统一电能质量调节器控制策略研究

王久和

（北京信息科技大学自动化学院 北京市 海淀区 100192）

0 引言

1996年日本学者H.Akagi提出了电能质量统一调节器(unified power quality conditioner，UPQC)的概念，将串联有源电力滤波器(active power filter，APF)和并联APF组合在一起形成UPQC。串联 APF、并联 APF分别由串联逆变器(series inverter，SEIN)和并联逆变器(shunt inverter，SHIN)实现，SEIN可实现对负载电压或电源电流的补偿、SHIN可实现对电源电流或负载电压的补偿，保证优秀的负载电压与电源电流品质。虽然UPQC具有高成本、复杂的结构与控制，但UPQC几乎能够全部抑制电能质量(power quality，PQ)问题，成为改进PQ最具吸引力的方案[1]。

因此，UPQC成为国内外学者研究的热点，并提出了不同的拓扑结构、工作原理、补偿量检测及相应的控制策略。按着UPQC中间直流环节是电容器还是电感器，UPQC有基于电压源型逆变器和电流源型逆变器两种拓扑结构。由于基于电流源型逆变器的 UPQC具有较高的损失和成本，又不能采用多电平结构，在工程中很少应用。因此，基于电压源型逆变器的三相 UPQC是UPQC的主要形式[1]。在拓扑结构、补偿量检测一定的情况下，UPQC的性能主要由控制策略决定。对此，本文对国内外学者提出的各种不同的控制策略进行论述，指出其优点与不足，并提出克服目前控制策略不足的控制策略，为我国学者进行高性能UPQC控制策略研究提供参考。

1 UPQC拓扑结构

UPQC的基本结构如图1所示，串联APF、并联APF分别由SEIN和SHIN实现。图1中SEIN视为受控电压源，实现对负载电压的补偿，SHIN视为受控电流源，实现对电源电流的补偿；公共电容器 Cdc用于连接两个逆变器和维持恒定的自给直流电压；LC滤波器为低通滤波器，抑制SEIN输出电压的高频开关纹波；串联变压器用于将串联逆变器接入电网，合适的匝数比可减少 SEIN的电流或电压定额，uSR为串联变压器注入的补偿电压；并联耦合电感器Lsh是SHIN和电源的接口，抑制SHIN输出电流ish的纹波。关于UPQC的其他拓扑结构详见文献[1]。

图1 UPQC的基本结构Fig. 1 Basic structure of UPQC

2 UPQC控制策略

2.1 UPQC控制目标及类别

对基于电压源型逆变器的UPQC期望控制目标为：1）通过适当的补偿或调节，使电源能为负载提供稳定的正弦电压；2）为使电源免受或少受负载谐波、不平衡以及无功功率等的影响，需要使补偿控制后的电源侧电流为正弦电流。实现上述控制目标有间接和直接两种控制策略。

对于间接控制策略，SEIN被控制为一个受控电压源，承担电源电压补偿功能，使负载侧电压变为设定的正弦电压；SHIN被控制为一个受控电流源，主要承担负载电流补偿功能，使电源侧电流为正弦电流。间接控制策略需要检测电源电压及负载电流的扰动畸变等信息，获得所需的补偿量。从电源侧看，对于负载电压的控制和输入功率因数的校正是间接的，故称其为间接控制。UPQC间接控制结构如图2所示。

对于直接控制，SEIN被控制为一个受控电流源，通过对电源侧电流的控制，使电源侧电流为正弦波；SHIN被控制为一个受控电压源，使负载侧电压为正弦波。UPQC直接控制结构如图 3所示。

图2 UPQC间接控制结构Fig. 2 Indirect control structure of UPQC

图3 UPQC直接控制结构Fig. 3 Direct control structure of UPQC

2.2 UPQC间接控制策略

2.2.1 线性控制策略

在UPQC间接控制策略中，SEIN输出与负载额定电压和电网电压实际值差值大小相等的电压，以补偿电源电压中的负序、零序、谐波以及基波正序分量的波动部分，保证负载端电压为与电网电压基波正序分量同相的且具有额定电压等级的正弦波；SHIN输出负载电流实际值与负载基波正序有功分量差值大小相等的电流，补偿负载电流中的负序、零序、谐波和无功分量，保证进入电源电流为与电源电压基波正序分量同相位的正弦波。基于线性控制理论或方法实施UPQC控制的策略为线性控制策略。无论是那种拓扑结构，控制策略类似，本文以图1中的UPQC拓扑结构论述UPQC控制策略。

