本发明涉及整流器控制领域,特别是指一种三相电压型pwm整流器直接功率控制装置。
背景技术:
电力的发展与国民经济密切相关,三相脉宽调制(pulsewidthmodulation,pwm)整流器作为负荷接入电网的主要电力电子装置,具有能量双向流通、单位功率因数运行、输出电压和功率可控等优点,因此受到越来越所的关注。按直流侧电源储能方式,pwm整流器可分为电压型pwm整流器和电流型pwm整流器。
电压型pwm整流器因结构简单、电能损耗小、动态响应快,在pwm整流器研究领域处于主导地位,其控制技术主要包括电流控制策略和功率控制策略。由于功率控制无需坐标变换、pwm发波及电流调节等繁琐环节,算法简单且动态性能良好而更受到研究者青睐,然而基于电压定向的功率控制相位角检测易受到电网电压谐波的干扰,使得相位角检测值出现较大误差,影响系统控制精度。
目前现有的无电压传感器控制一般采用纯积分虚拟磁链观测器和一阶低通滤波器串联,但其容易导致输出饱和及积分漂移,同时一阶低通滤波器会在虚拟磁链估测中引入幅值和相位误差,易引起电压型pwm整流器瞬时功率和交流侧电流的波动,且当前控制策略大多在理想电网电压下进行,并不能抑制电网电压不平衡下产生的大量谐波电流,从而使系统有功功率大幅波动,严重时甚至引起电力系统性能急剧恶化。
技术实现要素:
本发明要解决的技术问题是提供一种三相电压型pwm整流器直接功率控制装置,以解决现有技术所存在的无法抑制电网电压不平衡下产生的大量谐波电流,导致电力系统性能恶化的问题。
为解决上述技术问题,本发明实施例提供一种三相电压型pwm整流器直接功率控制装置,包括:三相pwm整流器电路、自适应神经网络虚拟磁链观测器、功率计算模块、开关信号选择模块和外环电压控制模块;其中,pwm表示脉宽调制,所述自适应神经网络虚拟磁链观测器包括:自适应神经辨识器和自适应神经滤波器,所述三相pwm整流器电路包括:电压型pwm整流器;
自适应神经辨识器,用于基于电压型pwm整流器的开关控制信号,实时估算电网电压;
自适应神经滤波器,用于滤除自适应神经辨识器所估算的电网电压中的高次谐波,得到电网电压基波分量;
功率计算模块,用于根据电网电压基波分量,输出瞬时有功功率和瞬时无功功率;
开关信号选择模块,用于根据得到的电网电压基波分量、瞬时有功功率、瞬时无功功率和外环电压控制模块输出的有功功率参考值,输出电压型pwm整流器的开关控制信号,所述开关控制信号用于控制电压型pwm整流器的开关动作,并作为反馈值输入自适应神经辨识器。
进一步地,所述三相pwm整流器电路还包括:电网电压、网侧电感、电阻、储能电容和负载;
其中,电网电压的三条线路分别依次串联网侧电感及电阻后,接入电压型pwm整流器,储能电容和负载并联于电压型pwm整流器之后。
进一步地,所述三相pwm整流器电路在两相静止αβ坐标系下的离散数学模型为:
其中,k表示当前时刻,iα、iβ表示两相静止αβ坐标系下的网侧电流,eα、eβ表示两相静止αβ坐标系下的电网电压,vαn、vβn表示两相静止αβ坐标系下电压型pwm整流器的输入电压,l表示网侧电感,r表示电阻,m、n都表示传递系数,
进一步地,所述自适应神经辨识器表示为:
其中,iα,est、iβ,est表示自适应神经辨识器输出的在两相静止αβ坐标系下的网侧电流,eα,ann、eβ,ann表示估算的电网电压。
进一步地,eα,ann、eβ,ann为自适应神经辨识器的权重;eα,ann、eβ,ann通过最速下降法自适应调整,表示为:
其中,μ为学习率,△eα,ann(k)、△eβ,ann(k)分别表示估算的电网电压eα,ann、eβ,ann在k时刻的增量。
进一步地,电网电压基波分量表示为:
eαβ,est(k)=xy(k)
y(k)=[cos(w1kts)sin(w1kts)]t
其中,eαβ,est表示估算的电网电压的基波分量,x、y表示矢量,yt(k)的上标t表示矩阵转置,w1表示基波频率,e1表示基波的幅值,θ1表示基波的相位角。
进一步地,eαβ,est(k)=xy(k)是一个由自适应神经滤波器学习的线性组合,其自适应权重w表示为:
其中,η表示学习率;λαβ表示估计误差,λαβ=eαβ,ann-eαβ,est,eαβ,ann表示估算的电网电压,
进一步地,所述开关信号选择模块包括:扇形选择器、有功功率滞环比较器、无功功率滞环比较器和开关表;其中,
扇形选择器,用于根据输入的电网电压基波分量,输出电源电压矢量分区估算电压um,
有功功率滞环比较器,用于根据外环电压控制模块输出的有功功率参考值pref与瞬时有功功率p(k)的差值,得到实际功率偏离参考功率的状态sp;
无功功率滞环比较器,用于根据无功功率的参考值qref与瞬时无功功率q(k)的差值,得到实际功率偏离参考功率的状态sq;
