電力系統(tǒng)諧波抑制的仿真研究

]。2.基于傅氏變換的頻域分析法這種方法是基于傅立葉變換的。傅立葉變換一直是信號(hào)處理領(lǐng)域中應(yīng)用最廣泛、最有效的分析方法。用它變換非正弦連續(xù)時(shí)間周期函數(shù)也是諧波分析最基本、最常用的方法。該方法計(jì)算一個(gè)采集周期的電流值或電壓值。利用傅立葉反變換，可以對(duì)電流中的諧波個(gè)數(shù)、各諧波的振幅和相位系數(shù)進(jìn)行補(bǔ)償，通過(guò)待消諧波分量得到所需的誤差信號(hào)。信號(hào)[21]。該方法的缺點(diǎn)是需要一定的時(shí)間采樣和兩次變換，計(jì)算量大，實(shí)時(shí)性差。因此，該方法主要用于離線諧波分析，目前很難實(shí)現(xiàn)所需的在線信號(hào)檢測(cè)與分析。而且傅立葉變換只是一種純頻域的分析方法，它在頻域的定位性是完全正確的，而在時(shí)域無(wú)任何定位性。由于頻域理論存在上述較嚴(yán)重的缺陷，隨著電力系統(tǒng)諧波檢測(cè)要求的提高以及新的諧波檢測(cè)方法日益成熟，該方法己不再應(yīng)用。3.1.2基于神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方法神經(jīng)網(wǎng)絡(luò)（NeuralNetwork-NN）的研究始于1943年，經(jīng)過(guò)D.O.Hebb,F.Rosenblatt,B.Window和J.Jhopfield等人對(duì)學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)模型的不斷改進(jìn)，使神經(jīng)網(wǎng)絡(luò)不斷發(fā)展，尤其是Webos的多層前饋網(wǎng)絡(luò)的反向傳播算法（BackPropagation一一BP算法）的提出，給神經(jīng)網(wǎng)絡(luò)的研究和在實(shí)際中應(yīng)用帶來(lái)了希望。近年來(lái)，又出現(xiàn)了許多模型和算法，在自適應(yīng)濾波、預(yù)測(cè)和模式識(shí)別中有所應(yīng)用。同時(shí)，人工神經(jīng)網(wǎng)絡(luò)（AtificialNeuralNetwork-ANN）的興起也給電力諧波測(cè)量提供了一種新的研究途徑。人工神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)系統(tǒng)，它由一些基本單元組成，這些基本單元稱為神經(jīng)元，它們按照一定的規(guī)則相互連接。它具有信息的分布式存儲(chǔ)、大規(guī)模并行處理、自適應(yīng)和自學(xué)習(xí)能力等基本特征[22]。對(duì)于有源電力濾波器，我們不想檢測(cè)每個(gè)諧波分量，而是要了解總諧波。因此，可以綜合考慮基于噪聲抵消原理的自適應(yīng)檢測(cè)方法與神經(jīng)網(wǎng)絡(luò)的結(jié)合，得到基于神經(jīng)網(wǎng)絡(luò)的諧波電流檢測(cè)方法，即自適應(yīng)檢測(cè)方法。該方法用神經(jīng)網(wǎng)絡(luò)代替自適應(yīng)濾波器，然后利用網(wǎng)絡(luò)的快速動(dòng)態(tài)響應(yīng)特性改進(jìn)了自適應(yīng)諧波檢測(cè)方法。伴隨著神經(jīng)網(wǎng)絡(luò)的研究，這種檢測(cè)方法也得到了不斷的改進(jìn)。近年來(lái)，國(guó)內(nèi)外應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行諧波檢測(cè)的相關(guān)研究文獻(xiàn)迅速增加，并取得了一些工程應(yīng)用成果。3.2APF的控制策略APF的控制策略又稱PWM變流器的控制策略，因?yàn)锳PF實(shí)際就是通過(guò)PWM變流器輸出補(bǔ)償電流。由于有源濾波器的輸出電流包括高次諧波和暫態(tài)電流，要求實(shí)際輸出電流對(duì)指令電流具有較高的跟蹤能力。