一种基于神经网络滑模控制的UPFC控制方法

摘要

本发明提出了一种基于神经网络滑模控制的UPFC控制方法，该方法利用针对并联侧和串联侧换流器，在矢量控制的基础上，构建了换流器并联侧和串联侧状态空间，采用径向基函数(RBF)神经网络算法，对隐含层节点中心、节点宽度和网络权值采用基于经典梯度下降算法的动量因子法进行调整，由RBF神经网络对滑模面进行调整，该方法能够实现滑动模态的全过程自适应控制，消除滑模控制对外部参数的敏感性，实现有功、无功功率的解耦控制，抑制在系统扰动时后的振荡，快速逼近系统运行的目标值，并且结构简单运行可靠，同时具有很好的适应性和鲁棒性。本发明弥补了国内在这一领域的空白，也为统一潮流控制器稳定控制系统的改进提供了必要的技术支持和有利参考。

主权项

基于神经网络滑模控制的UPFC控制方法，其特征在于，其包括以下步骤：(1)利用矢量控制的方法和坐标变换的方法对已建立的系统数学模型进行解耦，从而得到便于滑模变结构控制的系统状态方程；(2)采用基于指数趋近律的滑模变结构控制器，根据系统误差构造滑模切换函数，选择滑模控制器参数；(3)将切换函数作为RBF神经网络的输入，滑模控制器输入作为RBF神经网络的输出，构造基于高斯函数的RBF神经网络；(4)设计神经网络的误差，选择神经网络的学习指标，采用随机梯度法加上动量修正项的方法，得到各个参数的修正公式；(5)根据目标变量的物理含义测量计算并输出系统状态变量的目标期望值作为控制信号，并通过空间矢量控制得到串联侧和并联侧换流器的触发信号。