神经网络在逆变器控制中的应用

针对传统的基于最优消谐波理论的开关点预置逆变器存在开关角固定只能保证局部工作点有最小总谐波含量(THD)及逆变器环节输出电压不可调的缺点,应用了一种新的神经网络控制器.当系统工作时,由在线神经网络实时调节逆变器输出电压的大小;同时各功率管的开关角由另一个神经网络通过对最优脉宽调制(PWM)最优开关角的拟合,直接计算出来,保证在整个参数变化范围内均工作在最优的开关角状态.整个控制系统具有结构简单、反应灵敏、调压精确、输出电能质量高且全数字化的特点.     

多通道逆变器的空间矢量调制调压技术研究

多通道逆变器(阶梯波合成逆变器)是一种适合于大功率应用的逆变技术，但传统的多通道逆变器不能调节输出电压。将SVPWM(空间矢量脉宽调制)调制技术应用于多通道逆变器，可以实现输出电压的调节。以4通道逆变器为例，分析了不对称SVPWM方案的基本原理和性能，给出了最优的开关频率和采样偏移角。采用不对称SVPWM方案，给出了2通道、4通道和6通道逆变器的仿真结果，以4通道逆变器样机进行实验，给出实验波形，验证了该方案的可行性，可以实现在低开关频率下得到良好的输出电压波形。     

基于DSP的双极性双调制波高频链逆变器实现

研究了电压型高频链逆变器的拓扑及控制方式。选用了全桥全波式高频链逆变器作为主电路,采用双极性双调制波控制方案解决双向电压型高频链逆变器的固有电压过冲问题。理论分析了电路拓扑和控制策略的合理性和变换器开关器件实现软开关的可行性。设计了基于双极性双调制波控制的软件程序及数字PI控制器算法的TMS320F2812的闭环控制系统。实验结果表明,高频逆变桥开关管实现了ZVS开通,周波变换器开关管实现了ZCS关断,高频链逆变器输出高质量的正弦波电压,证明了基于DSP控制的双极性双调制波控制模式的高频链逆变器可行性。     

优化开关模式在高频SVPWM逆变器中的应用

针对数字化高频SVPWM逆变器的特殊要求，提出了两种适用于高频SVPWM算法的优化开关模式，分别采用纯软件方法和软件结合DSP内部空间矢量。PWM集成硬件的混合方法，应用于一高频SVPWM逆变器样机。该样机采用TMS320LF2407A构成的最小控制系统，可输出0～1kHz连续可调的三相交流电。     

基于DSP的光伏逆变器并网控制系统设计

在此设计了基于数字信号处理器(DSP)的光伏并网逆变器并网控制系统,通过检测逆变器输出侧和网侧电压、电流相位差,并通过DSP程序实现空间矢量脉宽调制(SVPWM)算法作为功率因数校正器来控制并网。搭建了基于TMS320F28335型DSP为控制器的实验平台,实验结果验证了所设计方法的有效性。     

基于最优开关角的逆变器谐波优化研究

为了更好地抑制谐波和提高输出电压波形质量,在对逆变器进行深入分析与研究的基础上,提出一种新型最优开关角调制方法应用于SPWM逆变器。该方法仅对调制脉冲波的起点进行优化,而脉冲宽度依然随着正弦规律变化,在建立优化数学模型时加入滤波环节模型,目标是使滤波输出电压波形的THD最小,同时基于实际非理想情况考虑系统对开关角的灵敏度。在多个约束条件下求解非线性超越方程的最优解,并在不同开关频率、调制度和负载阻值下与一般SPWM调制方法对比优化效果,找到优化效果的最佳条件。最后,通过仿真和硬件实验验证所提方法的正确性。     

三相逆变器不平衡抑制研究

三相逆变器的一个重要性能是输出电压的对称性，输出电压不对称主要由不平衡负载引起，文中基于对称分量法和叠加原理分析了输出基波电压对称性畸变机理，指出了输出电压正、负、零序分量不同的补偿特性，表明输出电压对称性控制不仅与控制器性能有关，还取决于逆变器电路结构的固有特性，并提出了改善逆变器输出对称性的方法。仿真和基于DSP控制的35kW逆变器样机实验均验证了理论分析结论。     

