电力电子中智能控制理论的应用分析
来源:用户上传
作者:
摘 要：在现代控制技术发展进程中，电力电子技术已逐步进入自适应控制阶段，其不仅具有模糊控制的优良特点，而且可以实现在线调整运行规则，保证不同运行状态下电力设备运行需求的充分满足。因此，该文以智能控制理论为切入点，对智能控制理论在电力电子中的运用流程及具体运用进行了简单的分析，以期为电力电子控制精确度的提升提供依据。
关键词：电力电子 智能控制理论 自适应预测理论
中图分类号：TM715 文献标识码：A 文章编号：1672-3791（2019）01（b）-00-02
1 电力电子中智能控制理论概述
电力电子中智能控制理论主要指在无人干预的情况下，可以自主驱动智能机器，达到控制目标的自动控制技术[1]。在电力电子领域，智能控制理论强调以类似于人的经验和智慧，对任务及形式模型、环境、符号进行描述，开发知识库或推理机，研制智能机器模型。
2 电力电子中智能控制理论的应用流程
2.1 模糊逻辑表达
在模糊逻辑表达模块，相关人员需要针对每一输入、输出变量，依據控制力度要求，进行模糊集合构建，并对模糊子集进行合理划分。
2.2 模糊控制规则表达
表格是模糊控制规则表达的主要渠道。在模糊控制时，相关人员可通过查表。结合简单运算，表示控制过程。
2.3 模糊逻辑与控制器结合
通过将模糊逻辑与控制器结合，可形成模糊控制器。其主要利用PID（比例积分微分）控制的方式，形成具有一定辨识度的模型。随后在神经模型中，将输入、输出变量作为神经训练样本。最后利用神经训练算法，促使神经网络具备系统非线性特征，达到变换器控制的目的。
3 电力电子中智能控制理论的具体应用
3.1 自适应预测理论在电力电子中的应用
自适应预测理论主要利用已知信息，对当前或未来电力电子设备信息进行预测。在人类社会发展进程中，自适应预测理论体系不断完善，在时间序列分析、统计学的基础上，形成了智能化程度较高的预测系统[2]。
自适应模糊控制系统主要是在电力负荷预测领域，采用在线自适应优化模糊预测的方式，对短期电力负荷进行预估分析。在自适应模糊控制系统实际运行过程中，主要包括一次性预测未来24h/48h整点负荷、每次预测下一时刻负荷两个模块。其中一次性预测未来24h/48h整点负荷要求在系统内增设信息输入量模块。在具体设计过程中，可采用时间窗口移动技术，在获得下一时刻预测数据后，作为当期数据，进行继续预测。在选定输入预测变量后，可获得某一时间段电力负荷变化，为模糊自适应训练提供依据。同时利用自适应模糊预测，可采用模糊推理的方式，逐步逼近实际负荷动态变化数据，对样本数据进行实验分析，以获得模糊预测系统性能参数；在每次预测下一时刻负荷模块，相关人员可利用实验测试的方式，针对每一时刻负荷变化规律与季节转换间联系，总结专家经验，形成模糊预测规则，或者从数据信息库中抽取模糊规则，从而实现每次预测下一时刻负荷要求，保证电力电子智能预测经济效益。
以晶闸管变流系统自适应PID（比例积分微分）控制为例，相关人员可以DSP（数字信号处理）、CPLD（复杂可编程逻辑器件）为核心，配合外围同步信号采集及隔离驱动电路，实现直流电力电子变流设备智能控制。即将整体晶闸管变流系统智能控制模块划分为DSP（数字信号处理）外围电路、信号检测调理电路、CPLD（复杂可编程逻辑器件）外围电路、同步信号采集电路、隔离驱动电路、通信电路几个模块。随后采用TMS321F2814芯片作为控制模块计算单元。同时将变流系统直流输出负载端输出电压、电流转换为低电压信号。并经信号调理电路，将其转换为0～3.3V安全信号。最后输出DSP（数字信号处理）芯片，获得具有触发延时功能的数字量。在获得数字量后，可采用脉冲隔离电路，经SCI（串行通信协议）将采集实时信息显示在液晶屏幕上。随后以误差变化率、实时值与设定值误差为基本论域，对变化范围进行均匀定量分析。并将输入、输出分割为若干个模糊子集，每一模糊子集均在不同论域，具有不同等级及隶属度。结合模糊控制规则，对每一模糊子集隶属度进行推理，并以最大隶属度计算方法，将输出量模糊集合进行完整验算，可得到实际查询控制量表。
