[发明专利]基于元认知模糊神经网络的有源电力滤波器滑模控制方法

说明书

本发明公开了一种基于元认知模糊神经网络的有源电力滤波器滑模控制方法，包括以下过程：S1，建立有源电力滤波器动力学方程，S2，设计控制律为：其中为利用元认知模糊神经网络逼近f(x)获得的估计值。本发明引入元认知方法对模糊神经网络结构进行在线调整，根据跟踪误差设计规则增加、参数更新和规则删减算法动态调整模糊神经网络结构，能够提高有源电力滤波器系统在存在参数摄动和外界干扰情况下的补偿电流跟踪性能和系统鲁棒性。

技术领域

本发明涉及有源电力滤波器控制技术领域，具体涉及一种基于元认知模糊神经网络的有源电力滤波器滑模控制方法。

背景技术

随着现代电力电子技术的大量推广和应用，各种功率电子设备越来越多，谐波、无功、不平衡等对电力系统产生了很大的影响，严重影响了供电品质，降低了发电设备、用电设备的工作性能和使用寿命，甚至危及电力系统的安全性。目前主要采用外加滤波器的方式进行治理，滤波器分为无源滤波器和有源滤波器两种。由于无源滤波器存在只能补偿特定谐波等缺陷，所以现在对电能问题的治理研究主要集中在有源滤波器。有源滤波器能对频率和幅值都变化的谐波进行跟踪补偿，不仅能补偿各次谐波，还可抑制闪变，补偿无功，同时滤波特性不受系统阻抗的影响，因此成为了广泛研究和关注的热点。

目前有将各种先进控制方法应用到有源电力滤波器的控制当中，典型的有自适应控制和滑模控制方法。这些先进方法一方面补偿了建模误差，另一方面实现了对有源电力滤波器的补偿电流跟踪控制。但自适应控制对外界扰动的鲁棒性很低，易使系统变得不稳定。

由此可见，上述现有的有源电力滤波器在使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。为了解决现有的有源电力滤波器在使用上存在的问题，相关厂商莫不费尽心思来谋求解决之道，但长久以来一直未见适用的设计被发展完成。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种基于元认知模糊神经网络的有源电力滤波器滑模控制方法，能够提高有源电力滤波器系统在存在参数摄动和外界干扰情况下的补偿电流跟踪性能和系统鲁棒性。

为解决上述技术问题，本发明提供了一种基于元认知模糊神经网络的有源电力滤波器滑模控制方法，其特征是，包括以下过程：

S1，建立有源电力滤波器动力学方程为：

其中，x为i₁、i₂或i₃，f(x)为或B为或h_k为有界的集总不确定，u表示控制律，v₁,v₂,v₃为公共连接点处电压，i₁,i₂,i₃为滤波器输出补偿电流，v_dc为直流侧电容电压，L_c为交流侧电感，R_c为交流侧等效电阻；L_c1、R_c1分别为系统参数L_c、R_c的标称值；

S2，建立滑模控制器，设计控制律，以控制有源电力滤波器；

滑模面设计为：

设指令电流为y_d，则误差为

e＝x-y_d (15)

其中，C_s是正常数；

设计控制律为：

其中，为未知部分f(x)的估计值，K为正常数，sgn(S)为符号函数，

为利用元认知模糊神经网络逼近f(x)获得的估计值，为实时权值，为规则层的输出，T表示转置。