The research of Hybrid Active Power Filter.pdf

1、如今，電能質(zhì)量問題在工業(yè)生產(chǎn)、配電系統(tǒng)和人民生活中越來越受到關(guān)注。特別是隨著電網(wǎng)中非線性負載的廣泛使用，供電電壓和電流受到諧波污染而發(fā)生畸變。為了解決電網(wǎng)諧波問題，通常采用無源電力濾波器(PPF)，盡管，無源電力濾波器具有結(jié)構(gòu)簡單、價格便宜和易于使用等優(yōu)點，但無源電力濾波器仍具有很多不足，比如易與電網(wǎng)發(fā)生諧振，降低系統(tǒng)的穩(wěn)定性，發(fā)生偏諧，并且無源電力濾波器只能濾除特定階次的諧波，無法做到各次諧波的濾除和容性無功的動態(tài)補償?；诖?，采用能

2、夠?qū)崿F(xiàn)各次諧波抑制和無功動態(tài)補償?shù)挠性措娏V波器(APF)成為濾除電網(wǎng)諧波的理想途徑;并聯(lián)型有源電力濾波器與非線性負載并聯(lián)在電網(wǎng)上，能夠?qū)χC波電流實現(xiàn)動態(tài)跟蹤和補償。但受限于價格昂貴、容量偏小、難以應用于高壓電網(wǎng)等因素，解決電網(wǎng)諧波問題的另一種方法是采用混合型有源電力濾波器(HAPF)，混合型有源電力濾波器由有源電力濾波器和無源電力濾波器組成，目的是降低有源電力濾波器的容量，同時保留了有源和無源電力濾波器的優(yōu)點。注入式混合型有源電力濾波

3、器(IHAPF)通過注入電容將補償電流注入到電網(wǎng)中，在降低APF容量的同時能夠取得很好的諧波補償效果。(.)論文主要對注入式混合型有源電力濾波器(IHAPF)的工作機理、數(shù)學模型、參數(shù)設(shè)計、控制策略及工程應用進行相關(guān)闡述。本文的創(chuàng)新點、研究重點和成果主要體現(xiàn)在以下幾個方面:
　　 1)對電能質(zhì)量問題，IEEE諧波標準，諧波畸變對電網(wǎng)電能質(zhì)量的影響和諧波抑制方法進行了整體的綜述。
　　 2)基于p-q和i-iq的諧波檢測方

4、法都需要用到ⅡR濾波器，因為ⅡR濾波器是無限脈沖響應濾波器，對于線性特性不明確的負載有良好的濾波特性。對于變化的負載，F(xiàn)IR濾波器的計算延時變得很長，將導致產(chǎn)生其他問題，而ⅡR濾波器采用遞歸方式，低頻性能良好，能夠適應負載的變化。為了改進p-q和ip-iq檢測方法的不足，本文提出了一種新型的基于神經(jīng)網(wǎng)絡(luò)模糊的諧波電流檢測方法。通常，非線性負載的負載電流中含有基波電流和諧波電流。本文提出的方法中，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用Adaline結(jié)構(gòu)。Ada

5、line網(wǎng)絡(luò)的權(quán)重因子的大小分別與補償電流的幅值對應。因此，Adaline網(wǎng)絡(luò)相當于一個諧波檢測模型。計算輸入和輸出的偏差用于調(diào)整神經(jīng)網(wǎng)絡(luò)的重量。訓練算法采用基于最快下降過程的LMS算法和Widrow-Hoff學習算法。Widrow-Hoff學習算法具有敏銳的觀察力，能夠根據(jù)權(quán)重的平方誤差估計均方差。此外，這種方法的特別之處在于，神經(jīng)網(wǎng)絡(luò)的收斂系數(shù)α能夠通過模糊控制器進行調(diào)整。反之，小的α降低了穩(wěn)態(tài)誤差，但是系統(tǒng)的收斂速度也得到降低。為

6、了確保神經(jīng)網(wǎng)絡(luò)穩(wěn)定地學習，收斂系數(shù)必須小于輸入向量相關(guān)矩陣的最大特征值的倒數(shù)。通過與通常的p-q和ip-iq諧波檢測方法對比分析，仿真的結(jié)果顯示本文提出的諧波檢測方法縮短了動態(tài)響應時間，同時大幅提高了諧波電流檢測的精確性。
　　 3)對幾種典型的混合型有源電力濾波器的拓撲結(jié)構(gòu)進行了分析，在比較了其優(yōu)缺點之后，選擇帶注入支路的混合型有源電力濾波器(IHAPF)作為研究對象。詳細地闡述了IHAPF的控制策略和參數(shù)整定方法。根據(jù)IHA