在具体模糊自适应程序运行过程中，首先需要计算误差、误差变化量。并对其进行模糊化处理。同时查询K控制表，获得自整定比例、微分常数。在这个基础上，利用增量型PID（比例积分微分）算法，求解输出增量。最后将误差、误差变化量赋值给中间变量，作为下一阶段PID（比例积分微分）预算起始点。
3.2 神经网络预测理论在电力电子中的应用
神经网络预测理论设计了生物电子计算机、数学、物理等多个学科，在电力电子中具有广阔的应用前景。神经网络主要是利用物理可实现系统，模仿人脑神经细胞结构及功能。在神经网络中具有大量、简单的神经元，每一神经元具有输入-输出非线性函数关系，通过多个神经元连接组合，可促使整体神经网络具有复杂非线性特征[3]。
在神经网络预测理论实际应用过程中，基于电力电子系统非线性特，可将大量信息隐藏在连接权值上。并依据学习算法进行神经网络数值调节。如在PWM（脉冲宽度调制）技术应用过程中，由于电流控制PWM（脉冲宽度调制）技术具有精确度要求高、瞬时响应速度快等特点，为保证高要求场合其快速性、瞬时精度负荷要求，可采用神经网络改善线性电流控制、滞环控制性能。一方面，在线性电流控制性能优化模块，相关人员可采用神经网络代替新型调节器中PI放大器（虚拟信息系统放大器）。并利用神经网络自调节增益特点，弥补各种负载情况下静态误差，获得最佳输出电流。另一方面，在滞环电流控制模块，相关人员可采用离线训练后神经网络，从根本上降低极限环干扰风险。
3.3 模糊变结构在电力电子中的应用
模糊变结构主要通过开关控制的方式，改善系统性能指标。模糊变结构在实际应用过程中可利用模糊数学工具，对模糊控制规则进行定量描述，丰富人工控制检验。但是在模糊控制结构运行过程中，由于其需要在不同控制逻辑中进行来回切换，实际滑动模极易存在惯性，导致实际滑动模无法准确进入切换面，进而致使系统发生剧烈“抖振”情况。针对系统“抖振”问题，现阶段主要采用边界层模糊的方法，将边界层作为一个具有模糊区间的开关曲面，如交流伺服系统速度控制、PWM（脉冲宽度调制）逆变器及电机矢量控制等[4]。
4 结语
综上所述，电子电力学涉及了强电、弱电、控制等多个学科，随着新型电力电子元件的不断出现，对电力电子控制也提出了更高的要求。因此，基于电力电子多变量、强耦合、非线性特点，相关人员可借鉴智能控制理论，将电子电力系统与自适应模糊预测、神经网络控制、模糊变结构控制进行有机整合，最大程度地保障电力电子系统运行稳定性。
参考文献
[1] 王磊.混杂系统控制理论在电力电子学中的应用[J].电子制作，2016（2）：43.
[2] 孔祥顺，郝田，马腾.智能控制及其在机电一体化系统中的应用[J].山东工业技术，2018（7）：133-134.
[3] 高潮.运用软开关及谐振技术的电流谐波补偿与建模采样分析研究及发展[J].深圳信息职业技术学院学报，2015（3）：70-74.
[4] 张光明.永磁同步电梯曳引机的变频驱动系统设计[J].环球市场，2017（18）：123.
转载注明来源:https://www.xzbu.com/8/view-14685406.htm