一种二极管箝位型多电平逆变器控制方法研究及DSP实现

为改善高频应用中二极管箝位型多电平逆变器的输出电压波形质量,基于阶梯波PWM法原理,利用波形合成理论,分析了逆变器实现谐波控制的工作方法。通过控制开关器件的导通时间,实现了逆变器输出电压低次谐波的消除及输出电压基波幅值的调节。设计了基于数字信号处理器DSP的逆变器数字化控制方案,并给出了实验结果。     

用于绕线机的一种简易型逆变器的研制

介绍一种简易型绕线机调速逆变器，此逆变器采用最优ＰＷＭ输出电压，实现异步机圆形磁链轨迹。为了选择最优逆变输出电压矢量，设置了一个电压开关模量表格。实验结果证实此逆变器具有较好的性能。     

DC 110V/AC 220V单相逆变器的研制

针对电压单环SPWM单相逆变器在非线性负载条件下的响应较慢,以及在大功率条件下开关频率不宜过高等问题,采用电压外环、电流内环的控制算法,结合单极性倍频SPWM调制方式,使逆变器动态响应明显提高,并且利用较低开关频率,得到畸变率低的输出电压波形。基于DSP数字技术,对电源系统实现前级Boost方式的DC/DC变换、后级SPWM方式的DC/AC逆变。研制了一台10 k W的车载单相逆变器工程样机,实验结果表明,整个控制系统稳定可靠,电气性能满足技术要求。     

逆变电源的双重学习控制技术研究

为了提高逆变电源的输出电压波形质量,提出了一种基于迭代学习补偿和神经网络学习自整定PID参数的双重学习控制方案,分别用于改善稳态时输出正弦电压波形的质量和提高系统处于振荡或过冲时的动态性能.采用TMS320LF2407AG型DSP芯片在一台3.5 kW PWM逆变电源上验证了该双重学习控制方案.实验结果表明,采用提出的控制方案不仅能在稳态时获得谐波畸变率(THD)低的输出电压波形,而且能在负载突变时获得较好的动态响应.     

基于RBF神经网络的电压外环滑模控制的Vienna整流器

以Vienna整流器为研究对象,针对其传统电压外环滑模变结构控制不变性和对系统参数扰动敏感的问题,分析了以逼近率为基础的滑模变结构控制算法,提出了一种基于RBF神经网络的自适应电压外环滑模控制算法。该控制算法通过将RBF神经网络与滑模控制算法有效结合,同时将中点电位平衡控制加入到RBF神经网络自适应电压外环滑模控制算法的设计中,使用RBF神经网络对电压外环非线性系统进行自适应逼近,能够有效降低切换增益,削弱抖振,增强系统的抗干扰能力。最后,通过仿真分析与实验测试验证所提控制算法的有效性。将所提出的控制算法与传统滑模控制算法、PI控制算法进行比较,结果表明采用这种电压外环控制算法能够对直流输出电压目标值进行快速跟踪,平衡中点电位,改善了系统的动静态性能,提升了其抗干扰能力。     

Online voltage stability assessment of load centers by using neural networks

This paper presents a neural network based method for evaluating online voltage stability conditions for a selected load center of an electric power system. Starting with a dynamic model of the system, a suitable index is defined to evaluate the proximity of the power network to voltage collapse. Then, a three-layer feedforward neural network is trained to give, as output to a prespecified set of inputs, the expected value of the voltage stability index. For this purpose, two different neural network architectures are proposed. The error back-propagation algorithm is used in this paper to train the chosen neural network structure. Moreover, it is shown that a good estimate of the real power margin of the selected load center can also be obtained using the value of the output of the designed neural network. To demonstrate the effectiveness of the proposed neural network based approach for voltage stability monitoring, a sample power system is considered. Test results show that neural networks can yield, in real time, an accurate assessment of voltage stability conditions.     

一种基于径向基神经网络的PLL控制研究

电网并网时需要控制电流与电网电压同相位.介绍了一种基于人工神经网络的用于相位跟踪的PLL控制方法,即把RBF网络的算法加入锁相环中.具体是将电网电压作为期望输出值,将输入电流作为训练样本,通过神经网络的自我学习,逐步减小样本输出与期望输出之间的误差,实现对期望输出的同步和跟踪.用MALAB电力系统仿真工具箱进行了数字动态仿真,并从仿真结果可以看出,系统跟踪性能很好,并且有较强的自适应能力.     

