学位论文 > 优秀研究生学位论文题录展示

基于径向基神经网络及LCL输出滤波器优化控制的有源电力滤波器研究

作　者: 张立涛
导　师: 何益宏
学　校: 五邑大学
专　业: 模式识别与智能系统
关键词: 有源电力滤波器谐波抑制径向基神经网络滞环控制 MATLAB S-函数蚁群算法
分类号: TN713.8
类　型: 硕士论文
年　份: 2013年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

飞速发展的现代电力电子技术,使电力电子设备成为于现代社会工业和农业生产以及人们日常的生活的必需品。与此同时各种非线性负载产生的谐波及无功电流对电网的影响越来越严重。所以说,电力系统中的谐波处理以及无功补偿已经成为各个用户必须思考的问题,而有源电力滤波器可以实现谐波抑制和无功功率补偿的双重功能,在很大程度上的弥补了传统L、LC、LCR电力滤波器只能实现单一功能的缺陷,成为研究的热点。本文首先介绍了有源电力滤波器的工作原理和技术发展现状,总结现在滞环电流跟踪控制的优缺点,针对目前跟踪控制的不足,提出用神经网络来解决这些问题。本文对人工神经网络的原理、学习方法和训练算法作了详细的介绍。在传统滞环控制原理的基础上,通过训练一个径向基(RBF)神经网络使其具有传统滞环控制器所具有的补偿电流控制和动态跟踪功能,使输出控制频率具有可控性。有源电力滤波器的输出滤波器在很大程度上影响了有源电力滤波器的性能,有源电力滤波器的输出滤波器大致可以分为LC型、LCR型和LCL型。由于LCL型滤波器解决了LC型、LCR型滤波器容易受到电网阻抗的不确定性和时变性的影响而导致滤波效果不佳的缺点,成为有源电力滤波器的输出滤波器的最佳选择。在以往LCL电力滤波器的参数的设计主要靠有经验的工程师凭经验设定,这样进行设定会顾此失彼,效果理想。故本文采用多目标蚁群算法对LCL滤波器进行优化,取得良好的效果。本文中所提出基于径向基(RBF)神经网络滞环电流跟踪控制器和采用多目标蚁群算法进行优化设计的LCL滤波器,均在MATLAB软件环境建立了仿真模型,并通过仿真验证了其正确性和可行性。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-14
  1.1 课题研究的背景  9-10
  1.2 国内外研究现状  10-11
  1.3 课题研究的意义  11-12
  1.4 全文安排  12-14
第二章并联式有源电力滤波器的原理结构模型  14-19
  2.1 并联式有源电力滤波器的原理结构模型  14-15
  2.2 传统的滞环比较的工作频率  15-18
  2.3 本章小结  18-19
第三章基于径向基神经网络的滞环跟踪控制  19-32
  3.1 人工神经网络  19
  3.2 径向基神经网络  19-20
  3.3 基于径向基神经网络的滞环跟踪控制  20-31
    3.3.1 训练样本  21-22
    3.3.2 MATLAB S-函数编写  22-24
    3.3.3 仿真结果  24-31
  3.4 本章小结  31-32
第四章基于多目标蚁群算法的APF输出滤波器的优化设计  32-49
  4.1 LCL滤波器设计步骤  32-34
    4.1.1 电容的设计  33
    4.1.2 衰减比例、谐振频率和电网侧电感  33-34
    4.1.3 阻尼电阻的设计  34
  4.2 APF中LCL的数学模型  34-36
  4.3 参数的优化目标  36-37
  4.4 瞬态电流的跟踪  37-39
    4.4.1 补偿频段谐波的输出  37-38
    4.4.2 高频开关谐波的的抑制  38-39
  4.5 蚁群群算法  39-44
    4.5.1 基本蚁群算法  39-40
    4.5.2 多目标蚁群算法  40-44
  4.6 实验结果及分析  44-48
  4.7 本章小结  48-49
第五章总结与展望  49-51
  5.1 全文总结  49
  5.2 研究工作展望  49-51
参考文献  51-54
攻读硕士期间发表的论文  54-55
致谢  55

基于径向基神经网络及LCL输出滤波器优化控制的有源电力滤波器研究

内容摘要

全文目录

相似论文