多模型模糊神經(jīng)網(wǎng)絡(luò)pi控制器的statcom電流控制方法
【專(zhuān)利摘要】本發(fā)明涉及一種多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，包括以下步驟：S1:負(fù)載功率因數(shù)作為模型劃分的依據(jù)，將系統(tǒng)劃分為多個(gè)模型Mi(i=1,2,...,n)。S2:對(duì)于每個(gè)模型分別設(shè)計(jì)d軸第二級(jí)模糊神經(jīng)網(wǎng)絡(luò)PI控制器PIdi（i=1,2,...,n）與q軸模糊神經(jīng)網(wǎng)絡(luò)PI控制器PIqi（i=1,2,...,n）。S3:當(dāng)負(fù)載電流接入后，選擇相應(yīng)模型，每個(gè)模型中的d軸第二級(jí)PI控制器和q軸PI控制器參數(shù)kP和ki由模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行整定以達(dá)到理想的控制效果。此方法可以較快的適應(yīng)負(fù)載的變化和獲得較高的精度。
【專(zhuān)利說(shuō)明】多模型模糊神經(jīng)網(wǎng)絡(luò)Pl控制器的STATCOM電流控制方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電力系統(tǒng)電能質(zhì)量無(wú)功補(bǔ)償中的靜止同步補(bǔ)償方法，特別是涉及一種基于多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的靜止同步補(bǔ)償電流控制方法。
【背景技術(shù)】
[0002]利用靜止同步補(bǔ)償器(STATCOM,Static Synchronous Compensator)來(lái)改善電能質(zhì)量主要有兩個(gè)目的:提高功率因數(shù)和調(diào)節(jié)系統(tǒng)電壓。然而在一些用電場(chǎng)合，負(fù)載的變化并未導(dǎo)致系統(tǒng)電壓發(fā)生明顯降低，但系統(tǒng)的功率因數(shù)卻發(fā)生了較大的變化，因此對(duì)功率因數(shù)的補(bǔ)償就顯得尤為重要。靜止同步補(bǔ)償器的主要控制目標(biāo)是通過(guò)補(bǔ)償負(fù)載無(wú)功功率來(lái)提高系統(tǒng)的功率因數(shù)。
[0003]靜止同步補(bǔ)償器的主要控制方法為雙閉環(huán)PI控制，直接電流PI控制雖然具有較好的響應(yīng)速度和無(wú)功補(bǔ)償精度，但當(dāng)負(fù)載發(fā)生較大變化時(shí)，該控制方法難以適應(yīng)負(fù)載的變化，會(huì)造成補(bǔ)償精度和速度的降低。其他的一些基于PI的智能控制方法主要有神經(jīng)元自適應(yīng)PI控制、基于遺傳算法的PI控制以及粒子群優(yōu)化PI控制等。但是模糊PI控制器的參數(shù)整定規(guī)則需要通過(guò)現(xiàn)場(chǎng)調(diào)試和專(zhuān)家經(jīng)驗(yàn)獲得，而神經(jīng)元自適應(yīng)PI控制則需要較長(zhǎng)的時(shí)間來(lái)訓(xùn)練神經(jīng)元?；谶z傳算法的PI控制雖然能夠獲取PI參數(shù)，但是收斂較慢，運(yùn)行時(shí)間較長(zhǎng)。而粒子群優(yōu)化PI控制可以快速得到最優(yōu)解，但是容易陷入局部最優(yōu)。上述方法僅僅能夠克服靜止同步補(bǔ)償器的非線(xiàn)性特性，當(dāng)沖擊性負(fù)載發(fā)生變化，導(dǎo)致功率因數(shù)變化時(shí)，采用上述方法，不能較快的適應(yīng)負(fù)載的變化和獲得較高的精度，從而影響了裝置的補(bǔ)償精度。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，在負(fù)載的變化并未導(dǎo)致系統(tǒng)電壓發(fā)生明顯降低，但系統(tǒng)的功率因數(shù)卻發(fā)生了較大的變化時(shí)，使PI控制器能夠適應(yīng)接入點(diǎn)負(fù)載功率因數(shù)的變化，實(shí)現(xiàn)對(duì)功率因數(shù)的有效補(bǔ)償。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法包括以下步驟:
[0006]S1:根據(jù)一配電系統(tǒng)負(fù)載側(cè)接入負(fù)載電流的功率因數(shù)的大小，將模糊神經(jīng)網(wǎng)絡(luò)PI控制器內(nèi)劃分成η個(gè)模型Mi (i=l, 2，...，η)；
[0007]S2:對(duì)于所述η個(gè)模型分別設(shè)計(jì)d軸第二級(jí)PI控制器PIdi (i=l, 2，...，η)與q軸PI 控制器 PIqi (1=1,2,...,η)；
[0008]S3:向所述配電系統(tǒng)負(fù)載側(cè)接入一負(fù)載電流，并選擇所述η個(gè)模型Mi(i=l，2，...，η)中相應(yīng)的模型，并通過(guò)d軸模糊神經(jīng)網(wǎng)絡(luò)模塊選定模型中d軸第二級(jí)PI控制器PIdi (i=l, 2，...，η)的控制參數(shù)Kpd2和Kid2，通過(guò)d軸模糊神經(jīng)網(wǎng)絡(luò)模塊選定模型中q軸PI控制器PIqi (i=l, 2,..., η)的控制參數(shù)Kpq和Kiq ;所述d軸模糊神經(jīng)網(wǎng)絡(luò)模塊包括d軸模糊控制器和d軸神經(jīng)網(wǎng)絡(luò)；所述q軸模糊神經(jīng)網(wǎng)絡(luò)模塊包括q軸模糊控制器和q軸神經(jīng)網(wǎng)絡(luò)；[0009]其中，η為正整數(shù)。