當(dāng)有源濾波器的主電路和控制對(duì)象確定后，輸出電流的控制方法將對(duì)有源濾波器的性能和效率產(chǎn)生重要影響。因此，PWM變換器的控制是有源電力濾波器的另一個(gè)關(guān)鍵技術(shù)。它包括兩個(gè)方面：（1）保證逆變器輸出電流精確并具有實(shí)時(shí)性；（2）能控制直流側(cè)儲(chǔ)能電容的充放電，使電容兩端電壓保持穩(wěn)定。下面將對(duì)這兩方面的控制策略分別進(jìn)行研究。3.2.1控制策略的選擇PWM變換器的控制方法可分為電壓閉環(huán)反饋控制和電流閉環(huán)反饋控制兩類(lèi)。電壓閉環(huán)反饋控制的優(yōu)點(diǎn)是基本能滿足穩(wěn)定和電壓控制精度的要求，但缺點(diǎn)是動(dòng)態(tài)特性不好；電流閉環(huán)反饋控制穩(wěn)定性好，控制精度高，動(dòng)態(tài)響應(yīng)速度快。所以基于APF對(duì)實(shí)時(shí)性的要求，本文采用電流閉環(huán)反饋控制方法。目前，實(shí)際應(yīng)用于APF的電流控制方法有兩類(lèi)，即滯環(huán)電流控制方法和三角波電流控制方法。兩者各有優(yōu)缺點(diǎn)：前者硬件電路簡(jiǎn)單，容易實(shí)現(xiàn)；控制效果對(duì)系統(tǒng)參數(shù)變化的魯棒性強(qiáng)；精度較高且響應(yīng)快，但開(kāi)關(guān)頻率可能波動(dòng)很大；而后者開(kāi)關(guān)頻率恒定，裝置安全性較高，但響應(yīng)較慢，精度較低。APF系統(tǒng)對(duì)補(bǔ)償?shù)膶?shí)時(shí)性、精確性要求較高，出于這方面的考慮，在上述兩種控制策略中，本文選用滯環(huán)比較法。同時(shí)，由于我們選用APF與LC相串連后再與系統(tǒng)并聯(lián)的結(jié)構(gòu)，APF的容量可以顯著降低。在PWM變流器中開(kāi)關(guān)元件選用IGBT，可以彌補(bǔ)滯環(huán)比較控制方法對(duì)開(kāi)關(guān)頻率要求較高的缺點(diǎn)。3.2.2滯環(huán)比較法原理為說(shuō)明問(wèn)題的方便，本文以單相控制為例來(lái)分析滯環(huán)控制PWM調(diào)制方式實(shí)現(xiàn)電流跟蹤的原理，如圖3-5。該方法原理為：檢測(cè)電路檢測(cè)的電流信號(hào)與實(shí)際的補(bǔ)償電流信號(hào)進(jìn)行比較，兩者之間的偏差是遲滯比較器的輸入。通過(guò)滯環(huán)比較器產(chǎn)生控制主電路的PWM的信號(hào)，用于驅(qū)動(dòng)相應(yīng)橋臂的上下開(kāi)關(guān)裝置，從而實(shí)現(xiàn)對(duì)電流的控制。圖3-5滯環(huán)控制PWM方式電流跟蹤原理圖3-6滯環(huán)比較器的傳輸特性在圖3-5中，起主要作用的是滯環(huán)比較器，其傳輸特性如圖3-6所示。是滯環(huán)比較器的閥值，通過(guò)對(duì)的設(shè)置使誤差信號(hào)△i。限制在范圍內(nèi)。將誤差信號(hào)△ic作為滯環(huán)比較器的輸入，滯環(huán)比較器的狀態(tài)輸出作為PWM信號(hào)發(fā)生器的輸入，產(chǎn)生PWM控制信號(hào)去驅(qū)動(dòng)開(kāi)關(guān)元件。在圖3-6中，HL為邏輯函數(shù)，是滯環(huán)比較器的輸出。當(dāng)時(shí)，HL上跳；當(dāng)時(shí)，HL下跳；當(dāng)時(shí)，HL保持原值。圖3-7展示了滯環(huán)控制PWM電流跟蹤原理的具體工作流程：當(dāng)電流誤差達(dá)到誤差上限時(shí)，控制信號(hào)使下管通電，增加實(shí)際電流，減小電流誤差，返回誤差極限；在T上相反，上管通電，使實(shí)際電流增大回到誤差極限。這樣，通過(guò)改變開(kāi)關(guān)器件的開(kāi)關(guān)狀態(tài)，可以將變換器的誤差控制在誤差范圍內(nèi)。