基于PI+重复控制的有源滤波器谐波抑制策略模型附Simulink仿真

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在电力系统中，随着电力电子设备的广泛应用，谐波污染问题日益突出。谐波会导致电网电压波形畸变、设备过热、功率因数降低等一系列问题，严重影响电力系统的安全稳定运行。有源电力滤波器（APF）作为一种有效的谐波治理装置，能够实时检测并补偿电网中的谐波电流，从而抑制谐波污染。然而，传统的 PI 控制在谐波抑制中存在稳态精度不足、对周期性谐波跟踪能力有限等问题。重复控制作为一种针对周期性信号的控制策略，具有优异的稳态跟踪性能和抗周期性扰动能力，将 PI 控制与重复控制相结合，可充分发挥两者优势，实现有源滤波器对谐波的高效抑制。

有源滤波器系统模型构建

有源滤波器的核心是通过控制逆变器产生与电网谐波电流大小相等、方向相反的补偿电流，从而抵消谐波分量。其系统模型主要包括主电路模型和谐波检测模型两部分。

主电路模型

谐波检测模型

谐波检测是有源滤波器实现谐波抑制的前提，其作用是准确提取电网中的谐波电流分量。常用的谐波检测方法为基于瞬时无功功率理论的 ip-iq 检测法。该方法通过坐标变换，将三相电流分解为有功电流和无功电流的直流分量与交流分量，其中交流分量即为需要补偿的谐波电流。

PI + 重复控制策略设计

PI 控制具有响应速度快、动态性能好的特点，但对周期性谐波的稳态跟踪精度较低；重复控制基于内模原理，能够对周期性信号实现无静差跟踪，但其动态响应较慢。将两者结合，可形成互补，提高有源滤波器的谐波抑制性能。

控制结构

PI + 重复控制采用并行控制结构，将 PI 控制器与重复控制器的输出相加作为总控制量。其中，PI 控制器主要负责系统的动态响应，快速跟踪指令电流的变化；重复控制器则专注于抑制周期性谐波，提高稳态精度。

重复控制器设计

⛳️ 运行结果

🔗 参考文献

[1] 胡建兵.PI与重复控制的三相四线制并联型有源电力滤波器的研究[D].华南理工大学[2025-08-03].DOI:CNKI:CDMD:2.1014.064033.

[2] 吉云飞.基于重复控制方法的有源电力滤波器控制策略研究[D].江南大学,2021.

[3] 付瑞清.基于重复控制的并联型有源电力滤波器设计[D].北京交通大学,2015.DOI:10.7666/d.Y2915805.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