本發(fā)明涉及電力電子技術領域，具體涉及一種四象限電流源換流器的無功功率控制方法及裝置。

背景技術：

電流源換流器(Current Source Converter，簡稱為CSC)較電壓源換流器(Voltage source converter，簡稱為VSC)來講，前者可對換流器的輸出電流進行直接控制并且因開關管具有單向流通特性而使其具有較高的可靠性。采用傳統(tǒng)變換機理的四象限控制無功功率的CSC，交流電流中含有大量的諧波，在與電網(wǎng)連接處需要加裝大量的濾波裝置，增大了換流器的損耗、費用和占地面積。

新型四象限電流源換流器基于大容量、低損耗晶閘管器件及理想交直流變換技術，直流儲能元件采用電抗器，交流側(cè)無需緩沖吸收電容，具有四象限控制有功無功、大范圍控制直流電壓電流、可熄弧自恢復等優(yōu)點，克服了LCC型晶閘管換流器不具備無功調(diào)節(jié)能力且消耗大量滯后無功、VSC型換流器容量相對較小且直流電壓控制能力較差的缺點，在電網(wǎng)故障時具有優(yōu)越的抗過流能力和動靜態(tài)控制品質(zhì)。

比例-積分-導數(shù)(proportion-integral-derivative，簡稱為PID)控制器控制方法因具有良好的穩(wěn)定性、魯棒性、算法簡單的諸多優(yōu)點，而使其成為應用最廣的控制方法之一，在工程領域處處可見。傳統(tǒng)的電流源換流器控制方法一般采用PID控制，但隨著科技的日益進步，需控制的系統(tǒng)越來越復雜，PID控制顯得捉襟見肘，尤其是其在處理非線性系統(tǒng)中的局限性，使傳統(tǒng)的PID控制受到了質(zhì)疑與挑戰(zhàn)。

針對現(xiàn)有技術中，PID控制無法對四象限電流源換流器無功功率進行大范圍控制，反饋線性化數(shù)學過程復雜以及仿射變換難以求解的問題，還未提出有效的解決方案。

技術實現(xiàn)要素：

本發(fā)明提供了一種四象限電流源換流器的無功功率控制方法及裝置，以至少解決現(xiàn)有技術中PID控制無法對四象限電流源換流器無功功率進行大范圍控制，反饋線性化數(shù)學過程復雜以及仿射變換難以求解的問題。

根據(jù)本發(fā)明的一個方面，提供了一種四象限電流源換流器的無功功率控制方法，包括：獲取四象限電流源換流器的參考無功功率和所述四象限電流源換流器的實際無功功率；根據(jù)所述參考無功功率獲取第一觸發(fā)角；根據(jù)所述實際無功功率與所述參考無功功率的差值獲取第二觸發(fā)角；通過調(diào)整第三觸發(fā)角控制所述四象限電流源換流器的無功功率；其中，所述第三觸發(fā)角包括所述第一觸發(fā)角與所述第二觸發(fā)角之和。

可選地，根據(jù)所述參考無功功率獲取第一觸發(fā)角包括：將所述參考無功功率輸入至神經(jīng)網(wǎng)絡；通過所述神經(jīng)網(wǎng)絡輸出所述第一觸發(fā)角。

可選地，在將所述參考無功功率輸入至神經(jīng)網(wǎng)絡之前，還包括：通過調(diào)節(jié)所述神經(jīng)網(wǎng)絡的權(quán)值系數(shù)訓練所述神經(jīng)網(wǎng)絡，其中所述權(quán)值系數(shù)為所述神經(jīng)網(wǎng)絡不同層神經(jīng)元之間的連接權(quán)值系數(shù)。

可選地，通過調(diào)節(jié)所述神經(jīng)網(wǎng)絡的權(quán)值系數(shù)訓練所述神經(jīng)網(wǎng)絡包括：將多個實際無功功率分別輸入至所述神經(jīng)網(wǎng)絡分別得到多個觸發(fā)角；將所述多個觸發(fā)角分別與多個預定觸發(fā)角進行比較，得到比較結(jié)果，確定所述比較結(jié)果小于第一預定閾值。

