模糊控制理论及其在有源电力滤波器中应用的研究综述

[摘 要]：电能质量和人工智能技术都是目前国际电工领域研究的热点，如何将人工智能技术应用于电能质量问题的解决更是电能质量研究中的重点问题。由于电力系统的非线性和不确定性，使得智能控制理论中鲁棒性强的模糊控制理论得以广泛应用，对目前模糊控制理论在有源电力滤波器中的应用做了总结研究，分析了各个控制器的利弊和实用性，指出了目前此方面研究的进步与不足，希望能给广大研究学者提供一个有用的参考。 关键词：人工智能技术 模糊控制 有源电力滤波器 鲁棒性 1 引言 随着电力电子技术的飞速发展，工作在非线性条件下的各种功率器件得到广泛的应用。过去，国内外大量采用无源滤波装置（LC）来进行谐波抑制、无功补偿和提高功率因数。但是无源滤波器具有许多无法克服的缺点。 20世纪70年代提出了应用电力电子装置进行谐波和无功补偿的方法——有源滤波器（APF）。其结构图如图1所示。与LC相比，APF具有明显的优越性，它能对变化的各次谐波和无功同时进行跟踪补偿，补偿特性受电网阻抗和频率变化的影响较小，控制电路容易实施限流保护以提高系统的安全性，故受到了极大的关注。 有源滤波器整个系统包括：谐波及无功电流检测，参考信号生成，电流、电压跟踪控制等，其中每一个环节对整个系统的精度都有很大的影响。 2 有源滤波器的控制 APF的控制系统包括直流电容电压的稳定控制和参考电流的跟踪控制两个部分。外环是电压环控制器，一方面控制输出电压跟踪电压设定值，另一方面利用功率平衡原理获取稳定逆变器直流母线电压的有功电流峰值；内环是电流环控制器，检测实际输入电源电流与参考电源电流的误差，经过控制器控制后产生驱动信号驱动功率开关动作，跟踪参考电流。 此控制系统引起了很多研究学者的兴趣，各种控制理论相继被应用到此控制系统的设计中。最常用的是PI控制，PI控制器由于其算法简单、可靠性高，被广泛应用于APF的控制中。但是PI控制属于线性控制，依赖于系统的精确数学模型，鲁棒性差，很难适应于电力系统这样强非线性、强不确定性的系统。随着自动控制理论和技术的飞速发展，基于状态变量描述的现代控制理论得到了广泛的应用，但是它们仍然依赖于系统精确的数学模型，很难在电力系统中得到很好的控制效果。 20世纪50年代发展起来的变结构控制因其具有理想的鲁棒性而在控制领域得到了较多的应用，然而变结构控制难以消除高频抖动问题，所以一般和别的控制联合使用。 随着智能控制的发展，各种智能控制器问世了。人工神经网络具有自适应和自组织能力，可以根据系统的输入和输出寻找它们之间的非线性关系。文献［10～12］将神经网络应用到APF中，但是目前该控制都只是仿真研究，到实际应用还有一定的距离。 模糊控制的最大优点是不依赖于被控对象的精确数学模型，能够克服非线性因素的影响，对调节对象的参数变化具有较强的鲁棒性，动态响应好，可以很好地抑制超调，比较适合于电力系统这种强非线性、强不稳定性的系统。因此，模糊控制理论越来越得到了重视，相关学者陆续把模糊控制决策应用到APF控制器的设计中，而且各种新型的、高性能的模糊控制器逐渐被设计出来。 3 模糊控制在APF中应用的研究 3.1 模糊控制理论在直流电容电压控制中的应用 近年来，模糊理论被广泛应用到APF的电压控制器中，如图2所示。文献［14～16］分别针对直流母线电压的控制设计了模糊控制器，并且为了简化系统的设计，由模糊控制器的输出直接得到电源电流参考值的幅值信息，最后通过仿真和实验波形都验证了模糊控制器比传统PI控制器的优越性。 以上文献中设计的模糊控制器都是基本的模糊控制器，如图3所示，即误差和误差变化率经过模糊化后作为控制器的输入量，然后根据经验确定控制规则，进行模糊推理，输出经过清晰化后作为电源电流的幅值参考值。并且为了克服基本模糊控制器的稳态误差问题，均将模糊控制器的输出作为电源电流参考值的变化量，这相当于积分效应，可以有效地消除系统的稳态误差。模糊控制规则一般都是根据专家的经验等进行初始确定，然后通过仿真实验反复校正，其中文献［14］对控制规则的确定进行了详细的叙述，并根据系统全局动态响应过程中误差及误差的变化率所处的区域不同分别进行讨论，很有理论参考价值。 文献［17，18］中针对直流电容电压的控制采用了模糊PI控制，即将基本模糊控制器和PI控制器相结合，利用模糊控制器的控制规则对PI控制器的比例和积分系数进行在线修改，既吸收了模糊控制器动态响应快、鲁棒性强的优点，又吸收了PI控制器简单易实现的优点，从而取得了良好的控制效果。 