摘 要：提出用神經(jīng)網(wǎng)絡(luò)控制器實(shí)現(xiàn)大偏差范圍內(nèi)的解耦控制,，由PID控制實(shí)現(xiàn)小偏差時(shí)的快速穩(wěn)定并消除靜差。這種復(fù)合控制方法應(yīng)用于UPFC的動(dòng)力學(xué)模型收到了良好的效果,。
關(guān)鍵詞：UPFC,；BP網(wǎng)絡(luò),；解耦控制 TM761,；TM743；TP2733
0 引 言
在UPFC 應(yīng)用研究中普遍使用了UPFC的輸出模型,。眾所周知,，UPFC的輸出模型只是穩(wěn)態(tài)下的等效電路。它不反映UPFC的動(dòng)力學(xué)性質(zhì),。凡是基于UPFC輸出模型 的應(yīng)用研究都忽略了UPFC的內(nèi)部運(yùn)動(dòng)過程,，這顯然不夠精確，或者說以這種研究方法認(rèn)識UPFC帶有很大局限性,。文獻(xiàn)［1］提出的UPFC建模方法所建模 型是動(dòng)力學(xué)模型,。從控制工程的角度看，UPFC裝置本身是一個(gè)較為復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，研究其控制方法對裝置開發(fā)和應(yīng)用都非常必要,。
1 UPFC的主電路及其動(dòng)力學(xué)模型
1.1 UPFC的主電路
為了討論問題方便采用圖1所示主電路結(jié)構(gòu)(實(shí)際電路結(jié)構(gòu)可能考慮到降低諧波含量而采用多重化技術(shù),，但原理相同。)
圖1 UPFC主電路簡圖
1.2 UPFC的動(dòng)力學(xué)模型
串聯(lián)支路的回路方程：
 |
并聯(lián)支路的回路方程
 |
 |
||
式中的Lj,、Rj是根據(jù)戴維南定理得出的串聯(lián)變壓器輸出阻抗(注意：Lj,、Rj在圖1中沒有標(biāo)出)。另一方面,，再由能量守恒可知,，直流側(cè)電容的充放電過程決定于UPFC兩側(cè)有功的不平衡性，有：
 |
|
|
|||
 |
|
 |
|
式(1),、(2),、(3)、(4)構(gòu)成了UPFC裝置的動(dòng)力學(xué)模型,。
2 UPFC的控制回路
UPFC裝置本身包括三個(gè)控制回路,，在這三個(gè)回路基礎(chǔ)上增加網(wǎng)絡(luò)方程和發(fā)電機(jī)方程即可得到含UPFC的系統(tǒng)數(shù)學(xué)模型(注：本文只研究UPFC裝置內(nèi)部三個(gè)基本控制回路，若還要關(guān)注系統(tǒng),，只需在此基礎(chǔ)上增加相應(yīng)方程),。
由圖2可見(見下頁)，UPFC裝置的控制系統(tǒng)包括三個(gè)控制回路,?？刂苹芈?的作用是實(shí)時(shí)補(bǔ)償輸電線路無功功率(標(biāo)幺制下的無功電流Iq)；控制回路2的作用是維持直流連接電容電壓Udc恒定,；控制回路3的作用是調(diào)節(jié)串聯(lián)變壓器輸出電壓V,。不難看出，控制回路2與另外兩個(gè)控制回路存在耦合作用,。因此,，若三個(gè)控制回路均采用PID控制邏輯很難得到滿意的控制效果。作者設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)(ANN)與PID的復(fù)合控制規(guī)律取得了良好的效果,。
3 ANN-PID復(fù)合控制器設(shè)計(jì)
3.1 神經(jīng)網(wǎng)絡(luò)控制概述
從控制的觀點(diǎn),，可以把神經(jīng)網(wǎng)絡(luò)看作一個(gè)具有m 維向量輸入和n維向量輸出的非線性動(dòng)力學(xué)系統(tǒng)，并通過一組狀態(tài)方程和一組學(xué)習(xí)方程加以描述,。狀態(tài)方程描述每個(gè)神經(jīng)元的興奮或抑制水平與它的輸入及輸出通道 上的聯(lián)結(jié)強(qiáng)度間的函數(shù)關(guān)系,，而學(xué)習(xí)方程描述通道的聯(lián)結(jié)強(qiáng)度應(yīng)該不斷地修正。神經(jīng)網(wǎng)絡(luò)就是通過修正這些聯(lián)結(jié)強(qiáng)度進(jìn)行學(xué)習(xí),，從而調(diào)整整個(gè)網(wǎng)絡(luò)的輸入輸出關(guān)系,。