可選地，根據(jù)所述實際無功功率與所述參考無功功率的差值獲取第二觸發(fā)角包括：將所述差值輸入至比例-積分-微分控制器，通過所述比例-積分-微分控制器輸出所述第二觸發(fā)角。

可選地，通過調(diào)整第三觸發(fā)角控制所述四象限電流源換流器的無功功率包括：在所述參考無功功率大于零，并且所述參考無功功率大于所述實際無功功率的情況下，減小所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第二預定閾值；或者，在所述參考無功功率大于零，并且所述參考無功功率小于所述實際無功功率的情況下，增大所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第三預定閾值；或者，在所述參考無功功率小于零，并且所述參考無功功率大于所述實際無功功率的情況下，增大所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第四預定閾值；或者，在所述參考無功功率小于零，并且所述參考無功功率小于所述實際無功功率的情況下，減小所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第五預定閾值。

可選地，所述神經(jīng)網(wǎng)絡包括：BP神經(jīng)網(wǎng)絡。

根據(jù)本發(fā)明的另一個方面，還提供了一種四象限電流源換流器的無功功率控制裝置，包括：第一獲取模塊，用于獲取四象限電流源換流器的參考無功功率和所述四象限電流源換流器的實際無功功率；第二獲取模塊，用于根據(jù)所述參考無功功率獲取第一觸發(fā)角；第三獲取模塊，用于根據(jù)所述實際無功功率與所述參考無功功率的差值獲取第二觸發(fā)角；控制模塊，用于通過調(diào)整第三觸發(fā)角控制所述四象限電流源換流器的無功功率；其中，所述第三觸發(fā)角包括所述第一觸發(fā)角與所述第二觸發(fā)角之和。

可選地，所述第二獲取模塊包括：第一輸入子模塊，用于將所述參考無功功率輸入至神經(jīng)網(wǎng)絡；第一輸出子模塊，用于通過所述神經(jīng)網(wǎng)絡輸出所述第一觸發(fā)角。

可選地，所述第二獲取模塊還包括：訓練子模塊，用于在所述第一輸入子模塊將所述參考無功功率輸入至神經(jīng)網(wǎng)絡之前，通過調(diào)節(jié)所述神經(jīng)網(wǎng)絡的權(quán)值系數(shù)訓練所述神經(jīng)網(wǎng)絡，其中所述權(quán)值系數(shù)為所述神經(jīng)網(wǎng)絡不同層神經(jīng)元之間的連接權(quán)值系數(shù)。

可選地，所述訓練子模塊還包括：獲取單元，用于將多個實際無功功率分別輸入至所述神經(jīng)網(wǎng)絡分別得到多個觸發(fā)角；確定單元，用于將所述多個觸發(fā)角分別與多個預定觸發(fā)角進行比較，得到比較結(jié)果，確定所述比較結(jié)果小于第一預定閾值。

可選地，所述第三獲取模塊包括：第二輸入子模塊，用于將所述差值輸入至比例-積分-微分控制器；第二輸出子模塊，用于通過所述比例-積分-微分控制器輸出所述第二觸發(fā)角。

可選地，所述控制模塊包括：第一控制子模塊，用于在所述參考無功功率大于零，并且所述參考無功功率大于所述實際無功功率的情況下，減小所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第二預定閾值；或者，第二控制子模塊，用于在所述參考無功功率大于零，并且所述參考無功功率小于所述實際無功功率的情況下，增大所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第三預定閾值；或者，第三控制子模塊，用于在所述參考無功功率小于零，并且所述參考無功功率大于所述實際無功功率的情況下，增大所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第四預定閾值；或者，第四控制子模塊，用于在所述參考無功功率小于零，并且所述參考無功功率小于所述實際無功功率的情況下，減小所述第三觸發(fā)角直至所述實際無功功率與所述參考無功功率的差值小于第五預定閾值。

