|
Research of Active Power Filter Based on Gray Predicting Control
摘要:为了有效地补偿非线性负载中的谐波电流, 针对数字化的APF系统，提出了基于灰色预测的APF预测控制方案,根据灰色系统理论的ＧＭ(1,1)模型，建立负载电流谐波的灰色预测模型，并将其应用于ＡＰＦ谐波补偿控制装置。结果表明，采用灰色预测控制能较好克服APF滞后对谐波补偿的影响，改善了系统的性能。
关 键 词: 灰色；预测；控制；滤波器；谐波 Abstract: Aimed at digital APF system’s feature, A novel predicting APF control method that is based on gray prediction was presented . depend on modelＧＭ(1,1), the model of harmonic current was established and it was used to compensate harmonic current in the nonlinear load effectively, a harmonic predicting model is established using gray system theory GM(1,1) model. Comparing the method in this paper with the popular non-forecast control method through simulation, the result shows that can improve the APF performance obviously.
Key words: Gray System; Prediction ; Controlling; Filter; Harmonics.
1引言
无源滤波器利用电容和电感谐振的特点来抑制特定频率的高次谐波分量和提高功率因数，体积大、滤波频率固定和会出现串/并联谐振等缺点，限制了它的广泛使用[1]；近十年来，有源电力滤波器(Active Power Filters)以其可补偿各次谐波，还可以抑制闪变、补偿无功，有一机多能的特点，引起人们的广泛重视，这一新型的谐波抑制装置有着广阔的发展应用前景。与无源滤波器相比，有源电力滤波器能够实现动态补偿，并具有体积小，不易发生谐振等优点[2]。
为了保证有源电力滤波器的工作性能，实时准确的检测出负载中的谐波分量，获取正确的谐波补偿信号至关重要。目前谐波电流检测的主要方法有基于瞬时无功功率理论、基于频域分析的快速傅里叶变换（FFT）和自适应[3,4]等方法,但这些方法涉及参数多，计算量大，过程复杂，尤其是对APF系统延迟问题。针对数字化的APF系统内部结构固有的延迟特点，运用灰色系统理论的ＧＭ(1,1)灰色预测模型，提出基于灰色预测的APF预测控制方案。
2.系统的实现
2.1APF系统的工作原理和数学模型
并联型有源滤波器电路原理图如图1所示，其中  分别为电网电源相电压和逆变器输出相电压，L为扼流电感，R为电感内阻及线路的等效电阻。设系统的三相平衡，系统可用单相来近似描述。电流  输出的补偿电流 由图1可得APF的数学模型 
在APF中,快速实时跟踪负荷中谐波电流的变化时，通常是当前时刻检测出负载的谐波电流和补偿电流，计算出下一时刻逆变器的补偿量，即给系统带来至少一个采样周期的延迟。此外，系统受电压、电流的采样、输入滤波器的相位滞后和参数计算所需的运算时间等的影响同样会给系统的控制带来时间的滞后。控制的时延将会直接影响系统的性能和稳定性。
设系统信号输入滤波器为一理想环节，对补偿范围内的谐波分量不带来相位滞后，通过选用高A/D转换器和数据处理器使系统的数据处理和控制信号的产生在功率开关器件一个开关周期内完成。即构成的离散控制系统，从信号的采样到形成PWM电压指令，并在下一个开关周期产生脉宽调制信号由逆变器输出，即最少延迟了约一个开关周期。系统电流环的结构图可写为
图2 系统结构框图
其中 分别为谐波检测环节、逆变器、电流比例调节器、延迟环节的传递函数。其中PWM逆变器的输出电压 在一个采样周期得平均值就是 。
2．2APF的灰色预测控制系统的实现
图3为APF灰色预测控制系统的结构框图，系统通过采样装置在k时刻对负载电流和APF输出补偿电流进行采集和整理；由灰色预测装置建模，得出k+1时刻负载谐波电流；由APF的模型、控制量和 ，预测出APF输出的电流在k+1时刻的值 ；确定控制量，使未来的输出  尽量接近目标.