圖2 UPFC的三個(gè)控制回路
|
3.2 神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)及訓(xùn)練樣本獲取 我們使用BP網(wǎng)絡(luò)及其誤差反傳學(xué)習(xí)算法，網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示： 在確定網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法以后,，可以開始對網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練,。訓(xùn)練之前的樣本獲取是一項(xiàng)十分重要的工作。它決定了訓(xùn)練后的網(wǎng)絡(luò)性能。樣本獲取的途徑 因控制對象的不同而異本文的控制對象已給出確定的動(dòng)力學(xué)模型,。通常,，對于有確定數(shù)學(xué)模型的控制對象并不適合采用人工神經(jīng)網(wǎng)絡(luò)控制。原因在于基 |
圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) |
于精確數(shù)學(xué)模型的控制規(guī)律設(shè)計(jì)理論已相當(dāng)成熟且應(yīng)用廣泛,。但是,，本文的控制對象具有多回路、強(qiáng)耦合,、非線性的特點(diǎn),。作者曾采用PID控制，雖然也能使三個(gè)回路達(dá)到穩(wěn)定,，但由于耦合作用的存在和PID算法的局限性,，導(dǎo)致了較大的超調(diào)量和較長的過渡過程。
PID控制性能差的原因在于暫態(tài)過程是一個(gè)“邊解耦,，邊控制”的過程,，而且PID的固有缺陷使它難以兼顧快速性和穩(wěn)定性。這里使用BP神經(jīng)網(wǎng)絡(luò)主要目的是避開解耦過程,，利用BP網(wǎng)絡(luò)的非線性映射功能直接得出三個(gè)回路的控制量,。訓(xùn)練樣本獲取方案如下：
輸入矢量的形成：系統(tǒng)共三個(gè)回路，即三個(gè)被控量Q,、V,、Udc。輸入矢量由被控量的偏差劃分為七個(gè)檔次經(jīng)排列組合而得到,。因此,，輸入矢量總數(shù)
目標(biāo)矢量的形成：系統(tǒng)控制量分別為θ1、θ2,、δ1,。給定一個(gè)輸入矢量(ΔQiΔViΔUdci)，通過PID算法可以得到穩(wěn)態(tài)輸出(θ1i,、θ2i,、δ1i)，這個(gè)穩(wěn)態(tài)下的輸出即為相應(yīng)的目標(biāo)矢量,。作者采用這種方法獲取目標(biāo)矢量的主要原因是可以借助控制系統(tǒng)的仿真軟件(MATLAB)方便地得到,。
3.3 ANN-PID復(fù)合控制
利用BP 網(wǎng)絡(luò)的映射功能形成控制量,，雖然避開了多回路解耦過程,，但由于是開環(huán)控制無法消除穩(wěn)態(tài)誤差。眾所周知,，PID控制用于小偏差線性系統(tǒng)時(shí)具有明顯的優(yōu)勢,。于 是，本文設(shè)計(jì)了ANN-PID復(fù)合控制的方法，即在大偏差范圍內(nèi)投入神經(jīng)網(wǎng)絡(luò)控制器,，小偏差范圍內(nèi)切換到PID控制器,。兩個(gè)控制器的切換通過編程是很容易 實(shí)現(xiàn)的。
4 仿真研究
圖4-1 回路2的PID控制 圖4-2 回路2的ANN-PID復(fù)合控制
圖4-3 回路1的PID控制 圖4-4 回路1的ANN-PID復(fù)合控制
圖4-5 回路3的PID控制 圖4-6 回路3的ANN-PID復(fù)合控制
由仿真結(jié)果可以看出,，單獨(dú)使用PID控制時(shí)回路間的耦合作用使動(dòng)態(tài)響應(yīng)曲線有超調(diào)和多個(gè)極點(diǎn)導(dǎo)致了快速性,、穩(wěn)定性較差；ANN-PID復(fù)合控制則表現(xiàn)出良好的解耦控制效果,，三個(gè)控制回路的動(dòng)態(tài)性能都有顯著改善,。