开关表,用于根据扇区选择器的输出结果um、有功功率滞环比较器的输出结果sp和无功功率滞环比较器的的输出结果sq,查询预先存储的开关表,得到电压型pwm整流器的开关控制信号sabc。
进一步地,瞬时有功功率p(k)和瞬时无功功率q(k)分别表示为:
进一步地,sp、sq分别表示为:
其中,hp为有功功率滞环比较器滞环宽度;hq为无功功率滞环比较器滞环宽度。
本发明的上述技术方案的有益效果如下:
上述方案中,通过自适应神经网络虚拟磁链观测器中的自适应神经辨识器能够实时估计电网电压,省去了电压传感器的成本,并通过自适应神经滤波器能够滤除自适应神经辨识器所估算的电网电压中的高次谐波,提取电网电压的基波分量,降低非理想电网条件下直流母线侧电压波动,改善功率脉振,达到提高电力系统动态性能的目的。
附图说明
图1为本发明实施例提供的三相电压型pwm整流器直接功率控制装置的结构示意图;
图2为本发明实施例提供的三相电压型pwm整流器直接功率控制装置的详细结构示意图;
图3为本发明实施例提供的三相pwm整流器电路拓扑结构示意图;
图4为本发明实施例提供的自适应神经网络虚拟磁链观测器的工作流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的无法抑制电网电压不平衡下产生的大量谐波电流,导致电力系统性能恶化的问题,提供一种三相电压型pwm整流器直接功率控制装置。
如图1所示,本发明实施例提供的三相电压型pwm整流器直接功率控制装置,包括:三相pwm整流器电路1、自适应神经网络虚拟磁链观测器2、功率计算模块3、开关信号选择模块4和外环电压控制模块5;其中,pwm表示脉宽调制,所述自适应神经网络虚拟磁链观测器2包括:自适应神经辨识器21和自适应神经滤波器22,所述三相pwm整流器电路1包括:电压型pwm整流器;
自适应神经辨识器21,用于基于电压型pwm整流器的开关控制信号,实时估算电网电压;
自适应神经滤波器22,用于滤除自适应神经辨识器21所估算的电网电压中的高次谐波,得到电网电压基波分量;
功率计算模块3,用于根据电网电压基波分量,输出瞬时有功功率和瞬时无功功率;
开关信号选择模块4,用于根据得到的电网电压基波分量、瞬时有功功率、瞬时无功功率和外环电压控制模块5输出的有功功率参考值,输出电压型pwm整流器的开关控制信号,所述开关控制信号用于控制电压型pwm整流器的开关动作,并作为反馈值输入自适应神经辨识器21。
本发明实施例所述的三相电压型pwm整流器直接功率控制装置,通过自适应神经网络虚拟磁链观测器中的自适应神经辨识器能够实时估计电网电压,省去了电压传感器的成本,并通过自适应神经滤波器能够滤除自适应神经辨识器所估算的电网电压中的高次谐波,提取电网电压的基波分量,降低非理想电网条件下直流母线侧电压波动,改善功率脉振,达到提高电力系统动态性能的目的。
图2为三相电压型pwm整流器直接功率控制装置的详细结构示意图,所述装置包括:三相pwm整流器电路、自适应神经网络虚拟磁链观测器、功率计算模块、外环电压控制模块和开关信号选择模块;其中,三相pwm整流器电路包括:电网电压eabc、网侧电感l及电阻r、电压型pwm整流器、储能电容c和负载rl;自适应神经网络虚拟磁链观测器包括:自适应神经辨识器和自适应神经滤波器,其中,自适应神经辨识器的输入为网侧电流iαβ(k)、直流侧电压udc和电压型pwm整流器的开关控制信号sabc,输出为估算的电网电压eαβ,ann(k);所述自适应神经滤波器输入为估算的电网电压eαβ,ann(k),输出为估算的电网电压的基波分量eαβ,est(k);功率计算模块输入为网侧电流iαβ(k)和估算的电网电压的基波分量eαβ,est(k),输出为瞬时有功功率p(k)和瞬时无功功率q(k);外环电压控制模块输入为直流侧电压udc、额定电压
为了更好地理解本发明实施例所述的三相电压型pwm整流器直接功率控制装置,对所述装置的工作流程进行说明,具体可以包括以下步骤:
a1,通过自适应线性神经网络虚拟磁链观测器估算电网电压基波分量。
如图3所示,图3为三相pwm整流器电路的拓扑结构图,所述三相pwm整流器电路包括:电网电压eabc、网侧电感l、电阻r、电压型pwm整流器(其中,电压型pwm整流器由多个绝缘栅双极型晶体管s组成)、储能电容c和负载rl,其中,电网电压eabc的三条线路分别依次串联网侧电感l及电阻r后,接入电压型pwm整流器,储能电容c和负载rl并联于电压型pwm整流器之后。
本实施例中,三相pwm整流器电路在三相静止对称坐标系下建立的数学模型为:
