浅谈人工神经网络在电力矩阵变换器中的应用

浅谈人工神经网络在电力矩阵变换器中的应用

杨成

身份证号： 45252319750815****

摘要：近年来，人工神经网络国际上掀起的一股研究热潮，人工神经网络独特的结构和处理信息的方法，使其在许多实际应用领域中取得了显著的成效，能够解决一些传统计算机极难求解的问题。神经网络实现技术的研究，主要是探讨利用电子、光学、光电和生物等技术实现神经计算机的途径。神经网络应用则是探讨如何利用神经网络解决实际问题，即模拟人类的某些智能行为。随着人们对低质量电力变换器功率因数、谐波污染日益重视，研制新型优质电力变换以逐渐成为热点。矩阵变换器由于其诸多理想特性，正吸引着愈来愈多的科研人员对其开展广泛的研究。本文介绍神经网络机理功能，把神经网络与矩阵变换器控制原理有机的结合起来，提出利用神经网络控制矩阵变换器的输出电压的科学方法。

关键词：神经网络；矩阵变换器；BP网络

一、神经网络的综述 

神经网络系统是由大量的，同时也是很简单的处理单元（或称神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特性，但它并不是人脑神经网络系统的真实写照，而只是对其作某种简化，抽象和模拟，这也是现实情况所能达到的，是目前神经网络研究的基本出发点。我们研究神经网络系统的目的在于探索人脑加工，存储和处理信息的机制，进而研制基本具有人类智能的机器。神经网络只有通过学习才能逐步具有某模式变换的能力，神经网络的具有学习能力、信息存储能力和计算能力，神经网络的具有巨大潜在应用。

二、神经网络基础

图2.1表示了一个简单的神经网络，其中每个小圆圈表示一神经元（也称处理单元或节点）。各个神经元之间通过相互连接形成一个网络拓扑，这个网络拓扑的形式称为神经网络的互连模式。

输出

输入

图2.1 一个简单的神经网络

各个神经元之间的连接并不只是一个单纯的传送信号的通道，而是在每对神经元之间的连上有一个加权系数，这个加权系数起着生物神经系统中神经元的突触强度的作用，它可以加强或减弱上一个神经元的输出对下一个神经元的刺激，这个加权系数通常称为权值。在神经网络中，修改权值的规则称为学习算法。这也就是说权值并非固定不变的，是动态非线性函数系数。

2.2神经元（处理单元）模型

处理单元，或称之为神经元，是神经网络的最基本的组成部分，在构造神经网络模型时，首先就要确定处理单元的各种特性。一个神经网络系统中有许多处理单元，设为N个。第i个单元表示为ui，每个处理单元的具体操作都是从与其相邻的其它单元中接受输入，然后产生输出送到与其相邻的单元中去。

神经网络的处理单元可以分为三种类型：输入单元、输出单元和隐含单元。输入单元是从外界环境接受信息，输出单元则给出神经网络系统对外界环境的作用。隐含单元则处于神经网络之中，它从网络内部接受输入信息，所产生的输出则只作用于神经网络系统中的其它处理单元。

2 .3神经网络互连模式

神经网络中由许多处理单元互连而形成的互连模式反映了神经网络的结构，它决定着这个网络的能力。最早的神经网络模型的互连模式多数是单层或两层结构，目前神经网络模型互连模式更多是多层神经网络结构。如图2.3所示

图2.3 单层与双层神经网络互连结构

a.表示的是前馈神经网络模型结构（如BP网络）。b.允许同一层内的神经元之间相互连接的多层神经网络互连模式。c.带有反馈的多层神经网络互连模式。神经网络的学习算法在进行计算操作时，具有串行操作模式和并行操作模式。

三、电力矩阵变换器综述

目前，各种电力变换器在国民经济建设中得到了越来越广泛的应用。如各种变频器被广泛用于交流电机调速系统，不仅其节能效果显著，而且可以实现生产过程自动化。其他电力整流器，逆变器在交通、电力等领域也发挥了重要的作用，产生了明显的经济效益。各种电力变换器的应用程度是衡量一个国家发展水平的一个重要标志。

