基于BP神经网络递推积分PI-重复控制在微电网APF中的研究

为改善有源滤波器(APF)在微电网运行中对谐波起到抑制作用及补偿电能质量的能力,提出了一种适用于微电网有源电力滤波器中的BP神经网络递推积分PI-重复控制策略。结合并联型APF拓扑结构,在传统PI控制算法基础之上引进BP神经网络算法及递推积分函数,根据跟踪误差变化趋向将PI控制参数进行实时、快速整定,进而满足最优化要求。并与重复控制进行并联,提高跟踪稳态误差能力,保证系统运行的稳定性。建立并联型APF仿真模型和实验装置,通过仿真对比验证了所提出的控制策略能够很好地提高响应速度和补偿精度,提高了有源电力滤波器的鲁棒性。     

基于ELM优化PI+重复控制策略在APF中的应用研究

针对传统有源电力滤波器(APF)难以适应非线性负载高电压大功率电网环境且PI参数调整缓慢的问题,基于模块化多电平换流器(MMC)的APF结构,提出一种采用极限学习机(ELM)优化电流内环PI+重复控制策略。构建基于5电平MMC拓扑结构的APF仿真模型及实验平台。仿真研究结果表明,优化后的控制策略所得负载电流THD较传统PI控制减少4.99个百分点,较PI+重复控制减少3.12个百分点。实验结果表明,补偿后的电流谐波含量较补偿前降低22.77个百分点,优化后的控制策略大大提高了系统的响应速度及补偿精度。