一种电能质量综合控制器模糊-神经网络双闭环控制方法
专利汇可以提供一种电能质量综合控制器模糊-神经网络双闭环控制方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 电能 质量 综合 控制器 模糊-神经网络双闭环控制方法，包括电能质量综合控制器，所述电能质量综合控制器包括有源 滤波器 、固定电容器、晶闸管控制电抗器，所述有源滤波器、固定电容器、晶闸管控制电抗器依次并接入 电网 和与电网连接的负载之间，本发明通过将模糊控制和神经网路控制与注入式有源电 力 滤波器相结合进行谐波抑制，同时也将模糊控制和神经网路控制作用于晶闸管控制电抗器TCR和固定电容器FC组成的静止无功补偿器SVC，对其进行控制，实现无功动态补偿，同时引入双闭环的控制策略实现了对电力系统电能质量的优化。，下面是一种电能质量综合控制器模糊-神经网络双闭环控制方法专利的具体信息内容。
1.一种电能质量综合控制器模糊-神经网络双闭环控制方法，包括电能质量综合控制器，所述电能质量综合控制器包括有源滤波器、固定电容器、晶闸管控制电抗器，所述有源滤波器、固定电容器、晶闸管控制电抗器依次并接入电网和与电网连接的负载之间，其特征在于，该方法为：
1）检测电网三相电压 、 、 ，三相负载电流 、 、 ，有源滤波器注入电流 、 、 ；
2）将采样的负载电流值 、 、 与有源滤波器注入电流值 、 、 作
为输入，通过将模糊化规则得到的信号与自适应神经网络控制单元所得信号相加得到初步的信号，再引入有源滤波器的注入电流作为反馈，通过PI控制得到有源滤波器中逆变器的PWM调制波信号，通过PWM技术实现对谐波的高效治理；
3）将采样的电网电压值 、 、 与系统期望电压值做差，得到模糊控制单元与自适应神经网络控制单元的输入信号，利用模糊化规则得到无功功率信号，然后与自适应神经网络控制单元所得的信号相加得到电压跟踪控制信号，将电压跟踪控制信号作为晶闸管控制电抗器的输入，晶闸管控制电抗器输出晶闸管的开关通断信号控制晶闸管控制电抗器的导通时间，即对应不同导通角，达到对无功进行补偿的目的；同时引入晶闸管控制电抗器与电网连接处电压作为反馈构成闭环控制。
2.根据权利要求1所述的电能质量综合控制器模糊-神经网络双闭环控制方法，其特征在于，所述模糊化规则为：
（1）如果 的值和 的值都为负，则 值也为负；
（2）如果 的值和 的值都为正，则 值也为正；
（3）如果 的值和 的值都为零，则 值也为零；
（4）如果 的值为零， 的值为正，则 值为正；
（5）如果 的值为零， 的值为正，则 值为正；
其 中： ， 对 于 步 骤 2）， ，
；对于步骤3）， ， ；
为期望的电网电压值， 为实际的电网电压值， 负载谐波电流值， 为滤波器注入的谐波电流值， 为经过模糊算法的模糊公式。
3.根据权利要求1所述的电能质量综合控制器模糊-神经网络双闭环控制方法，其特征在于，自适应神经网络控制单元训练数据基于以下规则：
（1）如果 的值和 的值都为负，则 值也为负；
（2）如果 的值和 的值都为正，则 值也为正；
（3）如果 的值和 的值都为零，则 值也为零；
（4）如果 的值为正小， 的值为正小，则 值为正小；
（5）如果 的值为正大， 的值为正大，则 值为正大；
（6）如果 的值为正大， 的值为正小，则 值为正小；
（7）如果 的值为负小， 的值为负，则 值为负小；
其中， 为自适应神经网络控制单元的输出。
一种电能质量综合控制器模糊-神经网络双闭环控制方法
技术领域
背景技术
发明内容
2）将采样的负载电流值 、 、 与有源滤波器注入电流值 、 、 作
为输入，通过将模糊化规则得到的信号与自适应神经网络控制单元所得信号相加得到初步的信号，再引入有源滤波器的注入电流作为反馈，通过PI控制得到有源滤波器中逆变器的PWM调制波信号，通过PWM技术实现对谐波的高效治理；
3）将采样的电网电压值 、 、 与系统期望电压值做差，得到模糊控制单元与自适应神经网络控制单元的输入信号，利用模糊化规则得到无功功率信号，然后与自适应神经网络控制单元所得的信号相加得到电压跟踪控制信号，将电压跟踪控制信号作为晶闸管控制电抗器的输入，晶闸管控制电抗器输出晶闸管的开关通断信号控制晶闸管控制电抗器的导通时间，即对应不同导通角，达到对无功进行补偿的目的；同时引入晶闸管控制电抗器与电网连接处电压作为反馈构成闭环控制。
附图说明
图3为现有的电能质量综合控制器结构示意图；
图4为本发明一实施例模糊控制原理图；
图5为本发明一实施例自适应神经网络控制原理图。
具体实施方式
2）根据采样的负载电流值（ 、 、 ）与注入式有源滤波器注入电流值（ 、、 ）作为输入，通过模糊化规则得到的信号与自适应神经网络所得信号进行相加得到初步的信号，再引入注入式有源滤波器的注入电流作为反馈，通过PI控制得到注入式有源滤波器中逆变器的PWM调制波信号，最后通过PWM技术实现对谐波的高效治理；
