基于神经网络的微电网谐波抑制技术研究
近年来,随着我国能源结构的调整及能源互联网战略的推广,微电网以其低能耗、低污染的优点在电力体制改革中得以迅速发展。但是微电网中的电源多为分布式电源,且接入大量电力电子设备,造成微电网电能随机性、波动性较大且谐波问题严重。电能质量问题不仅制约了微电网的健康发展也成为电力能源领域亟待解决的难题。以抑制微电网谐波、提高电能质量为目的,对并联APF控制系统展开研究,深入分析了其工作原理,以及传统的经典控制方法和较为先进的智能控制方法,并在此基础上提出了一种基于复合人工神经网络的控制器,以期提高APF的谐波补偿速度和精度,进而提高微电网电能质量。根据APF控制原理,复合神经网络控制器分为谐波检测部分和电流补偿控制部分,并且这两部分的功能均由神经网络实现。其中谐波检测部分采用了具有超强非线性映射能力的BP神经网络。应用传统ip-iq检测方法进行检测时,系统在第二个周期才能稳定输出正常基波,而应用本方法,系统从第一个周期开始便能稳定输出正常波形。复合神经网络控制器的电流补偿控制部分,是在PWM信号生成以前增加神经网络预测回路。该回路采用的RBF神经网络,应用简单而且收敛特性良好,被广泛应用于自动化预测控制领域,预测控制可有效解决APF控制系统延时问题。通过Matlab编写程序进行预测仿真,其预测精度可比目前较为先进的自适应预测方式提高两个数量级,较好的实现了电流预测补偿控制。通过Matlab/Simulink平台搭建电路模型进行全局动态仿真,将复合神经网络控制器应用于APF模型,并置于谐波源主电路做滤波测试。结果证明该APF在电路运行中表现出了较强的抗干扰能力和良好的动态响应速度,并且对线路中将近90%的谐波起到抑制作用,THD降低到原来的十分之一,取得了较为满意的滤波效果,在一定程度上实现了提高微电网电能质量的目的。
- 作者:
- 张静
- 学位授予单位:
- 大连工业大学
- 授予学位:
- 硕士
- 学位年度:
- 2018年
- 导师姓名:
- 李占英
- 中图分类号:
- TP183;TM761
- 关键词:
- 微电网;APF;神经网络;电能质量;谐波抑制
-