可選地，所述神經(jīng)網(wǎng)絡包括：BP神經(jīng)網(wǎng)絡。

通過本發(fā)明，采用獲取四象限電流源換流器的參考無功功率和四象限電流源換流器的實際無功功率；根據(jù)參考無功功率獲取第一觸發(fā)角；根據(jù)實際無功功率與參考無功功率的差值獲取第二觸發(fā)角；通過調(diào)整第三觸發(fā)角控制四象限電流源換流器的無功功率；其中，第三觸發(fā)角包括第一觸發(fā)角與第二觸發(fā)角之和。解決了現(xiàn)有技術中PID控制無法對四象限電流源換流器無功功率進行大范圍控制，反饋線性化數(shù)學過程復雜以及仿射變換難以求解的問題，通過利用神經(jīng)網(wǎng)絡與PID控制器復合對四象限電流源換流器進行無功功率的控制，能夠?qū)o功功率進行全范圍的控制調(diào)節(jié)，并能有效地應用于不同的場合。

附圖說明

為了更清楚地說明本發(fā)明具體實施方式或現(xiàn)有技術中的技術方案，下面將對具體實施方式或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施方式，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是根據(jù)本發(fā)明實施例的四象限電流源換流器的無功功率控制方法的流程圖；

圖2是根據(jù)本發(fā)明實施例的四象限電流源換流器的拓撲圖；

圖3是根據(jù)本發(fā)明實施例的四象限電流源換流器BP神經(jīng)網(wǎng)絡與PID復合控制結(jié)構(gòu)款圖；

圖4是根據(jù)本發(fā)明實施例的BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖；

圖5是根據(jù)本發(fā)明實施例的四象限電流源換流器無功功率階躍響應仿真曲線圖；

圖6是根據(jù)本發(fā)明實施例的四象限電流源換流器無功功率連續(xù)控制階躍響應仿真曲線圖；

圖7是根據(jù)本發(fā)明實施例的四象限電流源換流器的無功功率控制裝置的一個結(jié)構(gòu)框圖；

圖8是根據(jù)本發(fā)明實施例的第二獲取模塊的一個結(jié)構(gòu)框圖；

圖9是根據(jù)本發(fā)明實施例的第二獲取模塊的另一個結(jié)構(gòu)框圖；

圖10是根據(jù)本發(fā)明實施例的訓練子模塊的結(jié)構(gòu)框圖；

圖11是根據(jù)本發(fā)明實施例的第三獲取模塊的結(jié)構(gòu)框圖；

圖12是根據(jù)本發(fā)明實施例的控制模塊的結(jié)構(gòu)框圖。

具體實施方式

下面將結(jié)合附圖對本發(fā)明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

在本發(fā)明的描述中，需要說明的是，術語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。

此外，下面所描述的本發(fā)明不同實施方式中所涉及的技術特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。

實施例1

神經(jīng)網(wǎng)絡控制模擬人體內(nèi)部神經(jīng)元的工作機理，可以同時處理多輸入多輸出的系統(tǒng)，且可足夠模擬及其復雜的非線性系統(tǒng)，尤其是強大的學習能力和適應不確定的系統(tǒng)。神經(jīng)網(wǎng)絡控制方法的眾多優(yōu)點使其成為當代智能控制理論中的重要篇章。

在本實施例中提供了一種四象限電流源換流器的無功功率控制方法，圖1是根據(jù)本發(fā)明實施例的四象限電流源換流器的無功功率控制方法的流程圖，如圖1所示，該流程包括如下步驟：

步驟S11，獲取四象限電流源換流器的參考無功功率和四象限電流源換流器的實際無功功率；

步驟S12，根據(jù)參考無功功率獲取第一觸發(fā)角，優(yōu)選地，將參考無功功率輸入至神經(jīng)網(wǎng)絡，通過神經(jīng)網(wǎng)絡輸出第一觸發(fā)角；

步驟S13，根據(jù)實際無功功率與參考無功功率的差值獲取第二觸發(fā)角，優(yōu)選地，將該差值輸入至比例-積分-微分控制器，通過比例-積分-微分控制器輸出第二觸發(fā)角；

