(10)
[0056]將滑模控制器輸入設計為RB巧巾經網絡的輸出
[0化7]
[0化引（4)滑模控制器的控制目標->0,定義網絡誤差E作為RB巧巾經網絡的權值調整 指標，
[0059] 怎=茲（12)
[0060] 網絡權值wj調整方式為
[0066] 基于RB巧巾經網絡和指數趨近律的滑模控制器結構如圖4所示。
[0067] (5)根據目標變量的物理含義給出系統狀態變量的期望值
[0070]并通過空間矢量控制(SVPWM)得到串聯側和并聯側換流器的觸發信號，SVPWM技術 已經較為成熟，此處不再寶述。并聯側和串聯側控制原理框圖如圖5和圖6所示。
[0071 ]如圖7為兩機雙線含UPFC輸電系統拓撲結構。在MATLAB中建立電磁暫態仿真模型， 根據W上控制方法搭建控制器模塊及一次系統仿真模型，仿真中設置不同的擾動來校驗控 制器的穩定性。選擇不同的系統運行情況進行電磁暫態仿真，擾動后系統響應情況如圖8~ 11所示。
[0072]通過控制效果的對比可W看出：在系統控制結構和系統運行點不發生改變的情況 下，基于神經網絡滑模控制的UPFC控制方法相比傳統的控制方法效果相當，都能對系統提 供較大阻尼，快速達到控制目標期望值，提高系統的安全穩定性能；當在系統控制結構或系 統運行點發生改變時，由于基于神經網絡滑模控制的UPFC控制方法自適應的優點，所W基 于神經網絡滑模控制的UPFC控制方法的效果明顯優于其他方法，說明基于神經網絡滑模控 制的UPFC控制方法對系統具有更好的適應性，魯棒性較好，甚至在系統具有延遲W及系統 模型結構和參數不確定的情況下也具有很好的控制效果。
[0073] 本發明統一潮流控制器化PFC)是作為第Ξ代新型FACTS技術，可W分別或同時實 現并聯補償、串聯補償、移相和端電壓調節等4種基本控制功能。通過合理的控制策略，可W 實現有功、無功功率的獨立控制，提高線路的輸送能力，實現系統的優化運行；另外，在動態 特性上面，通過合理的無功補償控制策略控制并網點電壓，提高系統電壓穩定性，輔W其他 控制策略可W實現改善系統阻尼特性提高功角穩定性的功能，對整個電力系統的安全穩定 運行具有重要的現實意義。
[0074] 此外，本發明提出了基于神經網絡滑模控制的UPFC控制方法，該方法利用針對并 聯側和串聯側換流器，在矢量控制的基礎上，構建了換流器并聯側和串聯側狀態空間，采用 徑向基函數(RBF)神經網絡算法，對隱含層節點中屯、、節點寬度和網絡權值采用基于經典梯 度下降算法的動量因子法進行調整，由RB巧巾經網絡對滑模面進行調整，該方法能夠實現滑 動模態的全過程自適應控制，消除滑模控制對外部參數的敏感性，實現有功、無功功率的解 禪控制，抑制在系統擾動時后的振蕩，快速逼近系統運行的目標值，并且結構簡單運行可 靠，同時具有很好的適應性和魯棒性。本成果彌補了國內在運一領域的空白，也為統一潮流 控制器穩定控制系統的改進提供了必要的技術支持和有利參考。
[0075] W上顯示和描述了本發明的基本原理和主要特征和本發明的優點。本行業的技術 人員應該了解，本發明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發明的原理，在不脫離本發明精神和范圍的前提下，本發明還會有各種變化和改進，運些變 化和改進都落入要求保護的本發明范圍內。本發明要求保護范圍由所附的權利要求書及其 等效物界定。
【主權項】
1. 基于神經網絡滑模控制的UPFC控制方法，其特征在于，其包括以下步驟： (1) 利用矢量控制的方法和坐標變換的方法對已建立的系統數學模型進行解耦，從而 得到便于滑模變結構控制的系統狀態方程； (2) 采用基于指數趨近律的滑模變結構控制器，根據系統誤差構造滑模切換函數，選擇 滑模控制器參數； (3) 將切換函數作為RBF神經網絡的輸入，滑模控制器輸入作為RBF神經網絡的輸出，構 造基于高斯函數的RBF神經網絡； (4) 設計神經網絡的誤差，選擇神經網絡的學習指標，采用隨機梯度法加上動量修正項 的方法，得到各個參數的修正公式； (5) 根據目標變量的物理含義測量計算并輸出系統狀態變量的目標期望值作為控制信 號，并通過空間矢量控制得到串聯側和并聯側換流器的觸發信號。2. 