2.2.1负载的谐波电流的预测
为了不断把新得到的数据考虑进去, 这就要求将每一个新得到的数据送入原始序列 中，重建GM(1,1), 重新预测, 我们把它称为新息模型。采用这种新息模型, 随着时间的推移, 新息越来越多, 存贮量不断扩大,运算量也不断增加, 这既不适合工业过程控制对实时性、快速性的要求, 而且老数据的信息意义会随时间的推移而降低, 甚至会淹没新信息。为了克服这一矛盾，在这里每补充一个新信息的同时去掉一个老信息，以便在滚动建模时维持原始序列数据个数n不变。
2.2.3 控制律的设计
取目标函数
3.系统的仿真
取系统的非线性负载采用三相不可控整流电路，系统的非线性负载电流和谐波电流波形如图6所示。取系统的采样频率 运算过程中的序列组元素个数n=5，采用GM(1,1)对系统谐波信号进行预测，系统的仿真结果如图4所示:
采用图2和图3系统控制后系统各部分电流波形分别如图4(a)、(b)所示。对比图4(a)和(b)可见，采用灰色预测控制能较好克服APF滞后对谐波补偿的影响，改善了系统的性能。
4. 结论
本研究取得以下创新点：
（1）提出了基于灰色预测的APF预测控制方案；
（2）应用灰色系统理论建立了负荷谐波电流的GM(1,1)预测模型,在第k步预报出第k+1步的谐波电流 ，在此基础上来实现补偿分量对负载谐波分量的无差拍跟踪。
（3）实现了灰色系统，完成了负载的谐波电流的预测、APF补偿电流的预测和控制律的设计。
本研究得出以下结论：
（1）目前谐波电流检测的主要方法有基于瞬时无功功率理论、基于频域分析的快速傅里叶变换（FFT）和自适应[3,4]等方法,但这些方法涉及参数多，计算量大，过程复杂，尤其是对APF系统有延迟问题。
（2）灰色预测需要的原始数据少, 计算量较小，方法简单。
（3）基于灰色系统模型的电力有源滤波器控制方法，利用灰色系统理论实现负载谐波的预测，并应用到有源滤波器中，来提高有源滤波器的动态补偿性能。
（4）采用灰色预测控制能较好克服APF滞后对谐波补偿的影响，改善了系统的性能。
参考文献
[1] 张东亮，宗永升，刘文远.基于改进的模糊神经学习算法的模糊规则优化[J].微计算机信息，2006.4—2：257-259.
[2] B. Singh, K. Al-Haddad. A review of active filters for power quality improvement[J]. IEEE Trans. on I.E., 1999, Vol. 46, No. 5, pp: 960-971.
[3] 张涛，须文波.基于遗传算法的网络计算资源调度策略[J]. 微计算机信息，2006.2—3：115-117. [4] Widrow B ,Sterns S D. Adaptive Signal Processing[M]. New Jersey ,USA ,Prentice Hall. Inc ,Eaglewood Cliffs ,1985.
[5] Huang Shiuh Jer, Huang Chien Lo. Control of an inverted pendulum using gray prediction model[J]. IEEE Trans. On Industrial Application,2000,36(2):452 -458..
[6].Lu Zhengyu Qian Zhaoming, TC. Green. A Predicted Control Scheme of Shunt Active Power Filter with Artifical Neural Network. Proceedings of the CSEE[J]. Vol.19 No.12. Dec. 1999.22-26.
[7].Zeng Lingquan, Liu Yaonian, Ma Hongru. Three phase active instantaneous current PWM controlle[J]r. Advanced Technology of Electrical Engineering and Energy. Vol.21, No.3 Jul. 2002. 13-16.Electrical Engineering and Energy. Vol.21, No.3 Jul. 2002. 13-16.
[8] H. Akagi. New trends in active filters for power conditioning. IEEE Trans[J]. on I.A., 1996, Vol. 32, No. 6, 1312-1322.
作者简介：徐超（1973—），汉，男，安徽泗县人，研究生，广东交通职业技术学院讲师，研究方向：电气工程与自动化 通信地址：广东交通职业技术学院 广东广州 510800 |