步驟S14，通過調(diào)整第三觸發(fā)角控制該四象限電流源換流器的無功功率；其中，第三觸發(fā)角為第一觸發(fā)角與第二觸發(fā)角之和。

通過上述步驟，利用神經(jīng)網(wǎng)絡與比例-積分-微分控制器PID控制器復合對四象限電流源換流器進行無功功率的控制。神經(jīng)網(wǎng)絡對系統(tǒng)逆模型的逼近程度較高，能夠?qū)崿F(xiàn)四象限電流源換流器系統(tǒng)的前饋控制，PID控制器則用來消除系統(tǒng)誤差，最終實現(xiàn)電壓電流以及有功無功功率的精確控制。將神經(jīng)網(wǎng)絡輸出的觸發(fā)角作為系統(tǒng)總觸發(fā)角的一部分，將PID控制器輸出的觸發(fā)角作為系統(tǒng)總觸發(fā)角的另一部分，通過調(diào)節(jié)系統(tǒng)總觸發(fā)角，進而達到控制無功功率的目的，解決了現(xiàn)有技術中僅僅采用PID控制無法對四象限電流源換流器無功功率進行大范圍控制，反饋線性化數(shù)學過程復雜以及仿射變換難以求解的問題，通過利用神經(jīng)網(wǎng)絡與PID控制器復合對四象限電流源換流器進行無功功率的控制，能夠?qū)o功功率進行全范圍的控制調(diào)節(jié)，并能有效地應用于不同的場合。

本可選實施例涉及的控制方法是針對基于直流紋波注入技術的四象限電流源換流器而言，利用了本換流器使晶閘管強迫關斷實現(xiàn)-180°～180°變化的特點?；诟綦x變壓器的四象限電流源換流器如圖2所示，主要由三相三繞組隔離變壓器，一對并聯(lián)的晶閘管三相全橋電路以及注入拓撲構(gòu)成。四象限電流源換流器三相三繞組變壓器采用Y-Y-D1連接，通過兩組三相橋連接直流注入電路，通過控制直流電路的注入電流，對交流側(cè)的輸出電流進行調(diào)制。例如，采用12脈波直流注入電流源換流器，其中包括主變壓器，兩組晶閘管三相全橋，直流注入電路，其中變壓器與交流側(cè)相連，晶閘管三相全橋起到交直流變換作用。直流側(cè)接入大電感負載，使得直流電流波形為恒定的直線。直流注入電路將恒定的直流電流調(diào)制成兩路多階梯波電流，分別注入兩個三相全橋中，從而在交流側(cè)合成諧波含量很小的近似正弦波形。

上述神經(jīng)網(wǎng)絡可以是多種形式的神經(jīng)網(wǎng)絡，在一個可選實施例中，可以包括應用較為廣泛的BP神經(jīng)網(wǎng)絡。

如圖3所示，換流器控制系統(tǒng)由BP神經(jīng)網(wǎng)絡與PID控制器并聯(lián)而成，BP神經(jīng)網(wǎng)絡具有良好的非線性逼近能力，用作系統(tǒng)的前饋控制器，逼近換流器動態(tài)逆模型；PID控制器則用作系統(tǒng)反饋控制，用來消除由BP神經(jīng)網(wǎng)絡逼近精度不夠帶來的誤差，同時具有消除系統(tǒng)擾動，增強系統(tǒng)穩(wěn)定性的作用。

為了提高神經(jīng)網(wǎng)絡對四象限電流源換流器逆模型的逼近程度，在一個可選實施例中，將參考無功功率輸入至神經(jīng)網(wǎng)絡，輸出第一觸發(fā)角之前，對神經(jīng)網(wǎng)絡進行訓練，需要說明的是，可以通過多種方式對神經(jīng)網(wǎng)絡進行訓練，例如，通過調(diào)節(jié)該神經(jīng)網(wǎng)絡的權(quán)值系數(shù)訓練該神經(jīng)網(wǎng)絡；其中，該權(quán)值系數(shù)為神經(jīng)網(wǎng)絡不同層神經(jīng)元之間的連接權(quán)值系數(shù)。即，神經(jīng)網(wǎng)絡的訓練就是對權(quán)值系數(shù)的訓練，權(quán)值系數(shù)的訓練到一定程度，神經(jīng)網(wǎng)絡便可以逼近系統(tǒng)逆模型了。

在一個可選實施例中，將多個實際無功功率分別輸入至神經(jīng)網(wǎng)絡分別得到多個觸發(fā)角，將多個觸發(fā)角分別與多個預定觸發(fā)角進行比較，得到比較結(jié)果，確定該比較結(jié)果小于第一預定閾值，從而可以使得訓練之后的神經(jīng)網(wǎng)絡對系統(tǒng)的逼近程度更高，實現(xiàn)對系統(tǒng)的比較精確的前饋控制。

