基于MATLAB的模糊神经网络高压直流输电换流控制器的研究概要.docx
- 文档编号:10067622
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:16
- 大小:187.92KB
基于MATLAB的模糊神经网络高压直流输电换流控制器的研究概要.docx
《基于MATLAB的模糊神经网络高压直流输电换流控制器的研究概要.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的模糊神经网络高压直流输电换流控制器的研究概要.docx(16页珍藏版)》请在冰点文库上搜索。
基于MATLAB的模糊神经网络高压直流输电换流控制器的研究概要
文章编号:
10072290X(20060420005206
基于MATLAB的模糊神经网络高压直流输电
换流控制器的研究
都洪基1,孔慧超2,李启亮2,田辉3
(11南京理工大学动力工程学院,南京210094;21广东电网公司东莞供电局,广东东莞523008;31南京市供电公司,南京210037
摘要:
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∃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。
关键词:
模糊逻辑控制;人工神经网络控制;高压直流输电系统;MATLAB软件;换流控制器
中图分类号:
TP27314文献标识码:
A
StudyofHVDCfuzzyneuralconvertercontrollerbasedonMATLAB
DUHong2ji1,KONGHui2chao2,LIQi2liang2,TIANHui3
(1.Col.ofPowerEngineering,NanjingUniv.ofScienceandTechnology,Nanjing210094,China;2.DongguanPowerSupplyBureau,GuangdongPowerGridCorp.,Dongguan,Guangdong523008,China;3.NanjingPowerSupplyCo.,Nanjing210037,China
Abstract:
Basedonthestudyoffuzzylogiccontroltechnology,neuralnetworktechniqueandhigh2voltagedirect2current(HVDCtransmissionsystem,itisexplainedtheoreticallythattheadoptionoffuzzyneuralnetworkcontrolonbothsidesofconverterscaneffectivelyadvancethedynamicbehaviorandsteadinessofAC/DCsystem.TherectifierandtheinvertercorrespondinglyselectthecurrentandvoltageerroroftheDClinenearbytheirconverterandtherateofchangeasinputsignaloffuzzycontrol,theoutputoffuzzypartasoneoftheinputsignalsofneuralnetwork,soastocontrolcurrentandvoltagerespectively.TheMATLAB2basedsimulationforatypicalHVDC122pulsebridgetransmissionsystemiscarriedoutbytraditionalcontrolmethodandfuzzyneuralcontrolmethodrespectively.Thesimulationresultsshowthatcomparedwithtraditionalcontrolmethod,incaseofgroundingfaultsonDClinesorsingle2phaseAClines,fuzzyneuralcontrolcanimprovethesteadinessofDCcurrentandvoltageintheconvertersubstationaswellasthetransientstabilityofAC/DCsystem.Thesimulationresultsalsoshowthattheeffectoffuzzylogiccontrolonbothsidesofconvertersisbetterthanthatonsingleside.