[0010]作為優(yōu)選地，所述η的值為3。
[0011]作為優(yōu)選地，所述d軸模糊神經(jīng)網(wǎng)絡(luò)模塊以及所述q軸模糊神經(jīng)網(wǎng)絡(luò)模塊均采用BP神經(jīng)網(wǎng)絡(luò)。
[0012]作為優(yōu)選地，步驟S3進(jìn)一步包括:
[0013]S31:將給定d軸有功分量參考電流Itaf與靜態(tài)補(bǔ)償器電路d軸輸出電流Ied的差值eic;(k)和差值eic;(k)的導(dǎo)數(shù)L (A)作為所述d軸模糊控制器的輸入，通過(guò)所述d軸模糊控制器得到相應(yīng)的輸出；將給定d軸有功分量參考電流Ifq與靜態(tài)補(bǔ)償器電路q軸輸出電流11的差值eiq(k)和差值eiq(k)的導(dǎo)數(shù)‘(幻作為所述q軸模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入，通過(guò)所述d軸模糊控制器得到相應(yīng)的輸出；
[0014]S32:將步驟S31中的輸出作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)來(lái)分別訓(xùn)練所述d軸神經(jīng)網(wǎng)絡(luò)和所述q軸神經(jīng)網(wǎng)絡(luò)，所述d軸神經(jīng)網(wǎng)絡(luò)與所述q軸神經(jīng)網(wǎng)絡(luò)完全一致，其均包括輸入層、隱含層以及輸出層，其中輸入層具有3個(gè)神經(jīng)元，所述輸入層的輸入為
【權(quán)利要求】
1.一種多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，其特征在于，包括以下步驟: S1:根據(jù)一配電系統(tǒng)負(fù)載側(cè)接入負(fù)載電流的功率因數(shù)的大小，將模糊神經(jīng)網(wǎng)絡(luò)PI控制器內(nèi)劃分成η個(gè)模型Mi (i=l, 2，...，η)； 52:對(duì)于所述η個(gè)模型分別設(shè)計(jì)d軸第二級(jí)PI控制器PIdi (i=l, 2，...，η)與q軸PI控制器 PIqi (i=l,2,...,n)； 53:向所述配電系統(tǒng)負(fù)載側(cè)接入一負(fù)載電流，并選擇所述η個(gè)模型Mi (i=l, 2，...，η)中相應(yīng)的模型，并通過(guò)d軸模糊神經(jīng)網(wǎng)絡(luò)模塊選定模型中d軸第二級(jí)PI控制器PIdi(i=l, 2，...，η)的控制參數(shù)Kpd2和Kid2，通過(guò)d軸模糊神經(jīng)網(wǎng)絡(luò)模塊選定模型中q軸PI控制器PIqi (i=l, 2,..., η)的控制參數(shù)Km和Kiq ;所述d軸模糊神經(jīng)網(wǎng)絡(luò)模塊包括d軸模糊控制器和d軸神經(jīng)網(wǎng)絡(luò)；所述q軸模糊神經(jīng)網(wǎng)絡(luò)模塊包括q軸模糊控制器和q軸神經(jīng)網(wǎng)絡(luò)； 其中，η為正整數(shù)。
2.如權(quán)利要求1所述的多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，其特征在于，所述η的值為3。
3.如權(quán)利要求1或2所述的多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，其特征在于，所述d軸模糊神經(jīng)網(wǎng)絡(luò)模塊以及所述q軸模糊神經(jīng)網(wǎng)絡(luò)模塊均采用BP神經(jīng)網(wǎng)絡(luò)。
4.如權(quán)利要求3所述的多模型模糊神經(jīng)網(wǎng)絡(luò)PI控制器的STATCOM電流控制方法，其特征在于，步驟S3進(jìn)一步包括: 531:將給定d軸有功分量參考電流Itof與靜態(tài)補(bǔ)償器電路d軸輸出電流Ied的差值eic(k)和差值eic;(k)的導(dǎo)數(shù)k(幻作為所述d軸模糊控制器的輸入，通過(guò)所述d軸模糊控制器得到相應(yīng)的輸出；將給定d軸有功分量參考電流Ifq與靜態(tài)補(bǔ)償器電路q軸輸出電流Iqi的差值eiq(k)和差值eiq(k)的導(dǎo)數(shù)~認(rèn))作為所述q軸模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入，通過(guò)所述d軸模糊控制器得到相應(yīng)的輸出； 532:將步驟S31中的輸出作為所述BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)來(lái)分別訓(xùn)練所述d軸神經(jīng)網(wǎng)絡(luò)和所述q軸神經(jīng)網(wǎng)絡(luò)，所述d軸神經(jīng)網(wǎng)絡(luò)與所述q軸神經(jīng)網(wǎng)絡(luò)完全一致，其均包括輸入層、隱含層以及輸出層，其中輸入層具有3個(gè)神經(jīng)元，所述輸入層的輸入為inPut(2-10(k)=fk-1,i= 1.2.3:其中f為所述輸入層函數(shù)，k為輸入變量；所述輸入層的輸出與輸入相等，即:
【文檔編號(hào)】G06N3/02GK103457274SQ201310374555
【公開(kāi)日】2013年12月18日 申請(qǐng)日期:2013年8月23日 優(yōu)先權(quán)日:2013年8月23日
【發(fā)明者】鄭益慧, 王昕 , 李立學(xué), 周晨, 李凱, 李磊 申請(qǐng)人:上海交通大學(xué), 國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)吉林省電力有限公司四平供電公司