✅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
本研究针对有源滤波器谐波抑制问题,提出基于 PI 控制与重复控制相结合的谐波抑制策略模型。详细分析 PI 控制和重复控制的原理与特性,设计融合两种控制算法的策略架构,通过搭建仿真模型对该策略进行性能验证。结果表明,所构建的模型能够有效抑制谐波,相较于单一控制算法,在跟踪精度、稳态性能和动态响应方面具有明显优势,为有源滤波器谐波抑制提供了更优的解决方案,有助于提升电能质量。
关键词
有源滤波器;PI 控制;重复控制;谐波抑制;策略模型
一、引言
随着电力电子设备在工业和生活中的广泛应用,电网中的谐波污染问题日益严重。谐波会导致电气设备发热、效率降低、继电保护装置误动作等一系列问题,严重影响电力系统的安全稳定运行和电能质量。有源滤波器(Active Power Filter,APF)作为一种动态抑制谐波、补偿无功的电力电子装置,在谐波抑制领域发挥着重要作用。
控制策略是决定有源滤波器谐波抑制效果的关键因素。传统的比例 - 积分(PI)控制算法具有结构简单、动态响应快的特点,但在处理周期性谐波信号时,存在稳态误差较大的问题;重复控制能够对周期性信号实现无静差跟踪,但动态响应速度较慢。为了充分发挥两种控制算法的优势,弥补彼此的不足,本研究提出基于 PI + 重复控制的有源滤波器谐波抑制策略模型,旨在提高有源滤波器的谐波抑制性能。
二、PI 控制与重复控制原理
2.1 PI 控制原理
2.2 重复控制原理
三、基于 PI + 重复控制的有源滤波器谐波抑制策略模型设计
3.1 总体架构设计
基于 PI + 重复控制的有源滤波器谐波抑制策略模型采用双环控制结构,即电流内环和电压外环。电压外环主要用于维持直流侧电容电压的稳定,为电流内环提供稳定的工作电压;电流内环是实现谐波抑制的核心环节,采用 PI 控制与重复控制相结合的方式。
在电流内环中,PI 控制器负责快速响应电流的突变,对谐波电流进行初步的跟踪和补偿,提高系统的动态性能;重复控制器则在 PI 控制器初步补偿的基础上,对周期性谐波进行精确的无静差跟踪和补偿,提升系统的稳态性能。两种控制器的输出信号通过加权叠加的方式,共同作用于逆变器的驱动信号生成模块,从而控制逆变器输出合适的补偿电流。
3.2 控制器参数设计
3.3 信号处理与算法实现
在该策略模型中,首先需要对电网电流、负载电流等信号进行采集和预处理,通过快速傅里叶变换(FFT)等算法提取出谐波电流分量,作为电流内环的指令信号。PI 控制器和重复控制器分别根据指令信号与实际输出电流的误差进行计算,得到各自的控制输出。
为了实现两种控制器输出信号的有效融合,需要确定合适的加权系数。加权系数的选择可以根据系统的动态和稳态性能要求进行调整,在系统动态过程中,适当增大 PI 控制器输出信号的权重,以加快系统的响应速度;在稳态过程中,增大重复控制器输出信号的权重,提高谐波补偿的精度。最后,将融合后的控制信号经过 PWM 调制等处理,生成逆变器的驱动信号,控制逆变器输出补偿电流,实现对谐波的抑制。
四、结论
本研究成功构建了基于 PI + 重复控制的有源滤波器谐波抑制策略模型,通过理论分析、模型设计、仿真和实验验证,证明该模型能够充分发挥 PI 控制和重复控制的优势,有效提高有源滤波器的谐波抑制性能。相较于单一控制算法,该模型在动态响应和稳态性能方面均有显著提升,为有源滤波器在谐波抑制领域的应用提供了更可靠的技术支持。未来可进一步研究该策略模型在不同类型负载和复杂电网环境下的适应性,以及结合其他先进控制算法,进一步优化有源滤波器的性能。
⛳️ 运行结果
🔗 参考文献
[1] 吴浩.基于谐波电流注入式整流变压器的变流系统的研究[D].湖南大学,2010.DOI:10.7666/d.y1724202.
[2] 宋建成,王雪,吝伶艳,等.基于无变压器型混合有源滤波器的快速重复控制策略的研究[J].高电压技术, 2019, 45(7):9.DOI:CNKI:SUN:GDYJ.0.2019-07-003.
[3] 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[2025-06-20].DOI:CNKI:CDMD:2.1014.064033.
📣 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
👇