跟蹤的結(jié)果是輸出電流在指令電流周?chē)输忼X狀變化。這里，由于滯環(huán)比較器的閥值大不是固定的，所以電流的跟蹤誤差是固定的，其值越小，誤差越小，跟蹤能力越好。但是，的大小也決定著開(kāi)關(guān)元件的工作頻率。由圖3-7可知，的大小決定了t1，t2的大小，越大，t1，t2就越大。同時(shí)，開(kāi)關(guān)元件的開(kāi)關(guān)頻率又由t1+t2決定，所以，越大，開(kāi)關(guān)頻率越低，開(kāi)關(guān)損耗越小。可見(jiàn)，減小電流跟蹤誤差與降低開(kāi)關(guān)損耗是相矛盾的，要綜合考慮。實(shí)際工程中，在跟蹤誤差允許范圍內(nèi)，為了降低開(kāi)關(guān)器件的工作頻率，可以將設(shè)計(jì)成隨大小而自動(dòng)調(diào)節(jié)的。圖3-7滯環(huán)比較器輸出及PWM信號(hào)產(chǎn)生原理除了上述滯環(huán)電流控制方法和三角波電流控制方法外，還有一種控制方法——無(wú)差拍控制方法，這是一種全數(shù)字控制技術(shù)。其優(yōu)點(diǎn)是動(dòng)態(tài)響應(yīng)很快，易于計(jì)算機(jī)執(zhí)行。但缺點(diǎn)是對(duì)系統(tǒng)參數(shù)依賴性較大、魯棒性較差、瞬態(tài)響應(yīng)的超調(diào)量大、計(jì)算的實(shí)時(shí)性強(qiáng)、對(duì)硬件要求高。這種方法還處在研究的階段，實(shí)際中沒(méi)有應(yīng)用。

第四章有源電力濾波器的仿真分析4.1單相整流電路仿真本章在簡(jiǎn)化系統(tǒng)結(jié)構(gòu)，并不影響說(shuō)明問(wèn)題的基礎(chǔ)上，采用單相電路進(jìn)行分析。圖4-1是單相橋式整流電路仿真模型。其中，電源電壓為220V，頻率為50Hz，電網(wǎng)阻抗為1S2+1mH，負(fù)載電阻為10S2，整流電容為1500uF。圖4-1單相橋式整流電路仿真模型對(duì)圖4-1進(jìn)行仿真，從示波器Scope中得到的電流波形如圖4-2所示.圖4-2電源側(cè)電流側(cè)波形將圖4-2中的電流波形與理想的正弦波形進(jìn)行比較，可以看出電流已經(jīng)被扭曲。畸變電流是由非線性負(fù)載不可控整流橋產(chǎn)生的。當(dāng)非線性負(fù)載越多，電流畸變的程度愈大，甚至出現(xiàn)波形為方波的畸變電流。4.2APF檢測(cè)和控制系統(tǒng)仿真在本節(jié)針對(duì)前面所述的基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)諧波檢測(cè)方法和控制系統(tǒng)進(jìn)行設(shè)計(jì)和仿真。通過(guò)仿真，驗(yàn)證徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)輸入信號(hào)的跟蹤能力和構(gòu)造的檢測(cè)方法對(duì)諧波的檢測(cè)效果；驗(yàn)證控制系統(tǒng)的有效性。4.2.1檢測(cè)系統(tǒng)仿真關(guān)于檢測(cè)環(huán)節(jié)的仿真方法，本文使用了第二章提出的基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)諧波電流檢測(cè)方法，并在Simulink的神經(jīng)網(wǎng)絡(luò)工具箱來(lái)完成此次仿真。設(shè)輸入向量為P=220sin（314t）（t為采樣點(diǎn)），目標(biāo)向量T=11sin（314t），誤差指標(biāo)goal=0.001。應(yīng)用newrb進(jìn)行RBF網(wǎng)絡(luò)設(shè)計(jì)，采用迭代法設(shè)計(jì)了RBF網(wǎng)絡(luò)。每次迭代添加一個(gè)神經(jīng)元，直到平方和誤差低于誤差或神經(jīng)元數(shù)量達(dá)到最大值。運(yùn)行得到的誤差變化曲線和結(jié)果如圖4-3所示。