具體地，按上述方法建立BP神經(jīng)網(wǎng)絡，并對BP神經(jīng)網(wǎng)絡進行離線訓練。訓練步驟如下：

步驟1：在實驗或者仿真中，隨機給定四象限電流源換流器觸發(fā)角，利用無功功率測量模塊測得換流器交流側(cè)的無功功率，得到一組訓練樣本{Q₁，α₁}；

步驟2：在0～360°之間隨機改變觸發(fā)角的大小，采集1000對訓練樣本數(shù)據(jù){Q₁，α₁}～{Q₁₀₀₀，α₁₀₀₀}；

步驟3：利用步驟2中給出的1000組樣本數(shù)據(jù)，以采集的無功功率為訓練數(shù)據(jù)輸入，采集的觸發(fā)角為訓練數(shù)據(jù)的參考輸出，采用Levenberg-Marquardt算法對BP神經(jīng)網(wǎng)絡進行離線訓練；

步驟4：將步驟2中的1000對訓練數(shù)據(jù)的每一個輸入Q(k)輸入到神經(jīng)網(wǎng)絡中，得到神經(jīng)網(wǎng)絡的輸出y_out(k)，再根據(jù)神經(jīng)網(wǎng)絡的參考輸出y_ref(k)＝α(k)，計算性能指標函數(shù)的值，即神經(jīng)網(wǎng)絡計算輸出與參考輸出之差的平方均值；k為周期數(shù)；

步驟5：若步驟4中1000組數(shù)據(jù)所得所有E(k)均小于0.01，則訓練完成，否則，返回步驟1重新開始。

本可選實施例所提到的BP神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖4所示，包括1個輸入節(jié)點，5個隱層節(jié)點，1個輸出節(jié)點，是一個三層BP神經(jīng)網(wǎng)絡。BP神經(jīng)網(wǎng)絡各部分參數(shù)如下所示：

(1)BP神經(jīng)網(wǎng)絡輸入層輸入為在實際的系統(tǒng)中輸入為參考無功功率Q；

(2)隱含層活化函數(shù)f(x)取Sigmoid函數(shù)f(x)＝tanh(x)，網(wǎng)絡隱含層的輸入與輸出分別為和其中，代表隱含層權(quán)值系數(shù)，上標(1)(2)(3)各代表輸入、隱含和輸出層；

(3)輸出層輸入為輸出層輸出為由于系統(tǒng)觸發(fā)角α在0～360°之間變化，始終大于或等于0，因此取非負的logsig函數(shù)作為輸出活化函數(shù)為g(x)＝1/(1+e^x)，在實際的系統(tǒng)中，BP神經(jīng)網(wǎng)絡的輸出為系統(tǒng)觸發(fā)角α；

(4)取性能指標函數(shù)為其中，y_ref(k)為系統(tǒng)參考輸出觸發(fā)角，y_out(k)為神經(jīng)網(wǎng)絡計算輸出，該函數(shù)是用作訓練使評估神經(jīng)網(wǎng)絡逼近效果的性能指標，訓練中，當E(k)的值小于0.01時，可認為神經(jīng)網(wǎng)絡對四象限電流源換流器逆系統(tǒng)的逼近已經(jīng)達到一定精度，可以結(jié)束訓練；

(5)權(quán)值系數(shù)的更新使用Levenberg-Marquardt算法，即其中，J為誤差函數(shù)對權(quán)值向量微分的Jacobian矩陣，μ為是可以自行調(diào)節(jié)的非負數(shù)，為原有的權(quán)值，為更新后的權(quán)值。

權(quán)值系數(shù)是不同層神經(jīng)元之間的連接權(quán)值系數(shù)，例如，中，就是權(quán)值，下一層神經(jīng)元的值等于上一層所有神經(jīng)元乘相應的權(quán)值系數(shù)的總和。權(quán)值系數(shù)有一個設定的初始值，然后經(jīng)過(5)中所提公式在訓練中一步一步更新。