1）基于PI及PR控制器的控制策略。

由于PI或PR控制器是根据实际值与控制目标的偏差来产生控制量的，只要合理选择 PI或PR控制器中增益使闭环系统稳定就能达到控制目标。UPQC采用双闭环控制结构，外环采用电压控制，内环采用基于dq坐标变换的电流解耦控制，外环和内环均采用PI或PR控制器；对于文献[2]电压补偿控制器采用的是交流电压外环、电源电流内环结构；电流补偿控制器采用的是直流电压外环、补偿电流内环结构。为更好的同时处理电源侧电压暂降、不平衡及畸变和负载侧电流谐波，文献[3]电压补偿控制器采用比例谐振(PR)和谐振(R)控制器，电流补偿控制器采用 PI和三矢量PI控制器。

2）直接线性自适应控制策略。

为更有效消除电流谐波、电压暂降/暂升、电压畸变及电压不平衡，减少在线计算、增强对有界扰动的鲁棒性、渐进跟踪误差性能等，文献[4]提出了 UPQC直接自适应控制(direct adaptive control，DAC)策略。直接自适应控制器由指令产生跟踪器(command generator tracker，CGT)和DAC组成，CGT的输出信号为负载电压uL和电源电流is的期望值，并为与电源同频率的额定幅值的正弦波。DAC计算自适应控制律，使SHIN和 SEIN的实际输出和参考信号之间跟踪偏差接近0。

3）基于线性H∞优化控制理论的控制策略。

H∞优化控制理论是通过对所研究对象的某些闭环性能指标的H∞范数优化而获得最优(次优)控制器的一种控制理论。即对线性定常系统，设计真实有理函数控制器，使得闭环系统稳定，把干扰对可控输出的影响最小归结为使闭环传递函数矩阵 G(s)的 H∞范数最小，并满足最优性能指标，称为H∞最优控制。文献[5]研究了基于H∞模型匹配技术的 UPQC 串并联逆变器统一协调控制方法，设计了UPQC电压、电流波形跟踪补偿H∞最优控制器，提高了电压、电流波形跟踪补偿的控制精度。文献[6]将模型参数的不确定性引入到状态方程中，使得闭环系统对所允许的不确定性同时满足H∞干扰抑制和最优H2性能，把鲁棒H2/H∞控制器的设计转化为具有线性矩阵不等式的优化问题，进而推导出线性动态反馈控制器，使UPQC具有控制效果好、响应速度快、鲁棒性强等特点。

4）模型预测控制策略。

模型预测控制(model predictive control，MPC)是基于过程预测模型，综合考虑系统动态性能、控制目标和约束条件的在线优化控制方法。MPC控制器的设计首先要建立能对过程进行预测的模型(如状态空间模型)，基于该模型和系统的性能目标、约束限制等要求，构造出一个最优化控制问题；通常MPC 中构建最优化问题的基本方法是将模型中的表达式迭代展开预测出状态 x和输出 y 等，然后根据控制目标得到一个二次规划问题。文献[7-8]利用MPC对UPQC控制进行了研究。MPC控制器使在周期性干扰d=[usiL]T情况下，UPQC输出y=[uLis]T和期望参考y*=[u*Li*s]T之间误差e最小，参考信号y*为50Hz纯正弦波。外部输入 d=[usiL]T的作用相当于对系统施加了外部干扰，d通过Kalman滤波器I得到状态矢量的估计ξw，状态矢量ξw包括基波和谐波分量。ξw再通过参考Kalman滤波器II得到要跟踪的输出uL和is的期望参考值y*和ξd，结合ξw和ξd就得到状态矢量x的完整估计ξ。MPC 控制器根据获取的状态 x的估计ξ和误差 e，可使UPQC获得50Hz正弦uL和is，即有效补偿谐波、抑制干扰。