7、PF的所選擇參數(shù)和控制策略分析結(jié)果，得知基于負載諧波電流檢測的控制策略有著最好的控制性能。
　　 4)提出一種用于IHAPF的具有延時補償?shù)男滦涂刂品椒āＳ捎贗HAPF的控制系統(tǒng)由很多部分組成，導致輸出電流帶有一定的相位延遲?？刂葡到y(tǒng)為雙閉環(huán)結(jié)構(gòu)，下層控制環(huán)由常規(guī)PI控制器和IHAPF模型組成，上層控制環(huán)包括神經(jīng)預測網(wǎng)絡(luò)、廣義預測控制器(GPC)和IHAPF模型。上層控制環(huán)的主要作用是為下層控制環(huán)尋求PI參數(shù)的最優(yōu)解。建立預測神

8、經(jīng)網(wǎng)絡(luò)模型是為了對IHAPF的非線性過程進行模擬。建立π-Smith預測補償器用于電流的延時補償，保證IHAPF輸出電流與負載諧波電流的相位差為180°。采用Lyapunov穩(wěn)定判據(jù)對系統(tǒng)的穩(wěn)定性進行了分析。仿真和實驗結(jié)果顯示，與傳統(tǒng)PI控制相比本文提出的控制策略在縮短動態(tài)響應時間、諧波有效抑制和實時控制等方面有明顯的優(yōu)勢。
　　 5)提出了一種用于IHAPF的基于滯環(huán)—模糊自適應神經(jīng)網(wǎng)絡(luò)的新控制方法。此方法結(jié)合了滯環(huán)控制和模糊

9、自適應神經(jīng)網(wǎng)絡(luò)控制的優(yōu)點?？刂葡到y(tǒng)采用雙環(huán)結(jié)構(gòu)，下層控制環(huán)為常規(guī)的滯環(huán)控制器和IHAPF模型，上層控制環(huán)由模糊—神經(jīng)控制器、預測辨識模型和IHAPF模型組成。預測辨識模型用于尋求模糊—神經(jīng)控制器的最優(yōu)解。因此，模糊—神經(jīng)控制器的參數(shù)能夠根據(jù)目的函數(shù)的最小標準進行實時地調(diào)整，本文提出的控制方法具有實時跟蹤諧波電流變化的性能。控制系統(tǒng)具有兩種控制模式:滯環(huán)控制模式和模糊—神經(jīng)控制模式。兩種模式間的切換由多模式轉(zhuǎn)換開關(guān)K控制。采用Lyapun

10、ov穩(wěn)定判據(jù)對系統(tǒng)的穩(wěn)定性進行了分析。與傳統(tǒng)的滯環(huán)控制相比，本文提出的控制方法具有縮短動態(tài)調(diào)節(jié)時間和在線控制的優(yōu)勢。仿真結(jié)果驗證了控制系統(tǒng)的有效性。
　　 6)提出采用復合模糊的IHAPF的新型控制方法。這控制方法包括兩個閉環(huán)，上層控制環(huán)由單模糊邏輯控制器和IHAPF模型組成，下層控制環(huán)由基于模糊推理的自適應控制器(ANFIS)、廣義神經(jīng)網(wǎng)絡(luò)預測(NGP)調(diào)節(jié)器和IHAPF模型組成。下層控制環(huán)主要用于改善單模糊邏輯控制器的性能。

11、首先對IHAPF的單模糊邏輯控制器進行介紹。同時，ANFIS控制器的輸出信號疊加到單模糊邏輯控制器的輸出信號。因此，提出的控制器的輸出量是變化的，目的是減少動態(tài)響應時間及將穩(wěn)態(tài)誤差降到最小。這種新型的控制方法非常適合于非線性控制。對比單模糊邏輯控制方法。仿真結(jié)果顯示本文提出的控制方法能夠縮短系統(tǒng)的動態(tài)調(diào)節(jié)時間，實現(xiàn)系統(tǒng)的實時在線控制和諧波的有效抑制。
　　 此外，本文提出具有延時補償功能的在線實時IHAPF控制方法已通過實驗樣機