圖4-3誤差變化曲線和結(jié)果從圖4-3可知，RBF神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)21次迭代就可使網(wǎng)絡(luò)的誤差達(dá)到要求，也就是RBF網(wǎng)絡(luò)有21個(gè)神經(jīng)元。為了與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行比較，利用相同的數(shù)據(jù)，即神經(jīng)網(wǎng)絡(luò)，構(gòu)建一個(gè)兩層前向BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，隱層神經(jīng)元的傳遞函數(shù)為tansig，輸出層的傳遞函數(shù)為purelin，訓(xùn)練時(shí)使用的訓(xùn)練函數(shù)為traingdm（動(dòng)量梯度下降反向傳播算法），學(xué)習(xí)率為0.05，誤差指標(biāo)為0.001，應(yīng)用函數(shù)newff（）創(chuàng)建一個(gè)新的前向神經(jīng)網(wǎng)絡(luò)，并應(yīng)用函數(shù)train（）對(duì)其進(jìn)行訓(xùn)練，運(yùn)行得到的誤差變化曲線和結(jié)果如圖4-4所示。由圖4-4可知，BP神經(jīng)網(wǎng)絡(luò)需要584次迭代才能達(dá)到要求的精度。從誤差變化曲線可以看出，在訓(xùn)練的初始階段，誤差會(huì)迅速下降，然后緩慢下降。如果初始權(quán)值選取不合理，還會(huì)使網(wǎng)絡(luò)陷入極小值點(diǎn)，在誤差達(dá)不到要求時(shí)達(dá)到恒值，使訓(xùn)練失敗。圖4-4BP網(wǎng)絡(luò)誤差變化曲線和結(jié)果對(duì)比圖4-3和圖4-4可以看出，在同樣的誤差精度要求下，RBF神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)大大少于網(wǎng)絡(luò)的迭代次數(shù)，大大節(jié)省了訓(xùn)練時(shí)間。同時(shí)，對(duì)比兩途的誤差變化曲線可以看出，RBF網(wǎng)絡(luò)在一定神經(jīng)元后會(huì)使網(wǎng)絡(luò)誤差快速下降到要求以下。利用Gensim函數(shù)將所設(shè)計(jì)的RBF神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)化為相應(yīng)的Simulink形式，從而實(shí)現(xiàn)了RBF神經(jīng)網(wǎng)絡(luò)的可視化仿真。經(jīng)gensim函數(shù)轉(zhuǎn)換后得到的設(shè)計(jì)好的模塊如圖4-5所示。圖4-5RBF神經(jīng)網(wǎng)絡(luò)模塊圖4-5中NeuralNetwork模塊的內(nèi)部詳細(xì)結(jié)構(gòu)如圖4-6所示。圖4-6RBF神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)圖4-6是所設(shè)計(jì)的RBF神經(jīng)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)圖。圖4-6中上面是徑向基層，神經(jīng)元函數(shù)為Gauss函數(shù)，加權(quán)函數(shù)為dist，輸入函數(shù)為netprod;下面的是線性層，傳遞函數(shù)為純線性函數(shù)purelin，加權(quán)函數(shù)為dotprod，輸入函數(shù)為netsumo隱層與輸出層之間的權(quán)值如圖4-7所示。圖4-7RBF神經(jīng)網(wǎng)絡(luò)權(quán)值將圖4-5中的輸入模塊換成輸入的信號(hào)源就可以進(jìn)行在線仿真。如圖4-8所示，輸入模塊換成正弦波電壓信號(hào)，幅值為220。