沈 虹，張

（1. 燕山大學(xué) 電氣工程學(xué)院，秦皇島 066004；2. 河北省電力電子節(jié)能與傳動控制重點(diǎn)實(shí)驗(yàn)室，秦皇島 066004）

0 引言

隨著非線性電力電子器件、裝置和沖擊性、波動性負(fù)荷在現(xiàn)代工業(yè)中的廣泛應(yīng)用以及各種復(fù)雜、精密、對電能質(zhì)量敏感的用電設(shè)備的不斷普及，人們對電能質(zhì)量要求越來越高，既要防止非線性負(fù)荷對電網(wǎng)的污染，又面臨如何向負(fù)荷提供高質(zhì)量的電能的問題。日本學(xué)者H.Akagi在1996年首次提出統(tǒng)一電能質(zhì)量調(diào)節(jié)器(Unified Power Quality Conditioner — UPQC)的概念，結(jié)合了并聯(lián)型補(bǔ)償裝置和串聯(lián)型補(bǔ)償裝置的功能，不但可以補(bǔ)償諧波電流、無功、三相不平衡，而且可以補(bǔ)償諧波電壓，抑制電壓跌落，提高供電可靠性，被公認(rèn)為是極有發(fā)展前途的一種新型電能質(zhì)量調(diào)節(jié)裝置[5~8]。UPQC的基本拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 統(tǒng)一電能質(zhì)量調(diào)節(jié)器基本拓?fù)浣Y(jié)構(gòu)

一種性能優(yōu)良的UPQC裝置，準(zhǔn)確、實(shí)時的信號檢測是關(guān)鍵的一步。建立在矢量變換基礎(chǔ)上的瞬時無功理論檢測方法在有源濾波技術(shù)中最常用，以之為基礎(chǔ)的一系列改進(jìn)檢測方法也隨之出現(xiàn)[9~13]。針對其多次的坐標(biāo)變換計(jì)算和低通濾波器的精確度不高的問題，本文提出基于PSO- FUZZY控制的信號檢測算法進(jìn)行電壓補(bǔ)償及無功、諧波電流檢測，省卻了原有的矢量變換和低通濾波環(huán)節(jié)，具有計(jì)算簡潔、檢測精度高、補(bǔ)償效果好的特點(diǎn)。

粒子群優(yōu)化 (Particle Swarm Optimization—PSO)是一種基于群智能的全局優(yōu)化方法，能夠在復(fù)雜空間中實(shí)施有效搜索[14~16]。而模糊控制作為一種智能控制方式，其最大優(yōu)點(diǎn)就是不依賴于精確的數(shù)學(xué)模型，針對非線性和大時滯系統(tǒng)具有良好的控制特性。將粒子群優(yōu)化與模糊控制相結(jié)合，利用粒子群優(yōu)化模糊控制器的比例因子和量化因子可以克服以往模糊控制器參數(shù)選取主要依靠專家經(jīng)驗(yàn)，避免較大的主觀性無法獲得全局最優(yōu)的不足。

1 信號檢測

已知標(biāo)準(zhǔn)正弦電壓ura與基波無功電流iq和諧波電流ih之和的乘積在一個基波周期區(qū)間上的積分為零，即

而負(fù)載電流iL包含基波有功電流ip，基波無功電流和諧波電流，即

由此可推出并聯(lián)側(cè)諧波電流的檢測算法。該算法的原理是：

圖2 基于粒子群優(yōu)化的模糊控制器結(jié)構(gòu)

2 粒子群優(yōu)化模糊控制器

2.1 粒子群算法

粒子群優(yōu)化算法是從鳥群的捕食行為中受到啟發(fā)并用于解決優(yōu)化問題的。在粒子群優(yōu)化算法中，每個優(yōu)化問題的解都是d維目標(biāo)搜索空間中的一個粒子，共有m個粒子組成一個群體。每個粒子性能的優(yōu)劣程度取決于待優(yōu)化問題目標(biāo)函數(shù)確定的適應(yīng)值 (Fitness Value)，每個粒子由一個速度決定其飛行的方向和速率的大小，粒子們追隨當(dāng)前的最優(yōu)粒子在解空間中進(jìn)行搜索。粒子群初始化為一群隨機(jī)粒子(隨機(jī)解)，然后通過迭代找到最優(yōu)解。其中，在第t次迭代時粒子i的位置可以表示為Xi(t)=(Xi1(t), Xi2(t),…, Xid(t))，該粒子的飛行速度可以表示為Vi(t)=(Vi1(t), Vi2(t),…, Vid(t))。在每一次迭代過程中，粒子通過跟蹤兩個“極值”來更新自己的速度和位置。第一個就是粒子本身所找到的最優(yōu)解，這個解叫做個體極值pBest，可以表示為Pi(t)=(Pi1(t), Pi2(t),…, Pid(t))；另一個極值是整個種群目前找到的最優(yōu)解，這個極值是全局極值gBest，可以表示為Pg(t)=(Pg1(t), Pg2(t),…, Pgd(t))。