3.1 电力矩阵变换器的特点

矩阵变换器是在强迫换流周波变换器的基础之上发展起来的直接电力变换器。对三相—三相而言，其主回路结构由9个双向全控开关组成。这些开关排成了3行3列的开关矩阵，故称为矩阵变换器。简化的三相到三相矩阵变换器电路图如1-1所示。由图可见任一输入相与任一输出相都通过功率开关直接相连，采用斩控方式，对开关进行控制。矩阵变换器的性能比传统的交直交与交交变换器都要优越。理论上证明，矩阵变换器的电压增益（输出电压与输入电压的比值）的上限为0.866。产生这缺陷的原因是为了保证输出电压和频率的独立控制，所期望的输出电压波形的包络线必须完全地被包含在输入电压波形的连续包络线之内。

图1-1简化的三相—三相矩阵变换器电路图

3.2矩阵变换器的换流

理想情况下，在矩阵变换器两个双向开关间转移负载电流时，由于电压源供电，所以输入相不能被短路，输出通常接感性负载，所以任一时刻输出相不能断路。因而在换流时既不能有死时也不能有交迭，这是矩阵变换器的控制难点。N.Burany在1989年指出双向开关间的安全换流不可能一步实现，他提出了著名的四步切换安全控制法则，他的方法就是对双向开关不当作一个整体看待，而是根据电流的方向对两个单向开关实施单独控制，既禁止可能使电源发生短路的开关组合，又保证在任意时刻给负载电流至少提供一条流通的途径。当要关断的器件被要开通的器件施以反压的时候可以实现零电流开关。因为这种情况发生的概率只有50%，所以这种换流策略又称为半软换流策略。

图3-3为采用两个双向开关 和 的简单变换器的电路图，按照半软换流策略

可以由两个单向开关 和 组成， 可以由两个单向开关 和 组成。要满足输入不能短路，则 、 不能同时导通， 、 不能同时导通。要满足输出不能开路，则至少有一个单向开关处于导通状态。现在，若在 >0时将开关状态 合、 开，切换为 合、 开，四个单向开关的动作顺序为： 关断， 导通， 关断， 导通。上述四步切换次序可以用图3-3表示。

四、神经网络（MATLAB）BP网络在矩阵变换器的应用

MATIAB（矩阵实验室）是美国MathWorks公司自1984年开始推出的一种使用简便的工程计算语言。MATIAB以矩阵运算为基础，把计算、可视化、程序设计融合到了一个交互的工作环境中，实现工程计算、算法研究、建模和仿真、数据分析及可视化、科学和工程绘图、应用程序开发等功能。目前MATLAB工具箱主要有信号处理（SIGNAL PROCESSING），控制系统（CONTROL SYSTEM），神经网络（NEURAL NETWORK），模糊逻辑（FUZZY LOGIC）等工具箱。BP网络是一种多层前馈神经网络，其神经元的变换函数是S型函数，因此输出量为0到1之间的连续量，它可以实现从输入到输出的任意的非线性映射。由于权值的调整采用反向传播（Back Propagation）的学习算法，因此也常称其为BP网络。在确定了BP网络的结构后，利用输入输出样本集对其进行训练，也即对网络的权值和阈值进行学习和调整，以使网络实现给定的输入输出映射关系。

五、结语

随着我国经济高速发展，我国电网逐渐呈现出规模化、自动化、智能化、网络化发展趋势，为确保电网安全稳定运行，神经网络在电网控制中日益得到重视，是电网控制发展方向，随着超大神经网络芯片开发应用，神经网络必将得到广泛应用。神经网络合理控制方法，确保电力系统安全稳定运行，保证人们生产、生活中的正常用电，提高人们生活水平。

参考文献：

[1] 胡守仁,余少波等,神经网络导论,国防科技大学出版社,1997.

[2] 胡守仁等,神经网络应用技术,国防科技大学出版社,1998.

[3] 戴葵,神经网络实现技术, 国防科技大学出版社,1998.

[4] 楼顺天,施阳等,基于MATLAB的系统分析与设计---神经网络,

西安电子科技大学出版社,1998.

[5] 马小亮，大功率交-交变压频调速及矢量控制技术，机械工业出版社。1991：1-10.

[6]N.Burany.Safe Control of Four-Quadrant Switches IEEE IAS’98:

1190-1994.