1.引言

并联型有源电力滤波器是一种补偿电力系统谐波的电力电子装置，其主要的结构分为谐波检测，PWM信号生成，直流侧电压控制及主电路4部分，其中，直流侧的电压控制的效果将直接影响到APF的补偿结果。传统的控制方法是采用PI控制器，因其结构简单，调整方便，目前已经得到广泛的应用。但是随着控制技术的不断发展，利用新的控制技术以使APF获得更好的效果已成为大势所趋。具有自学习适应能力的基于单神经元网络的PID控制算法，结构简单，且能够适应环境的变化，鲁棒性强，近年来成为研究的热点。本文针对并联型APF的特点，对基于单神经元网络的PID控制算法进行一定的改进并通过仿真，证实了其在并联型APF中应用的可行性和优越性。

2.并联型APF的传统控制方法

传统的直流侧电压控制方法是为直流侧电容提供一个独立的直流电源，常用一个二极管整流电路来实现。这种方法虽然能够保证直流侧电压的稳定，但是需要设置一个专门的电路，增加了系统的复杂程度，也增加了系统的损耗和成本，因此目前已经不采用这种方法。

现在直流侧电压的控制一般是通过对主电路进行适当的控制来实现，常用PI调节控制法，该方法将检测到的电容电压实际值与给定的参考电压值相减，得到的差经过PI调节器得到调节信号，它叠加到瞬时有功电流的直流分量上，经运算在指令信号中包含一定的基波有功电流，补偿电流发生电路根据产生补偿电流注入电网，使得有源电力滤波器的补偿电流中包含有一定的基波有功电流分量，从而使APF的直流侧与交流侧交换能量，对APF的损耗进行补偿，将输出电压调节到给定值。

3.改进控制策略及算法

单神经元自适应PID控制的结构如图1所示：

该控制器是通过对加权系数的调整来实现自适应与自组织功能，其中，权系数的调整是按照有监督的Hebb学实现的。其控制算法与学习算法为：

ηI、ηP、ηD分别为比例、积分、微分的学习速率，k为神经元的比例系数，其中k>0.对比例，积分，微分分别采用不同的学习速率，以便对不同的权系数分别进行调整。

在该算法中，k值的选择尤为重要。k值越大，则快速性越好，但超调量偏大，容易造成系统的不稳定。若选择过小，则使系统的快速性变差。

介绍了一种改进的单神经元PID自适应控制算法，该算法将加权系数学习修正部分进行了修改，将其中的xi(k)改为e(k)+△e(k)，改进后的算法如下：

采用上述改进算法后，权系数的在线修正不完全是根据神经网络学习原理，而是根据实际经验制定的。

由以上所列算法可以看出，两种控制算法的输出u(k)都是基于增量式PID控制算法的计算，仅适用于执行机构要**控制量的增量的控制系统。因此，其在并联型APF的控制策略应用中，效果不好。

在并联型APF的直流侧电压控制中，其控制结果由输入的信号计算而得出，可将输入信号转化成一组离散信号，利用数字式PID控制器进行控制，这样既减小了系统的计算量，同时，由于输出结果不受前一个数据的影响，使得控制输出能够更快的达到预期的值。本文选择位置式PID控制算法，将其与单神经元自适应PID控制算法相结合，在上一算法的基础上，对u(k)的表达式进行修改，得出新的控制算法：

在此算法中，K值的设置对系统的运行影响很大，因此需要进行多次的实践来进行调整。

4.仿真结果

本文的仿真模型参考中的并联型APF仿真模型，利用MATLAB中的SIMULINK搭建好仿真平台，分别应用提出的改进算法，本文提出的改进算法，与传统PI控制器的控制结果进行比较。

首先使用PI控制器进行控制，kp设置为0.5,kI设置为0.01,参考电容电压为1000V,运行程序后，其补偿后的电流仿真波形如图2所示。

可以看到，补偿后的电流稳定后谐波占有率为5.64%,效果一般。

利用MATLAB的M文件，将提出的改进算法编写好，将SIMULINK控制模块代替PI控制器，其中K值设置为0.1.运行程序，结果如图3所示。

由此可见，提出的改进的算法在并联型APF中应用后，取得了较好的补偿效果，其补偿后电流谐波占有率降低到1.75%,比PI控制器的控制效果有了显着地提高。

*后应用本文所提出的改进算法，同样将K值设置为0.1,运行程序，结果如图4所示。

由以上仿真结果可以看出，补偿后电流谐波占有率降低到1.43%,由此可见，本文所提出的改进算法在APF的应用中，其应用效果优于其他的控制算法。

5.结论

本文将位置式PID控制算法与单神经元自适应PID控制算法相结合，对输出表达式进行修改，得出新的改进型PID神经元控制算法，该算法经过仿真，在并联型APF中应用中，与传统PI控制器及PID神经元控制算法相比较，取得了更好的补偿效果。近年来，随着控制技术的不断发展，神经元PID控制技术[4]发展较快，其在APF研究领域中也将逐步得到更加广泛的应用，本文所提出的改进算法，收敛速度快，精度高，具有一定的实用意义。