2.2.2 非线性控制策略

1）重复控制策略。

重复控制(repetitive control，RC)来源于控制理论中的内模原理，它将作用于系统外部信号的动力学模型植入控制器以构成高精度反馈控制系统，在系统周期不变的前提下重复控制器将上一周期的控制误差应用到当前控制量的生成中，使其对周期性扰动具有良好的抑制能力。文献[9-11]利用RC对UPQC控制进行了研究，在补偿电源电压中的谐波电压和非线性负载引起的电流谐波获得了好的效果。为克服传统 RC的不足，文献[10]提出了改进的RC，改进的RC的延时时间为基本周期的1/6，能够改进RC的动态和稳态性能，其传递函数为

式中：Kr为 RC增益；z-N/6为延时器；zk为相位超前环节；Q(z)为滤波器传递函数。

由于RC利用负载扰动的周期性规律，“记忆”扰动发生的位置，有针对性地逐步修正，改善输出波形，对周期性扰动具有良好的抑制能力;当负载突变引起补偿量变化时，PI控制器能够及时调整，因此工程中常采用PI-RC控制策略，使UPQC获得优秀的动态与稳态性能。

2）单周控制策略。

单周控制(one-cycle control，OCC)策略的基本思想是在每个控制周期内强迫开关变量的平均值与控制参考相等或成比例，从而消除稳态和瞬态误差。单周控制的控制电路简单，不需要参考信号，可在一个周期内消除稳态、瞬态误差，且能有效抵制电源侧的扰动。文献[12-13]利用OCC策略对 UPQC控制进行了研究，基于 OCC的SHIN可实现 UPQC 中的电流控制，基于 OCC的SEIN可实现UPQC 中的电压控制；能在一个开关周期内消除稳态误差且控制简单，这使得其电压与电流补偿精度和速度都得到明显提升。

3）滑模控制策略。

滑模控制(sliding mode control，SMC)策略的基本思想首先是设计适当的切换函数使得系统进入滑动模运动后具有良好的动态特性；其次是设计变结构控制律使得系统在有限时间内到达滑动模并保持在它上面运动致稳定的期望点。文献[14-16]利用SMC策略对UPQC控制进行了研究，SMC可实现抑制电流谐波、电源侧的电压暂降和暂升，小的直流电压过调和少的恢复时间；继而获得了好的动态和稳态性能。

4）反馈线性化控制策略。

反馈线性化(feedback linearization，FL)控制策略通过适当的非线性状态和反馈变换，使系统实现状态或输入/输出的精确线性化，从而将复杂的非线性系统综合问题转化为线性系统的综合问题。文献[17-19]利用FL控制策略对UPQC控制进行了研究，由于FL把非线性转换成线性系统，利用线性控制理论进行控制器设计，对突变的负载和输入电压变化具有快速的动态响应；同时，可把负载电压和电源电流调整到期望值，其稳定性由线性控制理论的极点配置确定。无论是动态性能还是稳态性能及稳定性都获得了比较满意的效果。

5）无源控制策略。

无源控制(passivity based control，PBC)策略的基本思想：①首先寻求与被控制状态变量或由状态变量表征的被控量相关的能量存储函数H(x)，同时确定出与系统期望平衡点x0相对应的能量存储函数 H(x0)；②基于系统的模型和无源性，根据系统控制要求设计无源控制器，无源控制器必须保证 H(x)收敛于 H(x0)或 x0=argmin H(x)，即H(x)→H(x0)。为获得优秀的动态与稳态性能，无源控制器具有使 H(x)收敛于 H(x0)的速度和轨迹可控的能力。利用无源控制理论设计的系统无源控制器可实现系统的全局稳定性，无奇异点问题，对系统参数变化及外来摄动有较强的鲁棒性。目前 UPQC无源控制包括时域无源控制[20-23]和多频率无源控制[24-26]。时域无源控制是基于全时域的EL模型或PCHD模型，设计UPQC无源控制器；多频率无源控制是建立多个不同频率的时域的EL模型或PCHD模型，设计UPQC无源控制器。无源控制器是在保证UPQC稳定的前提下，使is和uL接近正弦波。