Keywords:
fuzzylogiccontrol;artificialneuralnetwork(ANNcontrol;high2voltagedirect2current(HVDCtransmissionsystem;MATLABsoftware;convertercontroller
先进的整流控制器和逆变控制器的综合控制在系统受到大的干扰时可更好地保持直流系统的暂态恒定性,并改善与直流系统相连的交流系统的暂态稳定性,更好地发挥直流控制方法对提高交直流系统暂态稳定性的积极作用[1]。
本文设计的基于模糊神经网络的整流侧和逆变侧控制器分别选取整流侧直流线路电流误差ΔI
dr
及
第19卷第4期广东电力Vol119No14 2006年4月GUANGDONGELECTRICPOWERApr12006
收稿日期:
2005212214
其变化率ΔI・
dr和逆变侧直流电压误差ΔUdi及其变化率ΔU・
di作为各自模糊逻辑控制器的输入,模糊逻辑控制器的输出结果作为神经网络控制器的输入,结合具有阻尼项的权值调整算法以及变步长算法的BP算法训练神经网络,各自神经网络的输出用来分别修正整流器的触发延迟角αr和逆变器的触发延迟角αi。
1 模糊神经网络直流控制器
模糊神经换流控制器分为3部分:
模糊逻辑控制部分、神经网络控制部分以及非故障和故障判断部分,其结构如图1所示。
其中,Idref为整流侧直流电流的整定值,Iref为整流侧神经网络控制输入参考值;Udin为逆变侧直流电压的整定值,Uref为逆变侧神经网络控制输入参考值
。
图1基于模糊神经网络的换流控制器
111 模糊逻辑控制部分
本文参考文献[2-4],并与直流系统的实际运行、控制特性相结合,设计了相应的模糊控制方案。
模糊逻辑控制包括4部分:
模糊化、模糊推理、去模糊和知识库,如图2所示
。
图2模糊逻辑控制器的结构图
分别以整流侧直流线路电流误差及其变化率、逆变侧直流电压误差及其变化率为输入量,具体表达式为
ΔIdr(nT=Idr(nT-Idref,ΔI・
dr(nT=
1
T
ΔIdr(nT-ΔIdr(nT-T,
ΔUdi(nT=Udi(nT-Udin,ΔU・
di(nT=
1
T
ΔUdi(nT-ΔUdi(nT-T
(1
式中:
T———采样周期;
n———正整数;Idr(nT———整流侧直流线路电流; Idref———整流侧直流线路电流整定值;Udi(nT———逆变侧直流电压; Udin———逆变侧直流电压整定值。
首先经过模糊化过程,将ΔIdr和ΔI・
dr,ΔUdi和ΔU・
di转化为模糊论域上的值。
偏差采用了2个输入语言变量对输入量进行模糊化,即输入为正和负;偏差率ΔI・
dr的2个输入语言变量为Irp和Irn,ΔU・
di的2个输入语言变量为Urp和Urn;模糊输出控制量采用3个输出语言变量,即输出正、负和零即可达到控制要求。
ΔIdr,ΔI・
dr和控制输出Δi的模糊隶属度函数如图
3所示,ΔUdi,ΔU・
di和控制输出Δu的
模糊隶属度函数与图3相似。
图3
整流模糊控制器输入输出的隶属度函数
根据专家、运行人员的经验以及文献[4-6]
的研究结果,采用以下模糊控制规则:
a规则1,如果偏差为正并且偏差率为Irp(Urp,则输出为输出正;
b规则2,如果偏差为负并且偏差率为Irp(Urp,则输出为输出零;
c规则3,如果偏差为正并且偏差率为Irn
(Urn,则输出为输出零;d规则4,如果偏差为负并且偏差率为Irn
(Urn,则输出为输出负。
模糊控制器的推理及去模糊的方法有很多种。
6
广东电力第19卷
本文采用模糊“与”运算和中心平均解模糊器。
规则2和规则3有相同的输出模糊集,整流侧选择Lukasiewicz“或”对其输出进行计算,逆变侧选择Zadeh“或”对其输出进行计算。
得到:
当k2r|ΔI・
dr|≤k1r|ΔIdr|≤Lr时, ΔI=015k3rLr(k2rΔI・
dr+k1rΔIdr