進(jìn)行仿真，用示波器Scope和y（1）分別觀察神經(jīng)網(wǎng)絡(luò)的輸入與輸出，得到如圖4-9所示的波形。圖4-8在線仿真模型圖4-9BRF輸入輸出波形與圖4-9的輸入（頂部）和輸出（底部）相比，我們可以看到RBF神經(jīng)網(wǎng)絡(luò)的輸出波形與輸入波形大致相同，RBF神經(jīng)網(wǎng)絡(luò)的振幅也符合我們的預(yù)期要求。將設(shè)計(jì)好的RBF神經(jīng)網(wǎng)絡(luò)，與噪聲對(duì)消原理相結(jié)合構(gòu)成諧波檢測(cè)環(huán)節(jié)，仿真結(jié)構(gòu)模型如圖4-10所示。圖4-10諧波檢測(cè)環(huán)節(jié)模型圖4-10中，神經(jīng)網(wǎng)絡(luò)的輸入為220sin（314t）；待檢測(cè)源信號(hào)是頻率為50Hz，幅值為10的方波；gain模塊相當(dāng)于LMS算法中的，這里取0.7，它將影響系統(tǒng)的收斂速度；1/z為一個(gè)滯后環(huán)節(jié)；Scope顯示諧波信號(hào)，scope4顯示RBF神經(jīng)網(wǎng)絡(luò)的輸出。模塊DotProduct、模塊Gain、模塊UnitDelay組合，實(shí)現(xiàn)對(duì)權(quán)值的在線調(diào)整。對(duì)圖4-10進(jìn)行仿真，得到的輸出波形如圖4-11所示。圖4-11輸出諧波波形圖4-11中，上面的是RBF神經(jīng)網(wǎng)絡(luò)輸入的電壓信號(hào)波形，下面的是檢測(cè)系統(tǒng)輸出的電流波形?？梢?jiàn)，在大約半個(gè)周期后就能得到穩(wěn)定的諧波輸出波形，這個(gè)延遲是RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行權(quán)值調(diào)整的過(guò)程。當(dāng)待檢測(cè)源信號(hào)發(fā)生突變時(shí)，即方波信號(hào)發(fā)生突變，我們看一下檢測(cè)系統(tǒng)輸出的變化情況。設(shè)方波信號(hào)在t=0.06s時(shí)，幅值由10變?yōu)?。其仿真所得到的波形如圖4-12所示。圖4-12有突變時(shí)的檢測(cè)輸出波形圖4-12中，上面的是RBF神經(jīng)網(wǎng)絡(luò)輸出電流波形，下面的是檢測(cè)系統(tǒng)輸出的諧波電流波形；因此，在方波信號(hào)突變后，RBF神經(jīng)網(wǎng)絡(luò)和諧波輸出波形在1.5個(gè)周期后能跟蹤穩(wěn)定的波形，表明該檢測(cè)方法具有良好的動(dòng)態(tài)特性。當(dāng)方波信號(hào)與正弦信號(hào)之間存在一定的相位差時(shí)，即相當(dāng)于我們所說(shuō)的電流中含有無(wú)功電流成份，得到的波形如圖4-13所示。圖4-13方波與正弦波之間有偏差諧波波形從RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)到噪聲抵消原理的結(jié)合，構(gòu)建了整個(gè)諧波檢測(cè)系統(tǒng)。仿真結(jié)果表明，基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)諧波電流檢測(cè)方法對(duì)信號(hào)具有快速跟蹤能力，適合于實(shí)時(shí)諧波檢測(cè)。4.2.2控制系統(tǒng)仿真對(duì)控制系統(tǒng)的仿真包括兩方面的內(nèi)容，一是對(duì)滯環(huán)電流控制進(jìn)行仿真，二是應(yīng)用PI控制實(shí)現(xiàn)直流側(cè)電容電壓的穩(wěn)定。1.滯環(huán)電流控制仿真根據(jù)第三章所論述的滯環(huán)電流控制原理，在Matlab/Simulink環(huán)境下進(jìn)行模型設(shè)計(jì)，得到的仿真模型如圖4-14所示圖4-14滯環(huán)申流控制模型在上圖4-14所示的模型中，理論上，通過(guò)控制脈寬調(diào)制可以產(chǎn)生任意波形。