基于RBF神經(jīng)網(wǎng)絡的有源電力濾波器預測控制策略研究.pdf

1、隨著電力電子行業(yè)的發(fā)展，電力工業(yè)越來越受到人們的關注。目前我國已逐漸形成了大規(guī)模大范圍的高壓輸電網(wǎng)絡，對電網(wǎng)安全性，可靠性，穩(wěn)定性，以及電能質(zhì)量，應對突發(fā)事故和災害的能力等諸多要求也變得越來越高。但是我們在享受著電力工業(yè)所帶來的便利時，必須考慮到這些技術所帶來的負面影響——諧波的產(chǎn)生。針對諧波抑制的主要問題的深入探索和研究，既是我國電力工業(yè)理論發(fā)展的需要，更是對電力行業(yè)的實踐上的高要求。未來，智能化發(fā)展必將是我國電力工業(yè)發(fā)展的趨勢。如何

2、將智能控制理論在電力系統(tǒng)應用，更好地抑制諧波，提高功率因數(shù)，是促進電力工業(yè)發(fā)展的有效途徑之一。
　　 本課題主要對有源電力濾波器的諧波檢測和控制技術進行了研究。由于傳統(tǒng)的控制策略并未考慮系統(tǒng)延時問題。本課題的核心為:通過分析延時對APF補償性能的嚴重影響，引出預測控制的概念，并利用RBF神經(jīng)網(wǎng)絡對諧波電流進行預測控制。對RBF神經(jīng)網(wǎng)絡的學習算法——K-均值聚類算法進行了研究。深入介紹如何利用K-均值聚類算法求取隱含層的聚類中心，

3、并求取基寬和權值。在此學習算法的基礎上，通過對輸入輸出樣本進行重構預處理之后，對RBF神經(jīng)網(wǎng)絡進行訓練，使之達到最優(yōu)的預測效果。并對整個預測模型的實現(xiàn)過程做了詳細的描述。在此基礎上，又對基于自適應濾波器LMS算法的預測模型做了詳細的介紹，重點對整個算法的結(jié)構及實現(xiàn)過程做了深入研究。并把上述兩種方法用于諧波電流的預測控制中，實現(xiàn)預測出下一拍的電網(wǎng)諧波電流參考值ic*(t+1)，據(jù)此發(fā)出PWM信號，使主電路輸出補償電流ic(t+1)，從而消

4、除延時，并做出Matlab仿真和二者的誤差分析，仿真結(jié)果表明基于RBF神經(jīng)網(wǎng)絡預測控制的預測效果更準確，誤差更小，實時性更好，為APF諧波電流預測奠定理論基礎。
　　 最后，在對有源電力濾波器整體分析后，做出系統(tǒng)Matlab/simulink模型。利用基于瞬時無功功率理論的ip-iq法則對諧波進行檢測。把檢測出來的諧波通過RBF神經(jīng)網(wǎng)絡預測模型產(chǎn)生諧波電流參考值，使主電路發(fā)出補償電流，實現(xiàn)諧波抑制作用。通過對系統(tǒng)模型的構建和良好