基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用

以高压静止无功补偿器(static var compensator,SVC)为研究对象,针对传统比例-积分-微分(proportional integral differential,PID)控制器难以对设定值进行有变化的跟踪和对扰动进行抑制的缺陷,提出在传统PID控制器的基础上加入一个2阶微分控制环节以实现公共连接点的电压稳定控制,并采用改进的神经网络粒子群优化算法对控制器的参数进行优化,使得系统瞬态响应性能和控制性能达到最佳。仿真和实验结果验证了所提出的控制方法能够保证快速、无超调的跟踪电压设定值,具有较强的鲁棒性、适应性,提高了SVC系统的补偿精度。