除上述UPQC非线性控制策略外，还有无差拍控制(dead-beat control，DBC)策略[27]、滞环控制(hysteresis control，HC)策略[28]、反步控制(backstepping control，BC )策略[29]等。

2.2.3 智能控制策略

1）模糊控制策略。

模糊控制(fuzzy control，FC)系统是一种以模糊数学、模糊语言形式表示知识，以模糊逻辑的规则推理为理论基础，采用计算机控制技术构成的一种具有反馈通道闭环结构的数字非线性控制统，核心部件为模糊控制器。文献[30-31]利用FC对UPQC的控制进行了研究，研究结果表明利用FC可更有效消除电压与电流谐波，与PI控制策略相比，FC可使直流电压的调整时间和上升/下降的百分比明显减少，对参数变化更具鲁棒性。

2）人工神经网络控制。

人工神经网络(artificial neural network，ANN)是一个由简单处理单元构成的规模宏大的并行分布式处理器。基于 ANN控制的特点是它的信息处理并行机制可以解决控制系统中大规模的实时计算问题，且对复杂不确定问题具有自适应和学习能力。文献[32]利用ANN对UPQC的控制进行了研究，利用不同的负载条件训练ANN控制器，输出电压、电容电流及负载电流为ANN的输入，补偿量为ANN的输出，采用反向传播训练ANN。当ANN用于UPQC的并联逆变器时，可改进响应时间。文献[33]基于有效并行计算和在线学习能力的自适应线性神经元(adaptive linear neuron，ADALINE)研究了UPQC 控制问题，使UPQC可补偿电源电压谐波、暂降/暂升、负载电流谐波及负载无功功率。

3）基于多目标粒子群优化的控制策略。

多目标粒子群优化(multi-objective particle swarm optimization，MOPSO)是基于种群的多点搜索技术，是模仿鸟群和鱼群的社会行为。把MOPSO和其他控制策略融合在一起，可进一步提高UPQC的控制性能。

文献[34]提出基于PSO的自适应神经模糊推理的UPQC控制策略，该策略可抑制具有相位跳跃的不平衡电压暂降，且具有最小的有功功率注入。实际约束为串联逆变器注入电压限制、相位跳跃抑制及注入的电压相位角。利用PSO找到满足上述约束条件的使有功功率注入最小的目标函数，自适应神经模糊推理利用PSO数据对不同的电压暂降情况在线实现有功功率注入最小。文献[35]根据目标函数及约束，利用 MOPSO 找到了UPQC 状态反馈控制器的最优控制增益，实现状态矩阵特征值最大左移和增大阻尼比。与基于LQR的反馈控制器相比，基于PSO的反馈控制器在补偿后更能减少电压与电流的总谐波畸变率。

2.3 UPQC直接控制策略

UPQC直接控制策略控制结构如图3所示。串联逆变器直接输出正弦交流电流，并联逆变器直接输出正弦交流电压，均根据补偿量由控制器实现。采用的控制器均为PI、PID或PD控制器，只不过是在不同坐标系下实现的。

2.3.1 基于PID的控制策略

文献[36-38]采用 PI或 PID控制器对 UPQC实施了直接控制。SEIN用于直流电压及交流电流的控制，有两种控制方案：①dq轴控制方案，即外环采用直流电压环，实现直流电压的控制；内环为dq坐标系下的交叉解耦电流环，实现对交流电流的控制，电压环控制器为PI控制器，电流环采用PI控制器[36]或PID控制器[37]；②三相独立控制方案，即外环仍采用直流电压环，内环为三个独立的电流环，外环仍采用PI控制器，内环采用大积分作用的PI控制器。