2Lr-k1r|ΔIdr|
1
(2
当k1r|ΔIdr|≤k2r|ΔI・
dr|≤Lr时,
ΔI=015k3rLr(k2rΔI・
dr+k1rΔIdr
2Lr-k2r|ΔI・dr|
1(3
当k2i|ΔU・
di|≤k1i|ΔUdi|≤Li时,
ΔU=k3iLi(k2iΔU・
di+k1iΔUdi
3Li-k1i|ΔUdi|
1(4
当k1i|ΔU・
di|≤k2i|ΔU・
di|≤Li时,
ΔU=k3iLi(k2iΔU・
di+k1iΔUdi
3Li-k2i|ΔU・
di|
1(5
由此可见,ΔI是ΔIdr和ΔI・
dr的非线性函数,ΔU是ΔUdi和ΔU・
di的非线性函数。
112 神经网络控制部分11211 控制结构 神经网络控制器采用BP神经网络,如图4所示。
本文设计神经网络控制器时分为非故障和故障神经网络控制器,控制器的起动判断条件是整流侧和逆变侧直流线路上的电流、电压误差以及变化率。
仿真实验表明,3层的神经网络能达到比较好的效果。
非故障和故障控制器结构一致,训练的时候使用对应不同的学习样本。
输入层和隐含层的激励函数都采用对称S型传递函数,输出层采用线性传递函数。
有关参数定义如下:
wij为神经元之间的连接权;ni为神经元的加权输入(整流侧i=1,2,…,16;逆变侧i=1,2,…,31。
ni=
∑w
ij
xj,其中xj为上一层神经元
的输出Oj,即为本层加权输入,xj=Oj。
Δαr为整流侧神经网络控制器的输出,Δ
αr=O16,Δαi为逆变侧神经网络控制器的输出,Δαi=O31。
11212 算法推导
图4神经网络控制器结构图
在直流系统中从整流器流向逆变器的直流电流Idr与触发延迟角αr的关系为
[2]
Idr(αr=Udrocosαr-Udiocosγ
Rcr+RL-Rci
1
(6逆变侧直流电压Udi与触发延迟角αi的关系为Udi(αi=
-(Rcr+RLUdrocos(
αi+μ-RciUdrocosαrRcr+RL-Rci
.
(7
式中:
Udro———整流器的理想空载直流电压;
Udio———逆变器的理想空载直流电压;
αr———整流器的触发延迟角,αr=αr0+Δ
αr,αr0为初始触发延迟角,αr0=15°;αi———逆变器的触发延迟角,αi=αi0+Δαi,αi0为初始触发延迟角,αi0=90°; γ———逆变器的熄弧超前角; μ———叠弧角;
RL———直流线路的等值阻抗;Rcr———整流器的等值阻抗;Rci———逆变器的等值阻抗。
把实际的神经网络控制器的输出变量和输出样
本代入下式得网络的总目标函数J(在线学习误差性能指标,即:
J(t=
∑
p
Ep(t=015k
∑p
[Irefp-Idrp(t]2
1(87
第4期都洪基等:
基于MATLAB的模糊神经网络高压直流输电换流控制器的研究
J(t=
∑
p
Ep(t=015k
∑
p
[Urefp-Udip(t]2
1(9 下面根据反向传播算法推导实际高压直流输电
系统的权值修正公式[6]
。
wij(t+1=wij(t-η9J(t
9wij(t
=wij(t-η∑p9Ep(t9wij(t
=wij(t+Δwij(t+11(10a隐含层和输出层之间的权值修正公式。
整流侧:
Δwij(t+1=-η
t
λ1∑p
k(Irefp-Idrpf′
(n16xjp+βΔwij(t(i=16;j=1,2,…,101(11逆变侧:
Δwij(t+1=-ηt
l1
∑p
k(Urefp-Udrpf′
(n31xjp+βΔwij(t(i=31;j=1,2,…,201(12式中:
wij(t———经t次调整后的权值;
η———学习算子;β———阻尼系数,或称为平滑因子,0<β<1;
λ———比例系数,λ=Udrosinαr
Rcr+RL-Rci
;
l———比例系数,l=(Rcr+RLUdrosinαi
Rcr+RL-Rci
。
b输入层至隐含层之间的权值修正公式。
整流侧:
Δwij(t+1=-η
t
λ1∑p
k(Irefp-Idrpf′
(n16xjpf′
(nipw16,ip+βΔwij(t (i=1,2,…,10;j=11,12,…,151
(13逆变侧:
Δwij(t+1=-ηt
l1
∑p
k(Urefp-Udipf′
(n31xjpf′
(nipw31,ip+βΔwij(t (i=1,2,…,20;j=21,22,…,301
(14c输入至输入层之间的权值修正公式。
整流侧:
Δwij(t+1=-η
t
λ1∑p
{f′(nipxip∑m1
[k(Irefp-Idip
f′
(nm1f′(n16w16,m1wm1i]}+βΔwij(t(i=11,12,…,15;j=17,181(15
逆变侧:
Δwij(t+1=-ηt
l
1
∑p
{f′
(nip
xip
∑m1
[k(U
refp
-Udrp
f′
(nm1f′(n31w31,m1wm1i]}+βΔwij(t(i=21,22,…,30;j=32,331
(16
11213 控制步骤
综合上述推导的公式,下面设计神经网络
HVDC整流控制器控制具体的步骤:
a输入Iref和ΔI、Uref和ΔU,赋予wij,η,β及误差性能指标ε初值;
b计算输入层和隐含层的加权输入与输出;
c计算输出层的加权输入与输出,计算直流电流值Idr和直流电压Udi以及误差函数E;
d分别按照式(13和(14、式(15和(16、式(10修正输入至输入层、输入层至隐含层之间的权值;
e重新计算隐含层的输出,计算输出层的加权输入与输出;
f分别按照式(11和(12、式(10修正隐含层与输出层之间的权值;
g判断是否满足条件,若满足E<ε,转至步骤h,否则转至步骤b;
h计算控制目标Δαr和Δαi,将输出结果αr和αi输入到直流系统中。
113 非故障故障判断
根据HVDC系统的实际运行情况,系统分为非故障运行以及故障运行,故障开始后电流、电压误差的绝对值突然增大,误差变化率绝对值比稳态运行时要大得多。
根据这一特点,设计神经网络控制器时分为非故障和故障神经网络控制器,控制器的起动判断条件是直流线路上的电流或电压误差以及变化率。
非故障情况下,非故障神经网络运行,交流单相接地故障时使整流器运行于定熄弧角状态,即αr=5°,提高传输线路的直流电流值;而直流线路接地故障时,故障神经网络运行。
这样可以用较少的神经元和隐含层达到所需精度要求。
控制器结构简单清晰,运行效率得到很大的提高。
流程如图5所示。
2 仿真分析
本文采用典型12脉冲桥HVDC系统做仿真分
析。
整流器和逆变器均采用2个6脉冲桥串联而成的12脉冲桥结构,换流器间连接015H平波电抗器和500kV直流架空线路(长300km。
整流侧交流源是短路容量为5000MVA的500kV电力网络
8
广东电力第19卷
图5
神经网络非故障故障控制器判断流程图
(频率为60Hz;逆变侧则连接10000MVA的345kV交流网络(频率为50Hz。
换流器所需的无功
功率由1组滤波器提供,整流侧和逆变侧容量各为
600Mvar。
整流侧直流线路对地故障时间设置为[0150s,0151s],交流母线单相对地故障时间设置为[0150s0152s],整个仿真时间为1s。
测量的值有直流两侧的电压、电流、控制角、故障电流和有功功率。
图6给出了带直流线路接地故障时的直流系统仿真结果,图6中“1”表示两侧都在传统控制方式下的响应;“2”表示整流侧是模糊神经网络控制而逆变侧是传统控制下的响应;“3”表示整流侧是传统方式而逆变侧是模糊神经控制下的响应;“4”表示两侧都为模糊神经网络控制下的响应。
而图7给出了带有交流线路单相对地故障的动态响应,图7中“1J”,“2J”,“3J”
和“4J”跟图6中的“1”,“2”,“3”和“4
”对应。
图6带直流线路接地故障时的直流系统仿真结果
9
第4期都洪基等:
基于MATLAB的模糊神经网络高压直流输电换流控制器的研究