按上述方法建立并訓練了神經(jīng)網(wǎng)絡之后，再建立系統(tǒng)的控制器，如圖3所示，控制器的結(jié)構(gòu)與控制過程特征在于：

(1)換流器參考無功值Q_ref作為系統(tǒng)的輸入r_in(k)，連接到BP神經(jīng)網(wǎng)絡的輸入，神經(jīng)網(wǎng)絡輸出為u_n(k)，是系統(tǒng)總觸發(fā)角的一部分；

(2)通過無功測量模塊測得換流器交流側(cè)實際輸出無功功率Q，Q與換流器參考值Q_ref之差為輸出誤差error(k)，輸出誤差連接到PID控制器的輸入端；

(3)PID控制器根據(jù)輸入誤差產(chǎn)生觸發(fā)角變量Δα，經(jīng)過將Δα大小限制在-5°～+5°之間的繼電環(huán)節(jié)，輸出總觸發(fā)角的另一部分u_p(k)；

(4)換流器總觸發(fā)角α＝u(k)＝u_n(k)+u_p(k)，連接到換流器的觸發(fā)角輸入端；

(5)通過以上控制過程得到一組新的BP神經(jīng)網(wǎng)絡訓練參數(shù){Q，un(k)}，根據(jù)上述可選實施例所提訓練步驟，對神經(jīng)網(wǎng)絡進行訓練，以達到越來越精確的控制效果。

上述步驟S14涉及到通過調(diào)整第三觸發(fā)角控制四象限電流源換流器的無功功率，在一個可選實施例中，在參考無功功率大于零，并且參考無功功率大于實際無功功率的情況下，減小第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第二預定閾值。在另一個可選實施例中，在參考無功功率大于零，并且參考無功功率小于實際無功功率的情況下，增大第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第三預定閾值。在另一個可選實施例中，在參考無功功率小于零，并且參考無功功率大于實際無功功率的情況下，增大第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第四預定閾值。在另一個可選實施例中，在參考無功功率小于零，并且參考無功功率小于實際無功功率的情況下，減小第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第五預定閾值。通常情況下，系統(tǒng)觸發(fā)角在+90°附近，當無功功率參考值大于實際值時，無功功率隨觸發(fā)角的增大而減小，需要減小觸發(fā)角，當無功功率參考值小于實際值時，需要增大觸發(fā)角。系統(tǒng)觸發(fā)角在-90°附近，當無功功率參考值大于實際值時，需要增大觸發(fā)角，當無功功率參考值小于實際值時，需要減小觸發(fā)角。

按照上述方法建立和訓練控制器，并在Simulink中進行仿真驗證，仿真結(jié)果如圖5～圖6所示。

圖5第一條曲線四象限電流源換流器無功功率階躍響應仿真曲線，第二條曲線為A相電壓電流仿真曲線。在0～0.8s內(nèi)，無功功率參考值變化了11次，仿真結(jié)果表明，實測無功功率可以快速跟隨參考值的變化，在2個電源周期內(nèi)可以調(diào)整到參考值，并且沒有穩(wěn)態(tài)誤差，因此，本可選實施例所提出的控制策略對無功功率控制具有良好的動態(tài)與穩(wěn)態(tài)相應特性。

圖6第一條曲線四象限電流源換流器無功功率連續(xù)控制響應仿真曲線，第二條曲線A相電壓電流仿真曲線。在0～4s內(nèi)，無功功率參考值以2rad/s的速度呈正弦規(guī)律變化。仿真結(jié)果表明，實測無功功率值能跟參考值的變化，并且沒有穩(wěn)態(tài)誤差。

實施例2

在本實施例中還提供了一種四象限電流源換流器的無功功率控制裝置，該裝置用于實現(xiàn)上述實施例及優(yōu)選實施方式，已經(jīng)進行過說明的不再贅述。如以下所使用的，術語“模塊”可以實現(xiàn)預定功能的軟件和/或硬件的組合。盡管以下實施例所描述的裝置較佳地以軟件來實現(xiàn)，但是硬件，或者軟件和硬件的組合的實現(xiàn)也是可能并被構(gòu)想的。