在第t+1次迭代計(jì)算時，粒子i根據(jù)下列規(guī)則來更新自己的速度和位置。

其中，ω為慣性權(quán)重，調(diào)整其值可以改變搜索范圍和搜索速度；c1，c2為學(xué)習(xí)因子，是非負(fù)常數(shù)；r1，r2為[0，1]之間的一個兩個獨(dú)立的隨機(jī)數(shù)，k=1，2，…，d。

為避免粒子在全局最優(yōu)解附近“振蕩”的現(xiàn)象，ω由最大慣性權(quán)重ωmax線性減小到最小慣性權(quán)重ωmax。即

其中，k為當(dāng)前迭代數(shù)；kmax為總迭代數(shù)。

2.2 基于粒子群優(yōu)化模糊控制器

在UPQC運(yùn)行暫態(tài)過程中，PSO及時更新優(yōu)化模糊控制器的3個參數(shù)，具體步驟如下 ：

1）首先將整個解空間分成若干區(qū)域，對每個區(qū)域的速度和位置 ，賦初值，初值在允許范圍內(nèi)隨機(jī)產(chǎn)生，此時個體極值pBest就是初始位置的值；而全局極值gBest為若干區(qū)域中使得e最小的個體極值。同時，該個體極值所在的區(qū)域號被記錄下來。

2）將初值帶入式(7)、(8)中得到新的位置和速度，并檢驗(yàn)適度函數(shù)minθi(e)，找到新的個體極值，并與全局極值比較，若新的個體極值比上一次的全局極值更優(yōu)，則替換為新的全局極值。

3）以此類推，粒子在空間不斷變異尋找最優(yōu)解，每一次的迭代，慣性權(quán)重都是變化的。直到該粒子滿足目標(biāo)函數(shù)，程序中止，此時粒子所在的位置就是模糊控制器3個參數(shù)量化因子ke，kec和比例因子ku的最優(yōu)值。否則，程序回到步驟(2)，繼續(xù)尋找。

3 仿真分析

在相同系統(tǒng)參數(shù)條件下，將提出的基于PSOFUZZY信號檢測算法與廣泛應(yīng)用的基于瞬時無功理論的ip-iq法進(jìn)行MATLAB對比仿真分析。系統(tǒng)仿真模型如圖3所示。

圖3 仿真模型

系統(tǒng)參數(shù)如表1所示。

表1 UPQC電路參數(shù)

PSO算法采用S-函數(shù)編程實(shí)現(xiàn)，其參數(shù)設(shè)置如下：種群總數(shù)為50，每個粒子的維數(shù)為3，c1=c2=2，ωmax=0.95，ωmax=0.1。

圖4(a)、(b)為帶非線性負(fù)載情況下，補(bǔ)償前電源電流及其頻譜。

圖4 補(bǔ)償前波形A相電源電流(A)及頻譜(THD=26.13%)

圖5 采用不同檢測算法的仿真結(jié)果

圖5(a)、(b)分別為采用ip-iq法和本文提出的PSO-FUZZY信號檢測算法仿真獲得的A相電源電流及其頻譜。(c)為電網(wǎng)電壓在0.3s~0.35s時產(chǎn)生閃變，采用PSO-FUZZY信號檢測算法獲得的電源電流波形及頻譜。

對比仿真結(jié)果，仿真波形及總諧波畸變量（THD）均表明建立在矢量變換基礎(chǔ)上的瞬時無功理論檢測方法ip-iq法能夠?qū)崿F(xiàn)無功和諧波的補(bǔ)償，而基于PSO-FUZZY的信號檢測算法在補(bǔ)償電壓電流諧波以及電壓閃變方面更具有良好的動態(tài)性能和補(bǔ)償效果。

4 實(shí)驗(yàn)分析

為驗(yàn)證基于PSO-FUZZY信號檢測算法的可行性和有效性，在實(shí)驗(yàn)樣機(jī)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證。電路參數(shù)與仿真模型中設(shè)置的參數(shù)相同。實(shí)驗(yàn)樣機(jī)如圖6所示。

