基于模糊神经小波算法的高压直流输电系统及控制方法技术方案

本发明专利技术涉及基于模糊神经小波算法的高压直流输电系统，包括源侧同步电机、源侧变压器、源侧变流器、直流输电线路、网侧变流器、网侧变压器、网侧同步电机、变流器控制电路；本发明专利技术还涉及基于模糊神经小波算法的高压直流输电控制方法，该方法主要分为模糊神经小波控制方法和自适应调节机制，主要应用于模糊神经小波控制器中、结合主控制器和内环控制器组成的变流器控制电路控制变流器的运行。本发明专利技术提高了神经网络算法的效率，使算法更有效地识别和控制非线性系统，保证了良好的收敛、快速的学习能力和较强的逼近能力。力和较强的逼近能力。力和较强的逼近能力。

【技术实现步骤摘要】
基于模糊神经小波算法的高压直流输电系统及控制方法


[0001]本专利技术属于高压直流输电的控制领域，涉及一种基于模糊神经小波算法的高压直流输电系统及控制方法。

技术介绍

[0002]根据我国资源禀赋和分布情况，新能源资源主要集中于我国的东北、西北、华北的“三北”内陆地区，此外东部沿海地区还拥有相当容量的海上风电资源可供开发利用。针对以上地区毗邻的交流主网的新能源基地开展大规模集中开发，通过交流汇集、高压直流外送的模式实现大规模新能源电力的跨省跨区消纳。对于长距离、大容量的电力传输，高压直流输电(HVDC)系统因其具备多电源供电、多落点受电的功能，在输电工程中得以大量应用。
[0003]然而，通过高压交流系统传输大量电力并在长距离输送的情况下安全稳定运行以应对日益增长的电力需求变得具有挑战性。机电低频振荡(LFO)是影响电力系统稳定运行的重要因素。导致LFO产生的根本原因是电力需求与供应的不平衡，输电线路严重故障或发电机组故障等原因。
[0004]高压直流输电系统因基于电力电子装置设备的运行特性，对于控制系统和控制策略依赖性极强。为了提高直流输电线路的稳定性，本专利技术基于模糊神经小波控制(NFWC)，提出了一种辅助阻尼控制器。近年来，模糊神经小波控制器在非线性动态设备的控制中得到了广泛的应用。模糊神经控制是神经网络和模糊逻辑的结合，目的是结合两者的优势，抑制各自的缺点。神经网络将其学习计算的特性引入模糊逻辑之中，因此，神经网络的引入弥补了模糊逻辑的缺点，两者相互补充，使它们具有共同的优势。然而，神经网络问题的复杂性需要大量的神经元，这降低了神经网络的效率。将小波和神经网络相结合，构建小波神经网络来解决这些问题。模糊神经小波网络可以更有效地识别和控制非线性系统，因为其具有良好的收敛、快速的学习能力和较强的逼近能力，是控制系统的理想选择。
[0005]本专利技术基于单机无限总线(SMIB)进行仿真测试，将该控制器与传统的超前滞后控制(LLC)和模糊神经Takagi
‑
Sugeno Kang控制(NFTSKC)的效率和性能进行了比较，计算了不同性能指标的量化结果。

