创新者：崔义森

本文介绍了一种新型PWM 整流器设计方法，将BP 神经网络应用于整流器的设计中，可以保证整流器在正常工作的基础上，提高整流器的工作效率。本文介绍了三相PWM 整流器的数学模型，在数学模型的基础上，对比分析了人工神经网络技术与传统调制技术的优缺点，证实了人工神经网络技术应用于PWM 整流器设计中的有效性。

近年来，大功率变换器广泛应用于各种工业场合，如功率电源、交直流电机、高压直流输电、新能源发电等。传统的整流变换器主要应用二极管整流桥以及相控技术来实现，这种技术的局限性在于必须应用于线性负载系统中，并且在整流系统的输入端会产生大量的电流谐波，从而影响整个电源系统的工作效率，进而对整个分布式电力系统中的其它电力设备产生影响。

为了解决上述问题，提高整流变换器的工作效率，常规方法是在整流器的一端加滤波器，包括：有源滤波器、无源滤波器、混合滤波器等等。滤波器的使用会增加整流变换器的体积，谐振电流以及补偿方法的不可控性使得滤波器的使用效率大大降低，这些都为整流器的正常工作增加了变数。

在整流变换器中嵌入大功率因数变换系统，可以减少整流器的体积，提高整流系统的工作效率，进而增加输出直流电的可控性。本文介绍了一种基于空间矢量变换的BP 神经网络技术，这种技术的优势在于保证整流系统工作效率的前提下减少了整个系统的体积，加快了整流系统的实现速率，大大降低了变换器输入输出端的谐波干扰，对于改善整流变换器以及整个电力系统的效率有重要意义。

变换器数学模型

图1 给出了三相大功率整流器的电路拓扑结构图，从图中可以看出，整流器的输入端经滤波电感与整流桥相接，整流桥的输出端经储能电容与负载相接，构成了整流系统的主电路拓扑结构，通过控制功率开关产生PWM 波形来控制整个系统的正常工作。因此我们定义3 个空间矢量：

将三相坐标系转换为两相旋转坐标系（d-q坐标系），上面的四个等式可以转变为：

基于空间矢量控制的BP 神经网络的实现

为了满足三相整流系统的工作要求，我们需要找到合适的控制策略实现以下四个目标：

图1 三相全控整流电路拓扑结构图

图2 空间矢量脉宽调制技术工作原理图

减少电流谐波；

满足单位功率因数运行；

输出可调的直流电压；

使得开关频率满足整流系统的工作要求。

图2 给出了基于d-q 坐标系下的空间矢量PWM技术的工作原理图，其工作原理是：将整个矢量空间氛围六个扇形空间，当圆形旋转矢量经过每一个扇形区间时，都由位于扇形取件两侧的矢量来合成旋转矢量，从而实现整流系统的正常运行。

在空间矢量脉宽调制技术的基础上，我们将人工神经网络技术应用其中，使得整流系统的工作性能变得更加完善。

人工神经网络系统（Artificial Neural Network--ANN）主要应用于多输入多输出的非线性系统中，其主要包括：输入层、网络层和输出层，其核心算法是由一个多维网络运算层组成。基于上述特点，我们可以将三相大功率整流系统输入端的多位变量作为ANN 系统的输入向量，通过相应地运算法则，得到我们需要的开关变量，从而实现整个系统的正常工作。

由于BP 神经网络具有学习能力强，运算速度快的特点，我们将BP 神经网络技术与空间矢量脉宽调制技术相结合，可以得到每一相的开关导通时间为：

由于空间矢量脉宽调制技术的对称性，相应地关断时间为：

一般情况下，开关器件的导通时间可以写为：

图3 BP 神经网络结构图

从图3 中我们可以看出，开关管导通时间是由相角分支的输出变量以及幅值分支的输出变量加四分之一开关周期时间共同产生的。BP 神经网络学习和记忆能力可以保证整流系统的工作具有较强的抗干扰能力。

结语

本文介绍了一种基于BP 神经网络技术的空间矢量脉宽调制方法，将这种方法应用于大功率整流系统中，可以改善系统的工作性能。神经网络技术有效的减少了常规整流器调制方法实现过程中产生的电流谐波，使得空间矢量脉宽调制技术可以更加快速精确的实现，为大功率整流器工作效率的提高提供了技术支持。