在這里，我們使用正弦信號(hào)作為參考輸入電壓模型，在增益K轉(zhuǎn)換后得到輸入電流信號(hào)。將該電流信號(hào)與檢測(cè)到的轉(zhuǎn)換器輸出電流信號(hào)進(jìn)行比較。結(jié)果作為遲滯比較器的輸入。控制信號(hào)通過(guò)PWM信號(hào)發(fā)生器模塊產(chǎn)生，以驅(qū)動(dòng)開(kāi)關(guān)元件。為了進(jìn)行比較，轉(zhuǎn)換器的輸出電流通過(guò)增益k得到電壓信號(hào)。它與基準(zhǔn)輸入電壓和誤差信號(hào)在同一個(gè)示波器上輸出。調(diào)整k和k的值，使波形的大小相等。他的輸出波形如圖4-15所示。圖4-15滯環(huán)電流控制輸出波形從圖4-15中可以看出，輸出與輸入波形基本一致，存在的誤差在1V以內(nèi)，可見(jiàn)，滯環(huán)電流控制方法的跟蹤能力是很好的。2.電容電壓控制仿真設(shè)電容電壓給定值為Ud=300V，電容值C=2000uF，充電基波電流幅值IS、為20A,k=25；用所給參數(shù)，并根據(jù)第三章在分析電容電壓控制時(shí)所給的公式（3-24）計(jì)算出圖3-8中的參數(shù)KZ=833.3；圖3-8中K1的選擇要根據(jù)AD轉(zhuǎn)換時(shí)電壓檢測(cè)環(huán)節(jié)的增益和DA轉(zhuǎn)換環(huán)節(jié)的增益來(lái)確定，設(shè)前者為0.003，后者為1，則Kl=0.003。得到的電容電壓閉環(huán)PI控制模型如圖4-16所示。圖4-16電容電壓PI閉環(huán)控制模型為了提高動(dòng)態(tài)響應(yīng)速度，減少電壓快速變化引起的超調(diào)量，應(yīng)合理選擇PID控制器的參數(shù)。在仿真模型圖4-16中，PID控制器的參數(shù)設(shè)置為比例系數(shù)20，積分系數(shù)k;為90，微分系數(shù)ka為0。仿真所得到的曲線如圖4-17所示。圖4-17電容充電過(guò)程圖4-17是當(dāng)電容初始電壓為零時(shí)，對(duì)電容充電過(guò)程。電容電壓從OV上升到300V所需時(shí)間不到0.005s，可見(jiàn)動(dòng)態(tài)響應(yīng)很快。然后，當(dāng)有干擾時(shí)，系統(tǒng)如何控制電容電壓？圖4-16中的脈沖發(fā)生器在0.02s時(shí)向系統(tǒng)增加一個(gè)SOV階躍信號(hào)，仿真結(jié)果如圖4-18所示。。圖4-18有干擾時(shí)的控制輸出這里的超調(diào)量約為27%，響應(yīng)時(shí)間約為1s，即在1s內(nèi)就能使電壓達(dá)到穩(wěn)定。當(dāng)改變PID系數(shù)時(shí)，將使超調(diào)量和響應(yīng)時(shí)間改變。例如，將比例系數(shù)設(shè)為60，積分系數(shù)設(shè)為90，微分系數(shù)設(shè)為。，得到如圖4-19的輸出。圖4-19改變PID參數(shù)后輸出對(duì)比圖4-18和4-19，我們可以看到超調(diào)和響應(yīng)時(shí)間都發(fā)生了變化。過(guò)沖從27%降低到9.3%，但響應(yīng)時(shí)間從約為2.1秒增加到約2.1秒。因此，在實(shí)際應(yīng)用中，應(yīng)根據(jù)實(shí)際情況綜合考慮超調(diào)量和響應(yīng)時(shí)間，合理匹配PID控制器的參數(shù)，使兩者均能滿足要求。結(jié)合上述檢測(cè)和控制環(huán)節(jié)，利用第二章主電路參數(shù)計(jì)算公式，合理選擇主電路元件，并結(jié)合上述檢測(cè)和控制環(huán)節(jié)，可構(gòu)成完整的有源電力濾波器系統(tǒng)。

