一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法技术方案

一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法属于调相机励磁控制系统研究领域。本发明专利技术以励磁控制系统中“快速电压内环+慢速无功外环”为基础，通过对同步调相机的励磁控制系统中电压环中的PID环节进行改进，使得系统静态、动态电压稳定性得到极大改善。善。善。

【技术实现步骤摘要】
一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法


[0001]本专利技术属于励磁控制系统的
，用于电力系统中同步调相机的调控，稳定系统电压。

技术介绍

[0002]随着远距离高压直流输电技术的发展，系统容量、电压等级的不断提升，换流站需求的无功容量也越来越大，动态无功的补偿对于高压直流输电系统的电压稳定起着非常重要的作用。
[0003]调相机作为一种专用的无功补偿装置，具备暂态次暂态特性优、安全可靠性高、运行维护方便等优点,当系统出现故障时能及时、快速的提供大量无功，稳定系统电压，保障系统安全运行。
[0004]同步调相机能够实现输出无功功率连续可调、无功数值控制灵活、故障穿越能力强等功能是与调相机的励磁控制系统密不可分的,所谓励磁控制系统就是对系统的电压或功率进行控制来实现控制励磁电流的变化，通过对励磁电流的控制来增强或减少励磁电压，实现无功功率的吸收或释放，从而稳定系统电压。
[0005]同步调相机的励磁控制系统主要可分为两类；第一类是电压型的励磁控制其并网后的控制方式以电压闭环调节为主，控制目标为稳定机端电压，实现机端电压实际值跟随参考值变化，机端电压参考值通过外部增减磁命令进行调整而调相机没有原动机，运行时从电网吸收少量有功功率维持其损耗，通过励磁控制机端电压和无功功率,第二类是电压+无功的励磁控制，从调相机无功功率角度出发，实现无功和电压的协调控制，稳态时以无功控制为目标，满足系统对无功功率的需求；暂态时以稳定电压为目标，在发生电压跌落等短时故障时，快速强励，起到稳定机端电压的效果。
[0006]目前，我国调相机的励磁控制系统主要采用的是“电压环+无功环”的协调控制；传统的励磁电压环的控制策略，其电压闭环作用是维持机端电压恒定, 而调相机的作用是支撑电网电压，当电力系统故障时，机端电压变化无法反映电网电压的真实情况，导致对电网的支撑不够，无法充分发挥调相机强励特性对电网故障时电压支撑的优势,因此，在电压环考虑电网电压的影响，对传统的励磁控制策略进行优化,但是，当我们在电压环中引入系统电压后，当系统出现故障时，系统的电压可以快速地得到稳定，但是调相机的机端电压会因为无功功率在故障恢复后不能突变会产生过电压的情况,这样会对系统电网的安全运行带来风险。
[0007]本专利技术就针对电压环引入系统电压时系统故障恢复后调相机产生的过电压问题进行改进，利用模糊神经网络PID控制智能算法实时在线整定PID参数，进一步优化励磁控制系统。