技术实现思路

[0006]本专利技术的目的在于解决现有技术的不足，提供一种基于模糊神经小波算法的高压直流输电系统及控制方法，旨在利用基于模糊神经小波控制(NFMC)，提出了一种辅助阻尼控制器，用于抑制长距离的大容量高压直流电力传输系统中的低频振荡，维持电力系统的稳定运行并确保在发生干扰时仍能不间断地进行输电。
[0007]本专利技术解决其技术问题是通过以下技术方案实现的：
[0008]基于模糊神经小波算法的高压直流输电系统，包括：源侧同步电机、源侧变压器、源侧变流器、直流输电线路、网侧变流器、网侧变压器、网侧同步电机、变流器控制电路，所述的源侧变流器由变流器控制电路控制；变流器控制电路包括第一反相加法器、模糊神经
小波控制器、主控制器、源侧变流器的内环控制器、网侧变流器的内环控制器及脉冲宽度调制器；第一反相加法器的正负极输入端分别输入源侧同步电机的转子转速及设定的转子转速阈值，第一反相加法器输出信号至模糊神经小波控制器；模糊神经小波控制器输出信号至主控制器，主控制器输出信号至源侧变流器的内环控制器和网侧变流器的内环控制器，源侧变流器的内环控制器和网侧变流器的内环控制器分别输出信号至控制电路中的脉冲宽度调制器；源侧变流器控制电路的脉冲宽度调制器输出控制信号至源侧变流器，网侧变流器控制电路的脉冲宽度调制器输出控制信号至网侧变流器。
[0009]进一步地，所述变流器控制电路是双闭环控制单元；变流器控制电路包括模糊神经小波控制器、主控制电路和电流内环控制电路。
[0010]进一步地，所述模糊神经小波控制器包括两个支路；其中一个支路包括用于将同步电机转速差进行模糊控制的模糊化换算器、逻辑推理换算器及去模糊化换算器；另一个支路包括根据同步电机转速差和模糊控制结果进行自适应调节的自适应调节器；去模糊化换算器的输出端与主控制器的输入端相连。
[0011]进一步地，所述主控制电路根据设置的启动/停止控制器控制电路的运行，并将模糊神经小波控制器的输入信号、设置的电流参考信号和实际测量的直流输电线路的电流值相加得到源侧变流器和网侧变流器的电流内环控制信号。
[0012]进一步地，所述的电流内环控制电路的直流电流换算器根据获取的直流电压和主控制器输出的电流控制信号换算出直流电流的参考值，电流参考值与直流电流经过第三反相加法器比较之后得到直流偏差；
[0013]内环控制器包含三条支路，第一条是电流控制电路：第二反相加法器的两个正极输入端输入直流输电线路电流的测量值和电流的补偿值，其负极输入端输入直流输电线路电流的参考值，输出端为直流输电线路电流的偏差，经过第一PI控制器之后，输出第一角度值；
[0014]第二条是熄弧角控制电路：电流补偿值和电流的偏差值经过第一动态饱和调节器之后，得到电流补偿值与电流偏差的组合值；电流补偿值与电流偏差的组合值与电流补偿值相除之后再与熄弧角补偿值相乘，得到熄弧角的极小值；第四反相加法器的正极输入端输入熄弧角的测量值，其两个负极输入端分别输入熄弧角的参考值及熄弧角的极小值，输出端为熄弧角的偏差，经过第二PI控制器之后，输出第二角度值；
[0015]第三条支路是直流电压控制电路：电流补偿值和电流的偏差值经过第二动态饱和调节器之后，得到电流补偿与电流偏差的组合值，电流补偿与电流偏差的组合值与电流补偿值相除之后再与直流电压的补偿值相乘，得到直流电压的极小值，第五反相加法器的正极输入端输入直流电压的测量值，其两个负极输入端分别输入直流电压的参考值及直流电压的极小值，输出端为直流电压的偏差，经过第三PI控制器之后，输出第三角度值；
[0016]三条支路的角度值经过最小函数选择器输出角度的最小值，经过脉冲宽度调制器输出变流器的控制信号。
[0017]本专利技术还提供了基于混合模糊神经小波算法的高压直流输电控制方法，该方法主要分为模糊神经小波控制方法和自适应调节机制，主要应用于模糊神经小波控制器中、结合主控制器和内环控制器组成的变流器控制电路控制变流器的运行，其包括如下步骤：
[0018]S1，建立多输入单输出的模糊神经小波网络，基于同步电机的转子转速数据，利用
反向传播算法与优化技术对模糊神经小波网络进行训练，得到基于同步电机的转子转速控制变流器的模糊神经网络预测模型；
[0019]S2，基于步骤S1中的模糊神经网络预测模型，构建模糊神经小波控制器；
[0020]S3，基于步骤S2中构建的模糊神经小波控制器，结合电流内环控制器，生成整体控制策略，对高压直流输电系统中变流器进行控制。
[0021]进一步地，所述S2中建立的模糊神经小波控制器为n个输入和m个规则提供了一种架构，所述模糊神经小波控制器有七层结构，包括输入层、输出层以及结构中的五个隐匿层；
