有源滤波器发展_第1页
有源滤波器发展_第2页
有源滤波器发展_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、DSP数字信号处理器传统的有源滤波器采用模拟控制系统,电路复杂成本高且控制性能也不佳,为了改善有源滤波器的控制性能,有人开始使用单片机数字化对有源滤波器进行控制。高速DSP(数字信号处理器)的出现使采用数字方法实时计算谐波和无功功率成为现实。非线性负载的电压信息经A/D采样后送入DSP进行处理,得出指令电压信号。接下来步骤在具体实现上有两大趋势:一种是模拟方法,将DSP计算出的指令电压通过D/A送给外部的电压跟踪控制电路,由电压跟踪控制电路来产生开关PWM信号;另一种是在DSP中实现数字控制算法,通过I/O口或PWM口直接发出开关控制信号。各次谐波电压的计算由软件的方法实现,这就很好地解决了模

2、拟方法由于元件老化和温漂等因素带来的问题,抗干扰能力大大增强。运用DSP有以下优点:(1)运算速度快:由于通常的DSP都具有20MIPS以上的指令执行速度,同时可以在较短的时间内实现复杂的控制算法;(2)编程方便:DSP系统的可编程芯片可使设计人员在开发过程中灵活方便地对软件进行修改和升级;(3)稳定性及可重复性好:DSP系统以数字处理为基础,受环境温度及噪声的影响较小,可靠性高,便于测试、调试和大规模生产;(4)精度高:16位的数字系统就可以达到的精度;(5)集成方便:DSP系统中的数字部件是标准化器件,便于大规模集成。随着DSP芯片的快速发展、性价比的提高,采用DSP数字化控制成为现有源电

3、力滤波的一个趋势。它可以满足有源电力滤波器对谐波检测的实时性、准确性的要求,易于集成和整个系统的简化,能够保证稳定性和可重复性,降低成本和提高可靠性。电力有源电力滤波器系统控制器为DSP,但是该控制器一般只能流水处理事件,不能并发地处理事件。尤其是在较高开关频率下的PWM脉冲信号的分配,如果采用流水线处理方式,可能会导致某些触发信号的丢失,因此常采用DSPFPGA的控制电路。时域补偿原理的有源电力滤波器(APF)前许多国家正在研制利用时域补偿原理的有源电力滤波器(APF),它能做到适时补偿,且不增加电网的容性元件,是一种最先进、最有效、最有前途的谐波抑制的方法。APF系统控制结构图本设计的有源

4、滤波器直接对直流侧电容电压控制,避开了传统的检测有功和无功电流分量的繁琐过程,使得谐波检测的过程十分简单,从而有利于降低有源滤波器的控制成本,大大提高相应速度。电压控制环所采用的周期离散控制计算简单,响应迅速,维持直流侧电压稳定的同时,得到负荷基波有功电流参考值。 该控制方法能消除负荷电流突变和电网电压畸变的影响。电流环采用的平均电流补偿控制策略能快速跟踪参考电流指令信号,同时适应周期性负荷和突变负荷。所采用的新型工频数字锁项环,抗干扰性强,跟踪速度快,解决了硬件锁相环工作不稳定的问题。智能搜索PI参数的方法目前的电力有源滤波器一般采用双闭环反馈控制,其中的PI参数的设计一直是影响系统运行的可

5、靠性、精确性的关键技术。现在提出一种基于强化学习算法的PI参数智能搜索方法,同步对电力有源滤波器的电流环和电压环分别进行了PI参数校正。该方法通过电力有源滤波器模型自身的学习能力,参照预设的学习规则,自主调节PI参数,通过仿真证明该方法得到的PI参数可以改善电力有源滤波器的电压超调,减小动态过程中电流冲击,从而提高装置的可靠性和提高容量利用率。研究采用强化学习算法的PI参数搜索方法,该方法根据PI参数控制的实际性能,按已定的模糊调节律进行PI参数搜索,逐步优化。根据仿真的结果,表明了强化学习算法获取PI参数的方式是可行的,而且相比前一种算法更进一步提高系统可靠性、降低了器件容量的浪费。与传统P

6、I算法对比,电力有源滤波器模型利用该智能搜索算法,可以自动实现参数优化,减小系统的电压超调和电流冲击,从而提高了系统的可靠性,减少了开关器件容量的浪费。这种强化学习算法,智能主体作为学习系统,获取外部环境的当前状态信息,对环境采取试探行为,并以指标的方式获取环境反馈的对此动作的评价,通过新的评价,智能主体又用新的行为作用环境状态。如果智能体的某动作导致环境正的奖赏(立即报酬),那么智能体以后产生这个动作的趋势便会加强;反之,智能体产生这个动作的趋势将减弱。在学习系统的控制行为与环境反馈的状态及评价的反复的交互作用中,以学习的方式不断修改从状态到动作的映射策略,以达到优化系统性能目的。调整电压、电流状态作为学习过程

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论