一种级联H桥APF电流跟踪控制方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115903467A(43)申请公布日2023.04.04(21)申请号202211266945.9G06N3/04(2023.01)(22)申请日2022.10.17G06N3/08(2023.01)G06N3/12(2023.01)(71)申请人国家电网有限公司H02J3/01(2006.01)地址100031北京市西城区西长安街86号申请人国网新源集团有限公司国网新源集团有限公司丰满培训中心(72)发明人孙铭泽于金龙夏智翼赵梓含韩冬王亚龙刘天聪邢砾云沈建强(74)专利代理机构吉林市达利专利事务所22102专利代理师陈传林(51)Int.Cl.G05B13/02(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种级联H桥APF电流跟踪控制方法(57)摘要本发明的一种级联H桥APF电流跟踪控制方法，其特点是，包括：基于神经网络级联H桥APF电流控制模型的构建和基于GA的神经网络预测控制优化步骤，所述方法是针对现有技术的电流调节方法的补偿效果有限，难以兼顾动态性能与稳定性且受频率制约、优化算法收敛速度慢或容易出现局域最优，严重影响电流跟踪控制的动态响应性、实时性、稳定性等问题而提出的，所述方法具有自学习能力强，电流跟踪控制的动态响应性、实时性、稳定性好，预测精准度高，鲁棒性能佳的优点。CN115903467ACN115903467A权利要求书1/3页1.一种级联H桥APF电流跟踪控制方法，其特征是，所述方法包括：步骤1，基于神经网络级联H桥APF电流控制模型的构建：依据级联H桥APF数学模型及历史采集数据对神经网络进行建模训练，使其能够表示网络的动态机理，将被控对象和神经网络输出相减作为训练信号，用来进行系统辨识；将训练完成的神经网络应用于级联H桥APF，通过谐波检测电路生成参考电流神经网络预测模型根据参考电流和输出电流ic(k)以及APF数学模型输出控制电压U(k+1)，控制电压U(k+1)与可测周期电压e(k+1)相减，得到指令电压u(k+1)，再利用SVPWM对IGBT进行触发，得到补偿电流ic(k)；步骤2，基于GA的神经网络预测控制优化：以遗传算法优化神经网络预测控制提升模型准确性，减小控制误差，取个体适应度倒数作为新的适应度优化遗传算法选择操作，增加种群多样性，GA通过改进选择、交叉、变异操作，在原始群体中，通过对环境的适应性较强的个体进行筛选，使得群体在更好的搜索空间内进行演化，不断地迭代，最终获得最优的神经网络权值、阈值，针对传统级联H桥APF电流跟踪控制局限性，以GA优化神经网络预测控制实现电流跟踪控制精度提升。2.根据权利要求1所述的一种级联H桥APF电流跟踪控制方法，其特征是，所述步骤1中，基于神经网络级联H桥APF电流控制模型的构建并将其应用级联H桥APF的过程包括：1)建立网络模型神经网络模型训练，优化网络动态性能，将被控对象和神经网络输出的差作为训练信号，作为系统辨识依据，采用2‑20‑1模型，运用神经网络模型实现未来输出值预测，模型中：令ic(k)和分别为k时刻系统实际输出的谐波电流和指令电流，设WLm,j为输入层的权值，其中m＝1，2，Bj为输入层的偏差值，则输入层为用Sigmoid函数求得隐含层激发函数同样，得到输出层的输入和输出分别是其中ωLj,i为输出层的权值，bi为输出层的偏差值；采用连续可导的Sigmoid函数作为隐含层激发函数，得神经网络的输出为：ic(k+1)＝Ei(5)2CN115903467A权利要求书2/3页采用梯度下降法对各网络的权值进行调整，其中，λ为学习率；μ为惯性系数；2)应用网络模型进行模型预测根据水平后退法，应用网络模型对一定时期内模型响应预测，利用最优的运算法则来决定由谐波检测电路生成的指令电流信号，最优化的性能标准函数为：式中N2表示预测时域长度，yτ表示期望响应，ym表示网络模型响应，ρ表示控制量加权系数，Nu表示控制时域长度，u表示控制信号；3)基于神经网络级联H桥APF电流控制策略将训练完成的神经网络模型应用于级联H桥APF系统，通过谐波检测电路生成参考电流神经网络预测模型根据参考电流和输出电流ic(k)以及APF数学模型输出控制电压U(k+1)，控制电压U(k+1)与可测周期电压e(k+1)相减，得到指令电压u(k+1)，再利用SVPWM对IGBT进行触发，得到补偿电流ic(k)。3.根据权利要求1所述的一种级联H桥APF电流跟踪控制方法，其特征是，所述步骤2中，基于GA的神经网络预测控制优化的策略是：在求解每个个体的适应度时，都采用GA来优化初始权、阈值，以减少其对适应度的影响，为增加种群多样性，防止种群个体选中高适应度聚集陷入最优，采取的策略为：1)个体编码和初始种群