圖7是根據(jù)本發(fā)明實施例的四象限電流源換流器的無功功率控制裝置的一個結(jié)構(gòu)框圖，如圖7所示，該裝置包括：第一獲取模塊71，用于獲取四象限電流源換流器的參考無功功率和四象限電流源換流器的實際無功功率；第二獲取模塊72，用于根據(jù)參考無功功率獲取第一觸發(fā)角；第三獲取模塊73，用于根據(jù)實際無功功率與參考無功功率的差值獲取第二觸發(fā)角；控制模塊74，用于通過調(diào)整第三觸發(fā)角控制四象限電流源換流器的無功功率；其中，第三觸發(fā)角包括第一觸發(fā)角與第二觸發(fā)角之和。

圖8是根據(jù)本發(fā)明實施例的第二獲取模塊的結(jié)構(gòu)框圖，如圖8所示，第二獲取模塊72包括：第一輸入子模塊721，用于將該參考無功功率輸入至神經(jīng)網(wǎng)絡；第一輸出子模塊722，用于通過該神經(jīng)網(wǎng)絡輸出該第一觸發(fā)角。

圖9是根據(jù)本發(fā)明實施例的第二獲取模塊的另一個結(jié)構(gòu)框圖，如圖9所示，第二獲取模塊72還包括：訓練子模塊723，用于在第一輸入子模塊將參考無功功率輸入至神經(jīng)網(wǎng)絡之前，通過調(diào)節(jié)該神經(jīng)網(wǎng)絡的權(quán)值系數(shù)訓練該神經(jīng)網(wǎng)絡，其中該權(quán)值系數(shù)為該神經(jīng)網(wǎng)絡不同層神經(jīng)元之間的連接權(quán)值系數(shù)。

圖10是根據(jù)本發(fā)明實施例的訓練子模塊的結(jié)構(gòu)框圖，如圖10所示，訓練子模塊723還包括：獲取單元7231，用于將多個實際無功功率分別輸入至神經(jīng)網(wǎng)絡分別得到多個觸發(fā)角；確定單元7232，用于將該多個觸發(fā)角分別與多個預定觸發(fā)角進行比較，得到比較結(jié)果，確定該比較結(jié)果小于第一預定閾值。

圖11是根據(jù)本發(fā)明實施例的第三獲取模塊的結(jié)構(gòu)框圖，如圖11所示，第三獲取模塊73包括：第二輸入子模塊732，用于將該差值輸入至比例-積分-微分控制器；第二輸出子模塊733，用于通過該比例-積分-微分控制器輸出該第二觸發(fā)角。

圖12是根據(jù)本發(fā)明實施例的控制模塊的結(jié)構(gòu)框圖，如圖12所示，控制模塊74還包括：第一控制子模塊741，用于在參考無功功率大于零，并且參考無功功率大于該實際無功功率的情況下，減小第三觸發(fā)角直至實際無功功率與該參考無功功率的差值小于第二預定閾值；或者，第二控制子模塊742，用于在參考無功功率大于零，并且參考無功功率小于實際無功功率的情況下，增大第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第三預定閾值；或者，第三控制子模塊743，用于在參考無功功率小于零，并且參考無功功率大于該實際無功功率的情況下，增大第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第四預定閾值；或者，第四控制子模塊744，用于在參考無功功率小于零，并且參考無功功率小于實際無功功率的情況下，減小第三觸發(fā)角直至實際無功功率與參考無功功率的差值小于第五預定閾值。

可選地，該神經(jīng)網(wǎng)絡包括：BP神經(jīng)網(wǎng)絡。

上述各個模塊的更進一步的功能描述與上述對應實施例相同，在此不再贅述。

綜上所述，通過本發(fā)明提供的一種四象限電流源換流器的無功功率控制方法及裝置，基于四象限電流源換流器的結(jié)合了基于BP神經(jīng)網(wǎng)絡與PID的復合非線性控制方法，通過對BP神經(jīng)網(wǎng)絡的離線訓練以及接入系統(tǒng)的在線學習，使BP神經(jīng)網(wǎng)絡對系統(tǒng)逆模型的逼近程度不斷提高。BP神經(jīng)網(wǎng)絡實現(xiàn)了系統(tǒng)的前饋控制，PID控制器則用來消除系統(tǒng)誤差，最終實現(xiàn)電壓電流以及有功無功功率的精確控制。

本領域內(nèi)的技術人員應明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

顯然，上述實施例僅僅是為清楚地說明所作的舉例，而并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護范圍之中。