結(jié)語(yǔ)諧波是影響電能質(zhì)量的主要因素，諧波治理的意義可以上升到治理環(huán)境污染的高度，對(duì)于諧波的治理已經(jīng)成為電力“綠色環(huán)保”的重要標(biāo)志。本文在對(duì)電網(wǎng)諧波污染現(xiàn)狀進(jìn)行討論的基礎(chǔ)上，詳細(xì)分析了諧波的產(chǎn)生和危害，抑制諧波的措施和諧波含量標(biāo)準(zhǔn)，并重點(diǎn)介紹了抑制諧波的有源電力濾波器。給出了有源電力濾波器設(shè)計(jì)中主要環(huán)節(jié)的設(shè)計(jì)方法，包括主電路原始參數(shù)的選擇，諧波電流檢測(cè)方法的選擇以及主電路產(chǎn)生的補(bǔ)償電流的控制方法。在諧波檢測(cè)方面，提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的諧波電流檢測(cè)方法，最后通過(guò)simulink仿真驗(yàn)證了該方法在有源電力濾波器中運(yùn)用的可行性。

致謝在本文即將完成之際，我謹(jǐn)借此機(jī)會(huì)向所有給予我關(guān)心和幫助的人深表感謝！這篇論文的創(chuàng)作經(jīng)歷也將使我終生受益。我感受到，做論文是要真真正正用心去做的一件事情，是真正的自己學(xué)習(xí)的過(guò)程和研究的過(guò)程。沒(méi)有認(rèn)真的學(xué)習(xí)和研究，就不能有自己的研究，也不會(huì)有所收獲和突破。我希望這次經(jīng)歷將繼續(xù)激勵(lì)我今后的學(xué)習(xí)和生活。一是要感謝我的指導(dǎo)老師XXX老師，正是在您的嚴(yán)格要求和悉心指導(dǎo)下，我的研究和寫(xiě)作才能得以不斷深入。導(dǎo)師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、淵博的知識(shí)素養(yǎng)、寬厚豁達(dá)的品質(zhì)，給我留下深刻的印象，也將使我在做人治學(xué)方面受益終身。在此，謹(jǐn)向我尊敬的導(dǎo)師表示崇高的敬意和最真摯的感謝！二是要感謝我的同學(xué)們，共同度過(guò)四年的歡樂(lè)時(shí)光，留下許多美好回憶。最后，向百忙之中抽出寶貴時(shí)間來(lái)評(píng)閱、指導(dǎo)這篇論文的各位老師們致以深深的謝意！

參考文獻(xiàn)[1]陳媛.基于STM32的諧波檢測(cè)儀的開(kāi)發(fā)及諧波檢測(cè)算法研究[D].揚(yáng)州大學(xué)，2013.[2]崔高宇.基于DSP的電網(wǎng)諧波抑制和無(wú)功補(bǔ)償技術(shù)的研究[D].南昌航空大學(xué)，2013.[3]柳英杰.微電網(wǎng)分布式電能質(zhì)量的檢測(cè)及諧波抑制技術(shù)研究[D].浙江工業(yè)大學(xué)，2013.[4]趙玉曼.電力系統(tǒng)諧波抑制及無(wú)功補(bǔ)償方法的研究[D].遼寧工業(yè)大學(xué)，2014.[5]胡友強(qiáng).電力系統(tǒng)諧波測(cè)試分析機(jī)理與治理技術(shù)研究[D].重慶大學(xué)，2014.[6]曲玉辰.電網(wǎng)諧波抑制技術(shù)研究[D].大慶石油學(xué)院，2012.[7]梁偉杰.自適應(yīng)遺傳算法在電力系統(tǒng)諧波抑制中的應(yīng)用研究[D].浙江大學(xué)，2011.[8]王慶紅.遵義電網(wǎng)諧波分析與監(jiān)測(cè)[D].貴州大學(xué)，2011.[9]漆銘鈞.注入式混合型有源電力濾波器關(guān)鍵技術(shù)研究及其工程實(shí)現(xiàn)[D].湖南大學(xué)，2013.[10]王少杰.高壓混合型有源電力濾波器關(guān)鍵技術(shù)在工業(yè)中的應(yīng)用研究[D].湖南大學(xué)，2012.[11]鄢文清.微電網(wǎng)電能質(zhì)量與諧波抑制技術(shù)研究[D].中南大學(xué)，2012.[12]呂文杰.電力系統(tǒng)諧波檢測(cè)及其抑制方法的研究[D].成都理工大學(xué)，2012.[13]王莉娜.廠礦企業(yè)配電網(wǎng)諧波治理控制策略和工程應(yīng)用研究[D].中南大學(xué)，2013.[14]涂春鳴.新