算所述d-q参考系下电流环和电压环的传递函数。
7.如权利要求6所述的重复PI控制方法，其特征在于，所述有源电力滤波器所连接的电力系统中包括三相交流电源以及与所述三相交流电源的非线性负载，所述有源电力滤波器连接于所述三相交流电源和所述非线性负载之间。
8.如权利要求7所述的重复PI控制方法，其特征在于，所述步骤S3包括
步骤S31，建立所述遗传算法的适应度函数、选择函数以及模拟参数；
步骤S32，将所述电流环和所述电压环的传递函数代入所述遗传算法中进行计算，得到所述调节系数。
9.一种并联型有源滤波器基于遗传算法的重复PI控制模型，其特征在于，所述重复PI控制模型包括电流环和电压环，在所述电流环中设置有重复控制单元，所述比例积分控制模型中的调节系数由根据遗传算法计算得到。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2022115043733 | 2022-11-28 | ||
| CN202211504373 | 2022-11-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117134354A true CN117134354A (zh) | 2023-11-28 |
Family
ID=88853426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310695801.3A Pending CN117134354A (zh) | 2022-11-28 | 2023-06-12 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117134354A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117492371A (zh) * | 2023-12-29 | 2024-02-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
| CN118300470A (zh) * | 2024-06-06 | 2024-07-05 | 成都航天凯特机电科技有限公司 | 一种无感永磁同步电机用控制器的控制系统及方法 |
-
2023
- 2023-06-12 CN CN202310695801.3A patent/CN117134354A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117492371A (zh) * | 2023-12-29 | 2024-02-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
| CN117492371B (zh) * | 2023-12-29 | 2024-04-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
| CN118300470A (zh) * | 2024-06-06 | 2024-07-05 | 成都航天凯特机电科技有限公司 | 一种无感永磁同步电机用控制器的控制系统及方法 |
| CN118300470B (zh) * | 2024-06-06 | 2024-08-16 | 成都航天凯特机电科技有限公司 | 一种无感永磁同步电机用控制器的控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Parvez et al. | Comparative study of discrete PI and PR controls for single-phase UPS inverter | |
| Herman et al. | A proportional-resonant current controller for selective harmonic compensation in a hybrid active power filter | |
| 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 | |
| Bhattacharya et al. | A shunt active power filter with enhanced performance using ANN-based predictive and adaptive controllers | |
| CN111541262B (zh) | 模型预测定交流电压控制下mmc频率耦合阻抗建模方法 | |
| CN104953875B (zh) | 一种离网逆变器的重复滑模控制方法 | |
| Zhao et al. | Improved repetitive control scheme for grid‐connected inverter with frequency adaptation | |
| CN110429603B (zh) | 六开关七电平有源电力滤波器及补偿方法 | |
| CN104601028B (zh) | 参数在线整定的中点电压控制系统及方法 | |
| CN102832621A (zh) | 三相并联型有源滤波器自适应rbf神经网络控制技术 | |
| CN113691155B (zh) | 基于pi和重复控制的单相逆变器控制方法、系统及逆变器 | |
| CN113595123A (zh) | 一种模块化多电平换流器的高频阻抗计算方法及装置 | |
| Santiprapan et al. | Adaptive repetitive controller for an active power filter in three‐phase four‐wire systems | |
| CN111431184A (zh) | 基于bp神经网络算法的最优虚拟谐波电阻控制方法 | |
| Zhang et al. | Multivariable sequential model predictive control of LCL‐type grid connected inverter | |
| CN110752603B (zh) | 一种串联逆变器的复合控制方法、存储介质及设备 | |
| CN113224793A (zh) | 微电网多逆变器并联自适应谐波阻抗重塑控制方法及系统 | |
| Lenwari | Optimized design of modified proportional-resonant controller for current control of active filters | |
| CN108258692B (zh) | 一种参数自适应调整的谐波补偿方法及装置 | |
| CN114597975A (zh) | 并联系统的功率分配方法及控制设备 | |
| Weike et al. | Fuzzy neural networks and GA based predictive control for active power filter | |
| CN114509970B (zh) | 一种通用的多周期多谐振控制器设计方法及控制器 | |
| CN116470773B (zh) | 一种变换器的比例积分参数计算方法及系统 | |
| Feng et al. | Active power filter dead-beat repetition control | |
| Selvam et al. | Adaptive control of a single source reduced switch MLI-based DSTATCOM for wind energy conversion 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 |