【技术实现步骤摘要】
基于神经网络的有源电力滤波器分数阶滑模控制方法、系统及存储介质
本专利技术涉及一种基于神经网络的有源电力滤波器分数阶滑模控制方法、系统及存储介质，属于有源电力滤波器智能控制
技术介绍
在科学技术发展迅速的当下，电力电子设备的应用在电力系统中愈发的广泛，在此过程中，大量的电力电子设备会导致电力系统中的非线性负载逐渐增大，也带来了很大程度上的谐波污染。者不仅会逐渐加大电力系统的安全隐患，谐波还会造成电能的浪费，增加损耗，影响电气设备的正常运行，因此谐波治理近年来受到了越来越广泛的关注。在谐波治理的初期，许多常规的方法比如PID控制还能在一定程度上满足电网需求，但是，如今这些常规方法已经难以发挥良好的效果，在谐波治理的手段中，有源电力滤波器作为其中最为有效的方法，在谐波治理中起着举足轻重的作用。目前，国内外针对有源电力滤波器的控制方法大多因人而异，没有规范，其稳定性和可靠性无法保证，将智能控制与有源滤波器相结合来提升有源滤波器控制效果已经成为了大势所趋。
技术实现思路
为了解决...
【技术保护点】
1.一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，包括如下步骤：/nS1、根据有源电力滤波器的控制模型设计对应的分数阶滑模模型，获得控制律；/nS2、基于控制律构建双反馈模糊双隐层递归神经网络模型，获得最优等效控制项；/nS3、根据最优等效控制项获得最优控制律，控制有源电力滤波器。/n
【技术特征摘要】
1.一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，包括如下步骤：
S1、根据有源电力滤波器的控制模型设计对应的分数阶滑模模型，获得控制律；
S2、基于控制律构建双反馈模糊双隐层递归神经网络模型，获得最优等效控制项；
S3、根据最优等效控制项获得最优控制律，控制有源电力滤波器。
2.根据权利要求1所述的一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，所述有源电力滤波器的控制模型的方程表示如下：
其中，x为补偿电流ic，为x的二阶导数，R为交流侧电阻值，L为交流侧的等效电感，Us为电源电压，为Us的一阶导数，Udc为直流链路电压，为Udc的一阶导数，u为控制律，d(t)为连续可微的外部未知外部扰动之和，0＜d(t)＜D，D为d(t)的上界。
3.根据权利要求2所述的一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，分数阶滑模模型的构建方法包括如下步骤：
定义分数阶滑模面：
其中，s为滑模面，c为滑模系数，e为跟踪误差，e＝x-xr，xr为参考电流，α为分数阶滑模阶数；
根据分数阶滑模面获得有源电力滤波器的控制律：
u＝ueq+usw
其中，ueq为等效控制项，usw为切换控制项；
切换控制项usw的表达式如下：
其中，Kwsgn(s)为滑模面的切换项。
4.根据权利要求3所述的一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，双反馈模糊双隐层递归神经网络模型的神经网络结构如下：
第一层：输入层，用于传递神经网络输入信号；
第二层：模糊化层，用于利用高斯函数处理输入层输入的信号，实现模糊化操作；
第三层：规则层，用于对模糊化层输出的信号进行模糊规则预处理；
第四层：第一隐含层，用于利用非线性激活函数处理输入层输入的信号，进行特征初步提取；
第五层：第二隐含层，用于利用非线性激活函数处理第一隐含层输出的信号，再次进行特征提取；
第六层：结果层，用于对规则层输出的信号和第二隐含层输出的信号进行乘法操作；
第七层：输出层，用于对结果层输出的信号进行加权求和处理，获得双反馈模糊双隐层递归神经网络的输出，并将当前时刻的输出作为下一时刻双反馈模糊双隐层递归神经网络的输入。
5.根据权利要求4所述的一种基于神经网络的有源电力滤波器分数阶滑模控制方法，其特征在于，双反馈模糊双隐层递归神经网络的输出为：
其中，Y为双反馈模糊双隐层递归神经网络的输出，即为等效控制项ueq，Wj为神经网络的结果层到输出层的第j个节点的权值，W为所有Wj组成的权值向量，G表示神经网络结果层的输出向量，为...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。