3）根据采样的电网电压值（ 、 、 ）与系统期望电压值做差，得到模糊控制单元与ANFIS的输入信号。利用模糊化规则得到无功功率信号，然后与自适应神经网络控制单元（ANFIS）所得的信号相加得到电压跟踪控制信号，利用电压跟踪控制信号作为TCR触发电路的输入，TCR触发电路输出TCR晶闸管的开关通断信号控制TCR的导通时间，即对应不同导通角，达到对无功进行补偿的目的。同时引入TCR（晶闸管控制电抗器）与电网连接处电压作为反馈构成闭环控制。
1）检测电网三相负载电流（ 、 、 ），注入式有源滤波器注入电流（ 、 、）；
2）根据采样的电流，通过模糊控制单元经过模糊化、模糊推理、去模糊化，得到输出信号。
2)根据采样的电流，通过模糊控制单元经过模糊化、模糊推理、去模糊化，得到TCR触发电路输入信号；
3)通过TCR触发电路控制TCR的关断开通，控制TCR的相角，与FC（固定电容器）进行组合实现无功的动态补偿
参见图3，与图2对比可以看出本发明的不同之处，一般的电能质量控制器由普通的有源滤波器通过变压器与电网相连，对谐波进行动态补偿，但这种结构中有源滤波器（APF）直流侧的电容承受电容较大，只能针对电压等级较低的情况，且要求APF容量过大，成本较大。本发明采用注入式有源滤波器，因注入之路基波谐振支路的存在，使得其耐压能力提升大大降低了有源滤波器的容量，由于注入电容 的存在，基波电压基本由其承担，故具有无功静补能力。由图3可以看出，一般的电能质量控制器使用固定电容器（FC）较多，虽然成本较低，但由于固定电容器不可变，无功的动态补偿能力差，且有可能因为负荷的变动和系统运行情况的改变发生谐振，从而存在一定风险。本发明利用TCR与FC的组合搭配，实现了对无功的实时快速动态补偿，且降低了谐振的风险。本发明将这两大部分的优势结合，相对与一般的电能质量控制器具有很凸显的优势，且弥补了它的一些缺陷。
（2）如果 的值和 的值都为正，则 值也为正；
（3）如果 的值和 的值都为零，则 值也为零；
（4）如果 的值为零， 的值为正，则 值为正；
（5）如果 的值为零， 的值为正，则 值为正；
为期望的电网电压值， 为实际的电网电压值， 负载谐波电流值， 为滤波器注入的谐波电流值， 为经过模糊算法的模糊公式。
此处的x和y对应 和 。我们采用Sugeno和Takagi的模糊模型，即：
如果 是 ， 是 ，那么 .
如果 是 ， 是 ，那么 .
其中 ， 等构成一个模糊集A， ， ， 为节点i的参数。
其中x和y为输入， 和 为对应模糊集的隶属度。
，i=1,2
第三层：这一层的功能为第i个节点计算第i条规则的激励强度与所有规则的激励强度之和的比值，即
，i=1，2，……
第四层：这一层的功能为将第三层输出的信号与本层节点的节点函数相乘,即：
第五层：这一层为输出层，将所有前一层传来的信号之和作为总输出，即：
自适应神经网络控制单元的核心在于对神经网络的训练，所以训练数据变得至关重要。其中训练数据基于以下的规则：
（1）如果 的值和 的值都为负，则f值也为负；
（2）如果 的值和 的值都为正，则f值也为正；
（3）如果 的值和 的值都为零，则f值也为零；
（4）如果 的值为正小， 的值为正小，则f值为正小；
（5）如果 的值为正大， 的值为正大，则f值为正大；
（6）如果 的值为正大， 的值为正小，则f值为正小；
（7）如果 的值为负小， 的值为负，则f值为负小；
其中， 为自适应神经网络控制单元的输出。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种可控硅调光电路、调光方法以及应用其的LED驱动电路 | 2020-05-08 | 282 |
| 一种转子接地保护方法 | 2020-05-08 | 873 |
| 一种焊接翻转上料机构及其锂电池焊接设备 | 2020-05-08 | 522 |
| 具有脉冲省略模式的单电感多输出直流/直流转换器 | 2020-05-08 | 542 |
| 基于三相暂态电流的小电流接地系统故障选相和选线方法 | 2020-05-08 | 549 |
| 直流电流切断装置 | 2020-05-11 | 932 |
| 一种基于RTDS的弧光接地选线装置的测试方法 | 2020-05-08 | 351 |
| 一种双环全谐振型软开关变换器 | 2020-05-08 | 347 |
| 一种工程用智能插排 | 2020-05-08 | 611 |
| 一种墨盒盖体安装设备 | 2020-05-08 | 249 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
