一种基于自适应神经网络的谐波电流检测方法的.docVIP

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。  ∞ ∞ iL = ∑ I n sin(nωt + ?n ) = I1 sin(ωt + ?1 ) + ∑ I n sin(nωt + ?n ) n =1 = i1 + ih = i1 p + i1q + ih n =2 （1）  ∞ 其中 i1 p = sin(ωt ) cos(?1 ) ， i1q = I1 cos(ωt ) sin(?1 ) ， ih = ∑ I n sin(nωt + ?n ) n =2 由（1）式可知，负载电流包含三个部分：基波有功电流 i1p，与系统基波电压保持同相 位；无功电流 i1q，与基波有功电流 i1p 正交；谐波电流 ih。  由图 1 可知 图 1 APF 的原理图 iS = iL + iC = i1 p + i1q + ih + iC （2） 其中，iS 为系统电流，iC 为 APF 输出的补偿电流。 若要系统电流 iS 在补偿后仅含基波有功电流 i1p，则： iC = ?i1q ? ih （3） 即 APF 输出的补偿电流既包含与无功电流 i1q 大小相等，方向相反的分量，也包含与谐 波电流 ih 大小相等，方向相反的分量。 [5-8] 若 APF 仅补偿谐波电流 ih，则补偿后的系统电流 iS 中仅含有基波电流 i1 。 2. 自适应噪声对消技术 Widrow 等人在数字信号处理中提出一种把信号和噪声分离的方法——自适应噪声对消 技术 ANCT（Adaptive Noise Cancelling Technology），能把信号 s 从噪声 s+n0 中分