10广东电力第19卷 图7带交流线路单相接地故障时的直流系统仿真结果 整流单侧采用模糊神经网络控制器时,由图6和图7可见,直流线路上电压和电流达到稳态所需的响应时间比两侧都采用PI控制要快,约为PI控制时间的1/4。
这是由于在电流和电压都达到1(p1u1后,在模糊神经控制器的制约下,控制角不做大幅度的变化,而PI控制的角度在达到谷底才能逐渐上升至稳定状态。
但由于快速的电流响应,直流电流在初始状态的超调量比较大,但直流电压仍然具有很小的振荡时间和超调量等优点。
逆变单侧采用模糊神经网络控制器时,直流线路上电压和电流达到稳态所需的响应时间比两侧都采用PI控制要快,约为PI控制时间的1/3。
电流响应时间较PI控制要快,但较整流侧采用模糊神经要慢一点,这样直流电流在初始状态没有超调量,很平稳地达到额定值,直流电压有很小的振荡时间和超调量等优点。
整流侧和逆变侧都采用模糊神经网络控制时,两者协调控制的结果使直流电压和电流同时具有两侧都采用模糊神经控制的优点,很好地保持了恒定性,响应速度只为传统控制的1/8左右,初始状态电流不存在振荡现象,电压振荡值很小,振荡时间也很短,有功功率也很恒定。
故障判断设置在整流侧,不管整流侧直流线路还是交流母线发生接地故障时,模糊神经网络控制器都比PI调节器具有更高的响应准确率和更快的响应速度。
即当线路发生故障时,故障线路的恢复时间缩短,振荡振幅减小。
直流线路接地故障时,整流器运行于逆变器状态,线路上的有功功率能迅速减少,而故障恢复后,直流线路能传输更多的有功功率,弥补了系统(下转第27页©1994-2008ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.
4期第崔秀玉:
直流输电系统对通信干扰的分析及措施274 干扰判据本文考虑的无线电干扰的频率范围是0115~30MHz,主要影响调幅中短波无线电信号和不定也要对阀厅的门、通风口等进行屏蔽。
如果需要使沿线路发出的无线电干扰衰减,则可在交流和直流侧出线上安装高频扼流圈(陷波器。
b高压直流站由电晕引起的不可接受的强干扰,可以通过降低承载高电压的导线和装置的表面场强来降低,这主要通过增加导线直径或使用导线束及多股导管来实现。
c高压直流线路由电晕引起的非常强的干扰也需要通过降低导体场强的方法来降低。
为此,可通过修改电缆敷设方法、在双极线路中增加导体间的距离以及增加线路对地高度来实现。
工程实践证明,通过采取了上述抑制无线电干扰的措施,有效降低了对周边通信系统的干扰,满足了环境保护的要求。
参考文献:
[1]赵畹君1高压直流输电工程技术[M]1北京:
中国电力出版[2]王官洁,任震1高压直流输电[M]1重庆:
重庆大学出版向航空无线电信号,而调频超短波无线电信号和微波通信联系信号受影响较轻。
根据IEC标准和国家有关法规,为避免干扰无线电接收,在居住区和公共交通路线的干扰场强应不超过一定的限值,通常的单位规定为μV/m。
此值在不同地区变化很大,并取决于发射机的输入信号强度。
对于通信线路,不应超过规定的信∃噪比。
为避免规范多种干扰限值时的困难,对于高压直流系统发出的所有无线电干扰,IEC提出了典型限值100μV/m,在基准线之外,不得超过此限值。
5 在工程设计中采取的措施针对直流输电设备产生的电磁干扰,在南方电网天广直流和贵广直流工程的设计中,采取了以下抑制措施:
a由于换流阀通常安置于阀厅内,阀开通和熄弧过程产生的高频干扰可通过阀厅屏蔽进行有效的抑制。
阀侧绕组的变压器套管伸入到阀厅内时,应对阀厅开口进行屏蔽,使高频波不能通过。
同样作者简介:
崔秀玉(1973-,女,河北唐山人,通信工程师,工学学士,从事电力通信的运行和设计工作,(电子信箱cuixiuy
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 MATLAB 模糊 神经网络 高压 直流 输电 换流 控制器 研究 概要