基于神经元网络的动态电压恢复器控制策略的研究

作     者：张斌 

作者单位：河北工业大学 

学位级别：硕士

导师姓名：傅仲文

授予年度：2015年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主      题：电压跌落 三单相逆变桥结构DVR RBF神经元网络 梯度下降法 控制策略 

摘      要：随着工业化程度越来越高,具有高度智能化的用电设备和电力电子设备大量投入使用,这些设备对干扰较为敏感,对供电质量要求较高,同时这些非线性设备加剧了电能质量的恶化。在诸多电能质量问题中,电压跌落发生的概率最大,造成的损害也较为严重。动态电压恢复器(Dynamic Voltage Restorer,DVR)目前被公认为是解决电压跌落问题最有效、最具性价比的补偿装置。针对我国中低压电网采用三相四线制结构,不平衡情况较多,三单相逆变桥结构DVR可提供零序电压来解决不平衡问题。本文主要研究对象为三单相逆变桥结构DVR。快速、准确的对电网电压进行检测是DVR解决电压跌落问题的前提。本文讨论了几种常用的电压跌落检测方法,分析了各自的优缺点。对应用广泛的单相dq变换检测方法进行研究,并提出改进方法。仿真结果表明改进方法提高了跌落电压检测的速度。本文对三单相逆变桥结构DVR建立数学模型,在此基础上分析了前馈控制和反馈控制等传统线性控制策略的优缺点。针对DVR中的逆变单元是非线性器件,在复杂多变的工作环境中控制效果不佳,负载适应性差的缺点,在分析逆变器原理的基础上建立逆变器神经元网络模型,并将该模型应用于DVR控制中,提出一种基于径向基(RBF)神经元网络DVR控制策略。设计了RBF神经元网络控制器并采用梯度下降算法在线调整RBF网络参数,保证DVR能很好的补偿负载电压。最后,在Matlab/Simulink仿真环境下搭建DVR系统仿真模型,采用S-Function模块编程实现RBF网络运算。对DVR模型进行仿真分析,仿真结果验证了提出方案的可行性及有效性。