技术实现思路

[0008]一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法，包括如下步骤：
[0009]步骤1：设定参考电压并采集机端和电网系统的实际电压；
[0010]步骤2：对误差值e和误差变化率ec进行模糊化、归一化。建立模糊输入输出的子集、论域、隶属度函数、模糊规则，最后输出三个参数X1、X2、 X3；
[0011]步骤3：把步骤二中的数值作为神经网络的输入，神经网络使用BP算法在线调整网络的权值，最后输出自适应整定的PID参数Kp、Ki、Kd；
[0012]步骤4：通过实时在线改变PID的参数大小，继而更好的控制励磁电流的大小，稳定系统电压的同时抑制了机端的过电压。
[0013]进一步，步骤2中所叙述的建立模糊输入e和ec的子集、论域范围、隶属度函数、模糊规则介绍如下：
[0014]把电压偏差量e，偏差变化率ec归一化作为模糊控制的输入变量， X1,X2和X3作为输出变量,设置输入、输出变量的模糊子集均为{NL，NM，NS， Z，PS，PM，PL}，分别表示{负大，负中，负小，零，正小，正中，正大}，论域范围均为[－0.15，0.15]，建立输入输出的隶属度函数,对于模糊控制规则，则采用“if A and B then C”的形式表达。
[0015]进一步，步骤3中所简述的基于BP算法的神经网络具体内容如下：
[0016]对于神经网络我们采用3层前向神经网络结构，选取3个输入层神经元，即x1(k)、x2(k)、x3(k)，分别对应PID算法的比例、积分、微分环节，其中x1(k)取偏差e(k)的值，x2(k)取第1到k次偏差之和，反映的是误差的累积，x3(k)取第k次和k
‑
1次偏差的差值，反映的是误差变化速率，x1(k)、x2(k)、x3(k)共同反映误差值的状态,对于隐含层我们选取6个隐含层神经元，隐含层神经元的激励函数选择正负对称的Sigmoid函数：
[0017][0018]对于3个输出层神经元即kp、ki、kd，由于kp、ki、kd只能是正值，因此输出层神经元激励函数选择非负的Sigmoid函数：
[0019][0020]对于神经网络其输入输出的计算公式如下：
[0021]神经网络输入层函数为：
[0022]Q
j(1)
＝x
j
[0023]式中，j＝1，2，
…
M，为输入的变量个数，针对本文被控对象的复杂程度，M取3。
[0024]神经网络隐含层的输入函数为：
[0025][0026]神经网络隐含层的输出函数为：
[0027][0028]式中，是输入层到隐含层的权值系数，i是隐含层神经元个数， i＝1，2，
…
，6。
[0029]神经网络输出层的输入函数为：
[0030][0031]神经网络输出层的输出函数为：
[0032][0033]式中，是隐含层到输出层的权值系数，l是输出层神经元个数， l＝1，2，3。
[0034]对于上式中的权值系数权值我们是按照梯度下降法完成的，即对照性能指标Z(k)通过搜索权值的负梯度方向来完成。
[0035]本专利技术与现有技术相比，具有如下有益效果：本专利技术基于模糊神经网络 PID控制的同步调相机的励磁控制系统，相比于传统的电压+无功相结合、以机端电压为控制目标的励磁控制系统，能更好的反应电网系统电压，稳定系统电压；与电压+无功相结合、引入系统电压的励磁控制系统相比较，可以稳定系统电压、抑制机端过电压；相比与改进的同步调相机励磁控制中模糊PID控制，对于机端过电压的抑制更明显，调节时间缩短。
附图说明
[0036]图1是励磁控制系统控制图；
[0037]图2是模糊神经网路结构图；图3是隶属度函数图；
具体实施方式
[0038]结合附图对本实施例进行进一步描述。
[0039]步骤1：如图1所示的励磁控制系统，我们采集机端实际电压、系统实际电压、机端参考电压、系统参考电压分别为U
g
、U
s
、U
sref
、U
ref
，系统参考功率和实际功率分别是Q
ref
、Q
s
；
[0040]步骤二：把电压偏差量e，偏差变化率ec进行归一化作为模糊规则输入变量，X1，X2和X3作为输出变量,设置输入、输出变量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法，其特征在于：包括如下步骤：步骤1：设定参考电压并采集机端和电网系统的实际电压；步骤2：对误差值e和误差变化率ec进行模糊化、归一化,建立模糊输入输出的子集、论域、隶属度函数、模糊规则，最后输出三个参数X1、X2、X3；步骤3：把步骤2中的数值作为神经网络的输入，神经网络使用BP算法在线调整网络的权值，最后输出自适应整定的PID参数Kp、Ki、Kd；步骤4：通过实时在线改变PID的参数大小，继而更好的控制励磁电流的大小，稳定系统电压的同时抑制了机端的过电压。2.根据权利要求1所叙述的一种基于模糊神经网络PID控制的同步调相机励磁系统的控制方法，其特征在于：步骤1中引入了机端电压的同时也加入了系统...

【专利技术属性】
技术研发人员：吕艳玲，吴长强，鲍杰，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：