对于 SHIN的 dq控制方案均为交流电压外环，交流电流内环，均为交叉解耦控制，控制器均为 PI控制器[36-38]。也可采用三相独立控制方案[38]，电压外环采用 PI控制器，电流内环采用PD控制器。

2.3.2 基于p-q-r理论的控制策略

文献[39-40]基于改进的 p-q-r 理论，提出了在 p、q、r 轴上的SEIN带状态解耦及补偿电压前馈的电源电流控制方案，以及 p、q、r 轴上的并联逆变器带负载电流前馈的双闭环控制方案。SEIN直流电压外环采用PI控制器，交流电流内环采用交叉解耦控制，控制器采用PID控制器；SHIN交流电压外环、交流电流内环均采用交叉解耦控制，控制器均采用PI控制器。

2.3.3 完全直接控制策略

针对现有的基于同步旋转坐标系 dq的UPQC模型中存在双环强耦合特性，文献[41-42]通过增加1次从dq到αβ的变换实现完全解耦。

在此基础上提出了基于两相同步旋转 dq坐标系的UPQC完全解耦的新型直接控制策略。控制过程变得更加简捷，也有利于UPQC 的参数计算和设定，继而可提高控制性能。

3 UPQC控制策略分析

3.1 间接和直接控制策略比较

在工程实际中，UPQC多采用间接控制策略。间接控制策略需要检测电网电压及负载电流的扰动畸变等信息，获得电源电流和负载电压所需的补偿量，再通过控制器控制SEIN和SHIN，使负载电压及电源电流接近正弦波。间接控制有多种控制策略，都是从不同角度改进了UPQC的控制性能。另外，当电源断电时，SHIN需从电流源模式变为电压源模式，导致控制上的困难。

对于直接控制策略，SHIN视为电压源，有很小的阻抗，因此负载的谐波和电网的谐波电流都流入并联逆变器支路。对于负载无功和不平衡，SEIN作为正弦电流源运行，使得电网输入电流为正弦且功率因数为 1，由于电流源对于谐波电压具有很大的阻抗，因此电网的谐波电压被阻断而不影响负载端电压。采用该控制策略，在电网断电或恢复供电时，不存在工作模式的切换，因为SHIN始终受控为正弦电压源。由于电源侧电流被补偿为正弦，因此无功电流和谐波电流仍然由SHIN提供。直接控制方案更加直观，概念更清晰，在系统参数变化时能更快适应， 因此具有一定的优势。由于直接控制策略中的控制器为多个PI控制器的参数调整和协调控制难度大，难以使UPQC获得优秀的动态及静态性能。

3.2 各种控制策略优缺点

3.2.1 线性控制策略

1）基于PID类控制器控制策略。

PID控制器不用被控对象的精确模型，只用控制目标与对象实际行为之间误差来产生消除此误差的控制策略。由于PID 控制技术是立足于误差来减少误差的过程控制原理，它在UPQC间接和直接控制策略中得到应用。PID类控制器具有消除静差、简洁易于工程实现的。由于D物理不可实现，只能近似实现；I误差积分反馈的引入，使闭环变得迟钝，容易产生振荡；PID控制器的参数可由线性控制理论的方法予以确定，当采用多环多个PID控制器时，参数确定比较困难，且难使UPQC获得优秀的性能。

2）直接线性自适应控制策略。

直接线性自适应控制策略优点为通过在线修正自己的特性以适应对象的变化，能够有效解决模型不精确和模型变化所带来的鲁棒性问题。其缺点为数学模型的建立和运算比较复杂，控制系统不易实现；进行校正需要一定时间，主要适于渐变和实时性不高的过程。

3）基于线性H∞优化控制理论的控制策略。

基于线性 H∞优化控制理论的控制策略不但可对控制系统进行优化设计，控制精度高，而且还可满足鲁棒性要求；不但有明确的物理意义，而且还有严格的数学基础。它以扰动输入至评价信号的传递函数矩阵的H∞范数作为性能指标，由H∞范数最小来设计出反馈控制器，使闭环系统稳定，且干扰对系统的影响最小。不足为：①H∞控制只能在允许的摄动范围内保证鲁棒稳定性；②基于模型匹配的设计理论与状态反馈和动态输出反馈设计理论之间的关系有待于进一步探讨。