[0022]第一层是输入数值，即同步电机的转子转速与阈值的偏差值，一共n个数值；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于模糊神经小波算法的高压直流输电系统，其特征在于：包括源侧同步电机、源侧变压器、源侧变流器、直流输电线路、网侧变流器、网侧变压器、网侧同步电机、变流器控制电路，所述的源侧变流器由变流器控制电路控制；变流器控制电路包括第一反相加法器、模糊神经小波控制器、主控制器、源侧变流器的内环控制器、网侧变流器的内环控制器及脉冲宽度调制器；第一反相加法器的正负极输入端分别输入源侧同步电机的转子转速及设定的转子转速阈值，第一反相加法器输出信号至模糊神经小波控制器；模糊神经小波控制器输出信号至主控制器，主控制器输出信号至源侧变流器的内环控制器和网侧变流器的内环控制器，源侧变流器的内环控制器和网侧变流器的内环控制器分别输出信号至控制电路中的脉冲宽度调制器；源侧变流器控制电路的脉冲宽度调制器输出控制信号至源侧变流器，网侧变流器控制电路的脉冲宽度调制器输出控制信号至网侧变流器。2.根据权利要求1所述的基于模糊神经小波算法的高压直流输电系统，其特征在于：所述变流器控制电路是双闭环控制单元；变流器控制电路包括模糊神经小波控制器、主控制电路和电流内环控制电路。3.根据权利要求2所述的基于模糊神经小波算法的高压直流输电系统，其特征在于：所述模糊神经小波控制器包括两个支路；其中一个支路包括用于将同步电机转速差进行模糊控制的模糊化换算器、逻辑推理换算器及去模糊化换算器；另一个支路包括根据同步电机转速差和模糊控制结果进行自适应调节的自适应调节器；去模糊化换算器的输出端与主控制器的输入端相连。4.根据权利要求1所述的基于模糊神经小波算法的高压直流输电系统，其特征在于：所述主控制电路根据设置的启动/停止控制器控制电路的运行，并将模糊神经小波控制器的输入信号、设置的电流参考信号和实际测量的直流输电线路的电流值相加得到源侧变流器和网侧变流器的电流内环控制信号。5.根据权利要求1所述的基于模糊神经小波算法的高压直流输电系统，其特征在于：所述的电流内环控制电路的直流电流换算器根据获取的直流电压和主控制器输出的电流控制信号换算出直流电流的参考值，电流参考值与直流电流经过第三反相加法器比较之后得到直流偏差；内环控制器包含三条支路，第一条是电流控制电路：第二反相加法器的两个正极输入端输入直流输电线路电流的测量值和电流的补偿值，其负极输入端输入直流输电线路电流的参考值，输出端为直流输电线路电流的偏差，经过第一PI控制器之后，输出第一角度值；第二条是熄弧角控制电路：电流补偿值和电流的偏差值经过第一动态饱和调节器之后，得到电流补偿值与电流偏差的组合值；电流补偿值与电流偏差的组合值与电流补偿值相除之后再与熄弧角补偿值相乘，得到熄弧角的极小值；第四反相加法器的正极输入端输入熄弧角的测量值，其两个负极输入端分别输入熄弧角的参考值及熄弧角的极小值，输出端为熄弧角的偏差，经过第二PI控制器之后，输出第二角度值；第三条支路是直流电压控制电路：电流补偿值和电流的偏差值经过第二动态饱和调节器之后，得到电流补偿与电流偏差的组合值，电流补偿与电流偏差的组合值与电流补偿值相除之后再与直流电压的补偿值相乘，得到直流电压的极小值，第五反相加法器的正极输入端输入直流电压的测量值，其两个负极输入端分别输入直流电压的参考值及直流电压的极小值，输出端为直流电压的偏差，经过第三PI控制器之后，输出第三角度值；
三条支路的角度值经过最小函数选择器输出角度的最小值，经过脉冲宽度调制器输出变流器的控制信号。6.基于混合模糊神经小波算法的高压直流输电控制方法，其特征在于：该方法主要分为模糊神经小波控制方法和自适应调节机制，主要应用于模糊神经小波控制器中、结合主控制器和内环控制器组成的变流器控制电路控制变流器的运行，其包括如下步骤：S1，建立多输入单输出的模糊神经小波网络，基于同步电机的转子转速数据，利用反向传播算法与优化技术对模糊神经小波网络进行训练，得到基于同步电机的转子转速控制变流器的模糊神经网络预测模型；S2，基于步骤S1中的模糊神经网络预测模型，构建模糊神经小波控制器；S3，基于步骤S2中构建的模糊神经小波控制器，结合电流内环控制器，生成整体控制策略，对高压直流输电系统中变流器进行控制。进一步地，所述S2中建立的模糊神经小波控制器为n个输入和m个规则提供了一种架构，所述模糊神经小波控制器有七层结构，包括输入层、输出层以及结构中的五个隐匿层；第一层是输入数值，即同步电机的转子转速与阈值的偏...

【专利技术属性】
技术研发人员：朱介北，郝义，俞露杰，王国琰，
申请(专利权)人：天津大学，
类型：发明
国别省市：