基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用.pdfVIP

第 35 卷 第 6 期 电 网 技 术 Vol. 35 No. 6 2011 年 6 月 Power System Technology Jun. 2011 文章编号：1000-3673 （2011 ）06-0065-06 中图分类号：TM 76 文献标志码：A 学科代码：470·4051 基于神经网络学习算法和粒子群算法的改进 PID 控制在高压静止无功补偿器中的应用 杨晓峰，罗安，彭楚武，吴敬兵，杨翠翠，马伏军，常亮亮 （湖南大学电气与信息工程学院，湖南省 长沙市 410082 ） Application of an Improved PID Control Based on Neural Network Learning Algorithm and Particle Swarm Optimization in High Voltage Static VAR Compensators YANG Xiaofeng, LUO An, PENG Chuwu, WU Jingbing, YANG Cuicui, MA Fujun, CHANG Liangliang (College of Electrical and Information Engineering, Hunan University, Changsha 410082, Hunan Province, China) ABSTRACT: To remedy the defect of traditional proportional (static var compensator, SVC)在动态电压支撑和无 integral differential (PID) controller that it is difficult for the 功补偿方面发挥了重要的作用，主要用于补偿供电 controller to trace the set value changeably and suppress the 网络的无功、改善不平衡度、抑制电压闪变等方面。 disturbances, it is proposed to add a second-order differential 由于其耐压等级高、补偿效果好，因此在电力系统 controlling unit in traditional PID controller to implement stable control of voltage at point of common coupling (PCC) in high 网络中得到了广泛的应用[1-4] 。 voltage static var compensator (SVC). Parameters of the 性能良好的控制器对于 SVC 功能的实现至关 improved controller are optimized by improved neural network 重要。传统 PID 控制器结构简单、易于实现，在电 learning algorithm and particle swarm optimization to make the 力系统控制中占有重要地位，但其控制参数不能针 transient response and control performance of the controller optimal. Results of simulation and experiments show that the 对动态情况实时改变，控制性能也不够优越，所以 improved controller possesses strong robu