3.2 模糊控制理论在电流跟踪控制中的应用 文献［19～24］将基本模糊控制器用在了APF电流的跟踪控制上，如图4所示。其中文献［20］提出了一种带模糊调节的重复控制方案。重复控制PWM逆变器在稳态时能产生高质量的正弦输出电压波形，但是在动态过程中响应较为缓慢。因此将重复控制器作为辅助控制器，并结合动态响应较好的模糊控制器，可以吸收重复控制和模糊控制的优点，取得良好的控制性能。文献［21］中提出了对APF进行模糊滑模变结构控制的设计方法。由于系统具有典型的非线性，因此可采用带有变化模型的变结构控制，为避免高频抖颤现象，采用带有模糊滑动模态的变结构控制，由变结构保证系统的稳定性；由模糊控制减弱切换面边界层内的抖振。文献［22］针对电网电流的不确定性和非线性等特点，引入了先进的自适应模糊控制器，利用自适应算法可以对控制参数进行学习和调整，从而最大限度地降低了电网电流的畸变率。文献［23］在递推积分PI控制算法的基础上，引入了模糊控制器，从而有效地提高了系统的目标跟随特性、抗干扰性和鲁棒性。文献［24］又提出了一种由递推积分PI控制和模糊控制相结合的新型控制器，采用模糊自调整机构在线调整PI控制器的参数，从而使得系统同时具有较好的动态、稳态性能和自适应能力。 从上面的叙述可以看出，模糊控制理论在APF中已经得到了初步应用，而且很多学者将其在仿真研究的基础上应用到了实际装置的控制中，并且取得了良好的预期效果，这将是模糊控制理论和电能质量问题良好的发展趋势。 4 新型模糊控制器 模糊控制器是基于模糊控制规则的控制器，其设计的核心问题在于如何确定控制规则、隶属函数和模糊量化因子，使之适合于复杂的非线性控制。模糊控制器的结构和参数在很大程度上决定了系统的动静特性，因此改进模糊控制器的结构和参数可以获得更好的动态响应和更高的控制精度。 为了改变单因子的不足，文献［26］在此基础上，提出了多因子的控制规则等，但是以上两种控制规则的修改方法，均存在以下问题：①仍然无法完全消除稳态误差；②被控对象改变时，原来整定好的α值就不再是最佳参数，甚至有可能使系统不稳定，没有自适应能力，限制了它的实用性；③控制器的参数整定不易找到，要找到一组最佳的参数，既费时又繁琐。 为了解决上述问题，文献［27］提出了一种根据模糊目标的隶属函数来调整修正因子的大小，从而达到调整控制规则的新方法，并仿真验证了此控制器的强鲁棒性和良好的自适应性。 文献［28］在以上文献的基础上又提出一种新的根据模糊目标的隶属函数来调整修正因子的大小，从而调整控制规则的新算法，并通过仿真显示了它的优越性。 为了同时吸收规则自调整的模糊控制器和PI控制器的优点，弥补各自的不足，文献［29］提出了一种新的模糊控制器，其结合了PID控制稳态精度高和模糊控制鲁棒性和自适应性强的优点，从而实现了满意的控制效果。文献［30］提出一种新的基于模糊推理的PID自整定控制器。它利用模糊推理，对系统所处的不同状态实现PID参数的在线自动整定，使系统在任何状态下，都能得到比传统PID更好的控制效果和更强的鲁棒性。从这种意义上说，模糊自整定PID控制器是一种非线性PID控制器。仿真结果可以看出，PID算法与模糊推理控制相结合能较明显地提高最终的控制效果。这种混合系统把PID控制与模糊控制的简便性、灵活性以及鲁棒性融为一体，发挥了传统控制与模糊控制各自的长处。 5 展望 电能质量和人工智能技术是目前国际电工领域研究的热点，如何将人工智能技术中鲁棒性强的模糊控制应用于电能质量问题的解决更是电能质量研究中的重点问题。 由于电力系统本身的强非线性、不确定性等固有特点，使得传统经典控制理论（如PID控制等）和现代控制理论的控制效果不是太理想，所以加入鲁棒性强的模糊控制器对APF进行控制是很有必要的，也是未来的大势所趋。而且研究发现模糊控制器的结构简单，性能明显优于PI等传统经典控制理论，并且很容易在实际系统中实现。 当今，随着模糊理论的发展，更多的高性能、强鲁棒性的模糊控制器被设计出来，但是其在有源电力滤波器中的应用还是不多，而且在实际装置中应用的更少；另一方面，很少有文献中针对所设计的模糊控制器给出其控制器本身稳定性的讨论。希望广大学者能加大这方面的研究，更好地提高有源滤波器各方面的性能。 6 结束语 本文较为详细地总结了目前模糊控制理论在APF中的应用情况以及新的模糊控制器的研究设计情况，并对目前设计出的各种控制器进行了分析，希望广大学者能加大对模糊控制器在APF中应用的理论研究和实