基于RBF神经网络的无刷直流电动机速度无关控制法

为提高无刷直流电动机无位置传感器控制精度,提出了一种基于RBF神经网络的无刷直流电动机速度无关控制新策略。该策略主要包含两个部分:一方面,利用RBF神经网络的自适应、非线性控制等优良性能,结合电机运行状态,修正神经元之间的连接权值,从而可以克服由于无刷直流电动机系统的非线性和部分参数不确定性造成精度下降的负面影响。另一方面,神经网络的输出经过滤波处理后,采用速度无关位置函数法(函数法)输出电机换相信号。该方法在转子转速由近零到高速变化的过程中,都能够对转子位置进行检测并给出换相时刻。仿真和实验表明,该策略具有优良的控制性能。     

基于MATLAB的模糊神经网络高压直流输电换流控制器的研究

在研究模糊逻辑控制技术、神经网络技术和高压直流输电（HVDC）系统的基础上，从原理上说明，对换流器两侧都采用模糊神经网络控制能有效地提高交流一直流（AC/DC）系统的动态特性和恒定性。整流侧和逆变侧分别提取直流线路电流、电压误差及其变化率作为模糊控制器的输入，输出作为神经网络的输入，分别控制电流和电压。用MATLAB对一典型12脉冲桥高压直流输电系统在传统控制和模糊神经控制下分别进行仿真。结果表明。与传统控制方法相比，当直流线路或者单相交流线路发生接地故障时。模糊神经控制能改善换流站直流电流和直流电压的恒定性，而且提高了交直流系统的暂态稳定性，并且双侧模糊逻辑控制要比单侧模糊逻辑控制效果好。     

数据驱动的无精确建模含源配电网无功运行优化

分布式光伏的接入使得配电网无功电压运行控制需求及解决措施与传统配电网差异较大。针对配电网测量设备安装不全、网架参数难以准确获取,无法进行精确数学建模的问题,提出了无精确建模的含分布式光伏的配电网电压优化控制模型。以节点电压合格为优化目标,使用高速公路神经网络拟合网架节点注入功率与关键节点电压之间的映射关系;考虑分布式光伏的出力约束,进而采用定向寻优策略和反馈机制对优化模型进行求解;通过改变分布式电源逆变器出力来控制电网电压,实现全局系统电压控制。以不同规模的配电网实际数据为例,验证了所提优化运行控制模型的有效性。对比分析了采用普通神经网络和高速公路神经网络的电压拟合精度及收敛速度,证明高速公路神经网络应用于解决无精确建模的多节点含源配电网无功运行问题,可以实现拟合精度和拟合速度的双重优化。     

基于云神经网络自适应逆系统的电力系统负荷频率控制

针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动的问题,提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势,进一步提高神经网络的辨识能力。仿真结果表明,所设计的云神经网络自适应逆系统不仅可以得到好的动态响应,还可以使风电及负荷引起的扰动减小到最小。     

面向不平衡电网的并网逆变器基于BP神经网络的多目标协调优化策略

为了提高并网逆变器在电网电压不平衡条件下的输出电能质量,提出一种基于BP神经网络自适应调整电流指令值,实现并网逆变器多种控制目标协调的优化策略。首先,利用自适应降阶广义积分器实现电网电压正负序的准确提取,提高控制系统的鲁棒性;然后根据单控制目标计算所得的并网电流指令值,建立一个通过改变控制参数即可实现不同控制目标的电流表达式,再结合BP神经网络对电流表达式参数进行优化,实现多种控制目标之间的协调,提高输出电能质量。最后在Matlab/Simulink中进行仿真验证,仿真结果表明了所提控制策略的正确性和有效性。     

无刷直流电动机控制系统故障观测器的设计

建立了无刷直流电动机双闭环控制系统的数学模型。利用控制系统的数学模型和神经网络的非线性学习能力,设计了一种无刷直流电动机控制系统的故障观测器。仿真结果表明:该神经网络故障观测器输出曲线平滑,无噪声干扰,观测器与控制系统输出的误差小,神经网络故障观测器能非常迅速、准确地估计系统的实际输出。