式(1)中,ea、eb、ec(合称:eabc)表示电网电压,l表示网侧电感,r表示电阻,ia、ib、ic(合称:iabc)为网侧电流,va、vb、vc(合称:vabc)为电压型pwm整流器的输入电压。
为方便计算,将式(1)经过abc/αβ变换得到三相pwm整流器电路在两相静止αβ坐标系下的数学模型为:
式(2)中,iα、iβ表示两相静止αβ坐标系下的网侧电流,eα、eβ表示两相静止αβ坐标系下的电网电压,vαn、vβn表示两相静止αβ坐标系下电压型pwm整流器的输入电压。
使用前向欧拉方法,离散式(2)可得式(3):
式(3)中,m、n都表示传递系数,
如图4所示,图4为自适应神经网络虚拟磁链观测器的控制框图,所述自适应神经网络虚拟磁链观测器包括:自适应神经辨识器和自适应神经滤波器。根据式(3),可以用一组输入/输出组合设计,通过自适应神经辨识器来实时估算电网电压(eα,ann、eβ,ann,合称eαβ,ann),所述自适应神经辨识器可以表示为:
式(4)中,k表示当前时刻,iα,est、iβ,est表示自适应神经辨识器输出的在两相静止αβ坐标系下的网侧电流,eα,ann、eβ,ann表示估算的电网电压。
本实施例中,eα,ann和eβ,ann同时也是自适应神经辨识器的权重,权重eα,ann、eβ,ann通过最速下降法自适应调整,学习规则1如下:
式(5)中,μ为学习率,0<μ<1;△eα,ann(k)、△eβ,ann(k)分别表示估算的电网电压eα,ann、eβ,ann在k时刻的增量。
本实施例中,为了消除非理想电网电压中高次谐波(高次谐波就是频率wn(n≥2)所对应的项,只要频率大于基波(n=1)的频率都叫高次谐波。)对系统的影响,还构造了自适应神经滤波器来提取电网电压eαβ,ann基波分量的时变幅值和相位。
本实施例中,构造自适应神经滤波器可以包括以下步骤:
首先,将eαβ,ann在离散时间进行分解:
式(6)中,eαβ,ann表示估算的电网电压,n表示谐波次数,wn表示n次谐波频率,en表示n次谐波的幅值,θn表示n次谐波的相位角。
然后,通过式(6),得到电网电压eαβ,ann的基波分量:
其中,eαβ,est表示估算的电网电压的基波分量,eα,est(k)、eβ,est(k)分别表示估算的电网电压eα,ann、eβ,ann的基波分量,w1表示基波频率,e1表示基波的幅值,θ1表示基波的相位角;
将式(7)用以下表达式描述:
式(8)可用矢量表示为:
eαβ,est=xy(k)(9)
式(9)中,x、y(k)表示矢量,
式(9)是一个可以由自适应神经滤波器(是一种自适应神经网络)学习的线性组合,其中自适应权重w=[wαβ1wαβ2]。矢量y(k)由cos(w1kts)、sin(w1kts)表示,cos(w1kts)、sin(w1kts)构成自适应神经滤波器的输入。在学习过程中,权重w被自适应地更新以朝向x收敛。使用最小均方差算法更新权重w,学习规则2如下:
式中,η表示学习率,0<η<2;ε是一个足够小的正值,其作用为当yt(k)y(k)=0时,避免被除数为0;λαβ表示估计误差,λαβ=eαβ,ann-eαβ,est,eαβ,ann表示估算的电网电压,
自此,自适应神经网络虚拟磁链观测器完成电网电压基波分量估算。
a2,通过功率计算模块确定瞬时有功功率和瞬时无功功率。
本实施例中,根据测得的网侧电流iαβ(k)和自适应神经网络虚拟磁链观测器估算的电网电压基波分量eαβ,est(k)可得网侧瞬时有功功率和瞬时无功功率:
a3,通过开关信号选择模块确定电压型pwm整流器的开关控制信号sabc,具体可以包括以下步骤:
a31,获取输入无功功率参考值qref(为保证功率因数为1,一般令qref=0)、外环电压控制模块输出的有功功率参考值pref,并将步骤a1、a2输出的eαβ,est(k)、p(k)、q(k)及获取的qref、pref作为开关信号选择模块的输入,输出:um、sp、sq;
本实施例中,um表示为:
其中,m表示sp、sq所在扇区的位置,电压型pwm整流器有6个二极管可以发出6个非零电压矢量,将空间平均分成六个,这六个电压滞后30度又可以重新将空间分成6个,将这两种分法相结合,即可将空间平均分成12份,即存在12个扇区。
sp、sq表示为:
式(13)中,hp为有功功率滞环比较器滞环宽度;hq为无功功率滞环比较器滞环宽度。
a32,在已知um、sp、sq的条件下,通过查询开关表得到电压型pwm整流器的开关控制信号sabc,根据所述开关控制信号控制电压型pwm整流器的开关动作,并将所述开关控制信号作为反馈值输入自适应神经辨识器,其中,所述开关表如表1所示。
表1开关表
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。