改進型PID神經(jīng)元控制算法在APF控制中的應用

1.引言

并聯(lián)型有源電力濾波器是一種補償電力系統(tǒng)諧波的電力電子裝置，其主要的結構分為諧波檢測，PWM信號生成，直流側(cè)電壓控制及主電路4部分，其中，直流側(cè)的電壓控制的效果將直接影響到APF的補償結果。傳統(tǒng)的控制方法是采用PI控制器，因其結構簡單，調(diào)整方便，目前已經(jīng)得到廣泛的應用。但是隨著控制技術的不斷發(fā)展，利用新的控制技術以使APF獲得更好的效果已成為大勢所趨。具有自學習適應能力的基于單神經(jīng)元網(wǎng)絡的PID控制算法，結構簡單，且能夠適應環(huán)境的變化，魯棒性強，近年來成為研究的熱點。本文針對并聯(lián)型APF的特點，對基于單神經(jīng)元網(wǎng)絡的PID控制算法進行一定的改進并通過仿真，證實了其在并聯(lián)型APF中應用的可行性和優(yōu)越性。

2.并聯(lián)型APF的傳統(tǒng)控制方法

傳統(tǒng)的直流側(cè)電壓控制方法是為直流側(cè)電容提供一個獨立的直流電源，常用一個二極管整流電路來實現(xiàn)。這種方法雖然能夠保證直流側(cè)電壓的穩(wěn)定，但是需要設置一個專門的電路，增加了系統(tǒng)的復雜程度，也增加了系統(tǒng)的損耗和成本，因此目前已經(jīng)不采用這種方法。

現(xiàn)在直流側(cè)電壓的控制一般是通過對主電路進行適當?shù)目刂苼韺崿F(xiàn)，常用PI調(diào)節(jié)控制法，該方法將檢測到的電容電壓實際值與給定的參考電壓值相減，得到的差經(jīng)過PI調(diào)節(jié)器得到調(diào)節(jié)信號，它疊加到瞬時有功電流的直流分量上，經(jīng)運算在指令信號中包含一定的基波有功電流，補償電流發(fā)生電路根據(jù)產(chǎn)生補償電流注入電網(wǎng)，使得有源電力濾波器的補償電流中包含有一定的基波有功電流分量，從而使APF的直流側(cè)與交流側(cè)交換能量，對APF的損耗進行補償，將輸出電壓調(diào)節(jié)到給定值。

3.改進控制策略及算法

單神經(jīng)元自適應PID控制的結構如圖1所示：

該控制器是通過對加權系數(shù)的調(diào)整來實現(xiàn)自適應與自組織功能，其中，權系數(shù)的調(diào)整是按照有監(jiān)督的Hebb學實現(xiàn)的。其控制算法與學習算法為：

ηI、ηP、ηD分別為比例、積分、微分的學習速率，k為神經(jīng)元的比例系數(shù)，其中k>0.對比例，積分，微分分別采用不同的學習速率，以便對不同的權系數(shù)分別進行調(diào)整。

在該算法中，k值的選擇尤為重要。k值越大，則快速性越好，但超調(diào)量偏大，容易造成系統(tǒng)的不穩(wěn)定。若選擇過小，則使系統(tǒng)的快速性變差。

介紹了一種改進的單神經(jīng)元PID自適應控制算法，該算法將加權系數(shù)學習修正部分進行了修改，將其中的xi(k)改為e(k)+△e(k)，改進后的算法如下：

采用上述改進算法后，權系數(shù)的在線修正不完全是根據(jù)神經(jīng)網(wǎng)絡學習原理，而是根據(jù)實際經(jīng)驗制定的。

由以上所列算法可以看出，兩種控制算法的輸出u(k)都是基于增量式PID控制算法的計算，僅適用于執(zhí)行機構要求是控制量的增量的控制系統(tǒng)。因此，其在并聯(lián)型APF的控制策略應用中，效果不好。

在并聯(lián)型APF的直流側(cè)電壓控制中，其控制結果由輸入的信號計算而得出，可將輸入信號轉(zhuǎn)化成一組離散信號，利用數(shù)字式PID控制器進行控制，這樣既減小了系統(tǒng)的計算量，同時，由于輸出結果不受前一個數(shù)據(jù)的影響，使得控制輸出能夠更快的達到預期的值。本文選擇位置式PID控制算法，將其與單神經(jīng)元自適應PID控制算法相結合，在上一算法的基礎上，對u(k)的表達式進行修改，得出新的控制算法：

在此算法中，K值的設置對系統(tǒng)的運行影響很大，因此需要進行多次的實踐來進行調(diào)整。

4.仿真結果

本文的仿真模型參考中的并聯(lián)型APF仿真模型，利用MATLAB中的SIMULINK搭建好仿真平臺，分別應用提出的改進算法，本文提出的改進算法，與傳統(tǒng)PI控制器的控制結果進行比較。

首先使用PI