一种基于自适应神经网络的谐波电流检测方法的仿真-研究论文完整版下载.pdfVIP

一种基于自适应神经网络的谐波电流检测方法的 仿真1 张国荣，王英，丁明 教育部光伏系统工程研究中心，合肥工业大学能源研究所，合肥 (230009) 摘 要：有源电力滤波器（APF ）的性能很大程度上取决于其采用的谐波电流检测方法。本 文介绍一种基于自适应神经网络的谐波电流检测方法，这种方法能实时准确地检测出谐波， 很好地弥补了基于 FFT 的方法、基于瞬时无功理论的方法和基于小波变换的方法等检测方 法的缺陷。该方法的思想是根据自适应噪声对消技术的基本原理，将基波电流从负载电流中 滤除，从而得到谐波电流。对该检测方法首先在原理上进行了阐述,并在MATLAB/Simulink 下对其进行了仿真研究。仿真结果表明这种方法能够快速准确地检测谐波电流，可以用于 APF 的谐波电流检测。 关键词：有源电力滤波器；人工神经网络；自适应噪声对消技术；谐波检测 0. 引言 近年来，由于大量的非线性负载投入使用，包括：整流器、变频器等，使得电能质量问 题变得日益严重。有源电力滤波器（APF ）是抑制谐波电流的有效设备，它能快速准确地跟 踪检测谐波电流并对其进行补偿[1] 。谐波电流检测方法的好坏是决定 APF 性能的一个关键 因素。当前应用于APF 的谐波检测方法主要包括：基于FFT 的检测方法，基于瞬时无功理 论的检测方法和基于小波变换的检测方法[2-3] 。虽然这些方法各有优点，但它们也都存在缺 陷，其中基于 FFT 的检测方法存在栅栏效应和频谱泄漏问题；基于瞬时无功理论的方法要 用到低通滤波器，使得谐波检测的实时性和准确性相互制约；而基于小波变换的检测方法也 存在小波函数的选择具有随机性的问题[4] 。 人工神经网络 ANN （Artificial Neural Networks ）已经成功应用于多个领域，包括信号 处理、模式识别和人工智能等，ANN 的优点是具有自我学习的功能，可以根据需要自动改 变参数。本文根据自适应噪声对消技术 ANCT （Adaptive Noise Cancelling Technology ）的基 本原理，结合人工神经网络，提出一种应用于 APF 的谐波电流检测方法，在 MATLAB/Simulink 软件环境下对这种方法进行仿真研究，结果表明这种方法具有很好的准 确性和实时性。 1. APF 的结构和工作原理 图 1 所示为 APF 的结构和工作原理，APF 主要由两大部分组成，即指令电流运算电路 和补偿电流发生电路，其中补偿电流发生电路又由电流跟踪控制电路、驱动电路、主电路和 高通滤波器（High Pass Filter HPF ）等部分组成。APF 的工作原理是，经指令电流运算电路 得出补偿电流的指令信号，该指令信号经过补偿电流发生电路产生补偿电流，从而将负载电 流中的谐波和无功电流抵消掉，最终得到期望的系统电流。 非线性负载产生的含有谐波的负载电流为 iL ，根据傅立叶级数可以将其展开为： 1 本课题得到教育部高等学校博士学科点专项科研基金项目(20050359002)；教育部科学技术研究重大项目 (306004)的资助。 - 1 - ∞ ∞ i I n t + I t + + I n t + ∑ sin( ω ϕ ) sin(ω ϕ ) ∑ sin( ω ϕ ) L n n 1 1 n n n 1