根據權利要求書1所述的基于神經網絡滑模控制的UPFC控制方法，其特征在于，所述 步驟（1)中，以滑模變結構控制為基礎的干擾觀測器需要在解耦的系統狀態空間中進行控 制，利用坐標變換方法分別建立兩相旋轉坐標系下并聯側和串聯側系統狀態方程分別如 下：其中：iEd、iEq、iBq、iBd是狀態變量，111(]、1^、咖、1^是控制器輸入； Le和Re表示UPFC并聯變壓器以及所連接電抗的等效電感和電阻，iEd和iEq分別為UPFC并 聯側輸出電流坐標分量，usd和叫分別為電網送端母線電壓，uld和mq為UPFC并聯變流器的輸 出電壓； Lb和Rb分別表示UPFC串聯變壓器所連接電抗的等效電感和電阻，iBd和iBq分別表示線路 及UPFC串聯側流過的電流坐標分量，u2d和u2q為UPFC串聯變流器的輸出電壓，_和_分別為 串聯換流器的交流側輸出電壓，ω表示角頻率； 將ω LEiEq+Usd和-ω LEiEd+Usq分別作為輸入的前饋補償，則iEd和iEq是解親的，利用矢量 控制的方法分別建立并聯側和串庇_一階玄祐仲太自丨句卡'班4別如下：其中，Xl = iEd，X2 = iEq，Ul = ( ω LEiEq+Usd_Uld)/LE，U2 = (_ω LEiEd+Usq_Ulq)/LE，X3 = iBd，X4 = iBq，U3= ( ω LBiBq+UBd+U2d)/LB，U4= (_ω LBiBd+UBq+U2q)/LB。3. 根據權利要求書2所述的基于神經網絡滑模控制的UPFC控制方法，其特征在于，所述 步驟(2)中，滑模切換函數為： s = Ce (6) s. - -? _ ks 其中：C，e，k均為控制器參數并且滿足(:^上^^&纟分別表示滑模切換函數和一階滑 模切換函數導數。4. 根據權利要求書3所述的基于神經網絡滑模控制的UPFC控制方法，其特征在于，所述 步驟(3)中，構造基于高斯函數的三層RBF神經網絡，在RBF網絡結構中，X = [ Χ1，χ2，…χη]τ為 網絡的輸入向量； 設RBF網絡的徑向基向量!1=[111，112，-乜]7，其中11」為高斯基函數， V ! J其中:m為隱含層神經元個數，網絡第j個節點的中心向量Cj = [Cjl，Cj2，…Cjm]T 設網絡的基寬向量為 B= [bi,b2, ???bm]1 (8) 其中:bj為節點j的基寬參數，bj>0;RBF網絡的權向量為： ff= [W1,W2, ·-·?ιιι]Τ (9) RBF網絡的輸出為： ym = Wlhl+W2h2+."+Wmhm (10) 將滑模控制器輸入作為RBF神經網絡的輸出滑為： V.. J5. 根據權利要求書3所述的基于神經網絡滑模控制的UPFC控制方法，其特征在于，所述 步驟(4)中，得到各個參數的修正公式方法如下； 滑模控制器的控制目標d 4 0:，定義網絡誤差E作為RBF神經網絡的權值調整指標： K=：si (12) 網絡權值Wj調整方式為：其中:n>〇為神經網絡的學習率； 由i jv ^ / 則RBF網絡權值學習算法為：6. 根據權利要求書3所述的基于神經網絡滑模控制的UPFC控制方法，其特征在于，所述 步驟(5)中，根據目標變量的物理含義測量計算并輸出系統狀態變量的目標期望值為： Δα./.q 其中，i、&分別代表線路及UPFC串聯側流過的電流坐標分量的目標值，P%(f分別代 表線路流過有功和無功功率目標值。
【專利摘要】本發明提出了一種基于神經網絡滑模控制的UPFC控制方法，該方法利用針對并聯側和串聯側換流器，在矢量控制的基礎上，構建了換流器并聯側和串聯側狀態空間，采用徑向基函數(RBF)神經網絡算法，對隱含層節點中心、節點寬度和網絡權值采用基于經典梯度下降算法的動量因子法進行調整，由RBF神經網絡對滑模面進行調整，該方法能夠實現滑動模態的全過程自適應控制，消除滑模控制對外部參數的敏感性，實現有功、無功功率的解耦控制，抑制在系統擾動時后的振蕩，快速逼近系統運行的目標值，并且結構簡單運行可靠，同時具有很好的適應性和魯棒性。本發明彌補了國內在這一領域的空白，也為統一潮流控制器穩定控制系統的改進提供了必要的技術支持和有利參考。
【IPC分類】G05B13/04
【公開號】CN105629730
【申請號】CN201610018349
【發明人】衛鵬, 劉建坤, 周前
【申請人】江蘇省電力公司電力科學研究院, 國家電網公司
【公開日】2016年6月1日
【申請日】2016年1月12日