圖6 實(shí)驗(yàn)樣機(jī)

UPQC補(bǔ)償前實(shí)驗(yàn)波形及數(shù)據(jù)如圖7所示。(a)為電源電流波形，(b)為具體數(shù)據(jù)。

圖7 UPQC補(bǔ)償前電源電流波形和數(shù)據(jù)

UPQC補(bǔ)償后實(shí)驗(yàn)波形及數(shù)據(jù)如圖8所示。(a)為電源電流波形，(b)為具體數(shù)據(jù)。

圖8 UPQC補(bǔ)償前后電網(wǎng)電流及功率測量結(jié)果

5 結(jié)論

系統(tǒng)仿真及實(shí)驗(yàn)結(jié)果表明，采用基于PSOFUZZY信號檢測算法的UPQC能有效地補(bǔ)償非線性負(fù)載產(chǎn)生的諧波。

1）其摒棄了通常采用的矢量變換和低通濾波環(huán)節(jié)，控制思路清晰，計(jì)算過程簡潔。

2）同傳統(tǒng)的瞬時無功理論檢測方法相比，動態(tài)補(bǔ)償效果更好。

3）檢測算法中采用的基于粒子群優(yōu)化模糊控制器，體現(xiàn)了模糊控制不依賴精確的數(shù)學(xué)模型及粒子群全局尋優(yōu)的智能控制特性。

[1] C.Pahmer,G.A.Capolino,H.Henao.Computer-aided design for control method of shunt active filter[C].1994,(1):669-674.

[2] A.Sannino,J.Svensson.A series- connected voltage source converter for voltage sag mitigation using vector control and a filter compensation algorithm [C]. Proc. 2000 IEEE Industry Applications Society Annual Meeting, 2000:2476-2481.

[3] A.Sannino,J.Svensson.Application of converter-based series device for voltage sag mitigation to induction motor load[C].Power Tech Proceedings,2001 IEEE Porto,2001(2):6.

[4] L.H.Tey,P.L.So,Y.C.Chu.Improvement of power quality using adaptive shunt active filter[C].Power Delivery,IEEE Trans.,2005(2):1558-1568.

[5] 萬健如,裴瑋,張國香.統(tǒng)一電能質(zhì)量調(diào)節(jié)器同步無差拍控制方法研究[J].中國電機(jī)工程學(xué)報(bào),2005(13):63-67.

[6] Fujita H,Akagi H.The Unified Power Quality Conditioner:The Integration of Series-and Shunt-active Filters[J].IEEE Trans on Power Electronics,1998,13(2):315-322.

[7] Aredes M,Heumann K,Walandble E H. An Universal Active Power Line Conditioner[J].IEEE Trans on Power Delivery,1998,13(2):545-551.

[8] 巫付專,萬健如,沈虹.基于UPQC主電路容量最小的控制策略的研究[J].電力系統(tǒng)保護(hù)與控制,2010,38(11):1-5.[9] 葉忠明,董伯藩,錢照明.諧波電流的提取方法比較[J].電力系統(tǒng)自動化,1997,21(2):21-25.

[10]趙曉,付青.基于瞬時無功理論的諧波檢測方法研究.現(xiàn)代電子技術(shù), 2006,(6):132-133,141.

[11]王曉鈺,劉進(jìn)軍,何益宏,等.用于通用電能質(zhì)量控制器的一種簡單補(bǔ)償策略和統(tǒng)一控制方法[J].電工技術(shù)學(xué)報(bào),2004.19(12):47-52.

[12]Yasushiro Komatsu,Takao Kawabata.Characteristics of active power filter controlled by the use of extension pq theory [M].Procs.3nd International Power Electronics and Motion Control Conference (IPEMC),2000:359-364.

[13]公茂忠,劉漢奎,顧建軍,等.并聯(lián)型有源電力濾波器參考電流獲取的新方法[J].中國電機(jī)工程學(xué)報(bào),2002,22(9):43-47.

[14]Eberhart R,Kennedy.A new optimizer using particles s warm theory[C].Proc. of the 6th International Symposium on Micro Machine and Human Science, Nagoya, Japan, 1995:39-43.

[15]金義雄,程浩忠,嚴(yán)健勇,等.改進(jìn)粒子群算法及其在輸電網(wǎng)規(guī)劃中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào),2005,25(4):46-50.

[16]Abdelbar A.M.,Abdelshahid,S.,Wunsch,D.C.,II;Fuzzy PSO:a generalization of particle swarm optimization.IJCNN '05.Proceedings,IEEE International Joint Conference,2005(2):1086-1091.