4）模型预测控制策略。

MPC策略具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和并联性，并能方便的处理过程被控变量和操纵变量中的各种约束。具有适用于多输入多输出系统、考虑系统约束条件、在线优化计算不复杂等特点。

由于 MPC在每一时刻的滚动优化中，不是面对一个已有的、根据实际优化要求和约束条件确定的在线优化问题，而需要把在线优化的内容结合控制律一并综合设计，则导致物理意义不明确，难以与应用实践相联系。另外，大量人为约束的加入，虽然对系统性能保证是必要的， 但同时也极大地增加了优化求解的计算量， 特别对鲁棒预测控制问题， 由于所附加的LMI 条件不但与优化时域相关， 而且与系统不确定性随时域延伸的各种可能性有关， LMI 的数目将会急剧增长，对在线计算量的影响更为突出。

3.2.2 非线性控制策略

1）重复控制策略。

重复控制优点为可克服死区、非线性负载等周期性干扰引起的输出波形周期性畸变；可以消除周期性干扰产生的稳态误差， 控制鲁棒性强，且数字实现容易。其缺点为：①要求扰动信号是时间的周期函数，但系统的实际运行是周期波动的，直接应用重复控制的效果并不理想；②由于重复控制延时一个工频周期的控制特点，使得单独使用重复控制的高频逆变器动态特性极差，无法满足高频逆变器的指标要求；③由于延迟因子的存在，在干扰出现的一个基波周期内，系统对干扰不产生任何调节作用，控制的实时性差，动态响应速度慢。

2）单周控制策略。

单周控制策略优点为能在一个周期内抵制电源侧的扰动，消除静态误差和动态误差，动态响应快，能减小畸变和抑制电源干扰，对输入扰动抑制能力强；其缺点为需要快速复位的积分电路，硬件电路较复杂；对开关误差校正能力有限，存在稳态误差，精度欠佳；对负载扰动抑制能力差，负载动态响应慢。

3）滑模控制策略。

SMC策略具有对模型不确定和对外界扰动不变化及鲁棒性强等特点的控制方法，其优点为几乎不依赖于模型，对参数变化和外部扰动不敏感，鲁棒性好，抗干扰能力强；对系统模型精度要求不高，控制规律简单，实现容易。其缺点为开关频率不固定，输出纹波较大，对滤波器设计要求较高；频繁高速的开关切换会带来高频抖动，甚至导致不稳。

4）反馈线性化控制策略。

反馈线性化控制策略主要优点为把非线性系统利用微分同胚变换转化成线性系统，利用线性控制理论方法设计控制器，可使系统快速响应，进而改善系统的动态性能。其缺点为控制器设计复杂；解耦矩阵、反馈控制律复杂，导致运算复杂，需要高速DSP；解耦矩阵可能存在奇异性。

5）无源控制策略。

UPQC的PBC策略优点：基于无源控制模型(如欧拉朗日模型)和无源性，利用阻尼注入设计的控制器对系统参数变化及外来摄动有较强鲁棒性；系统结构简单，易于实现；具有全局稳定性，无奇异点；由于利用能量函数收敛到期望能量函数达到控制目标的，无超调及振荡现象。由于收敛到期望平衡点时，收敛速度非常慢，导致有小的误差存在。

3.2.3 智能控制策略

1）模糊控制策略。

模糊控制不需要对系统建立精确的数学模型，具有较强的鲁棒性，尤其适合于非线性、时变、滞后系统的控制。但存在稳态误差，在工作点附近容易引起小范围振荡。模糊控制要取得较好的控制效果，必须具有较完善的控制规则，在实际工程中有时难以总结出较完整的经验，且对象动态特性发生变化或受到随机干扰的影响时模糊控制的效果都会变化。

2）人工神经网络控制。

人工神经网络控制优点为具有并行处理、自组织学习、非线性映射、鲁棒性及容错性等能力；只需通过一定的 I/O样本来训练，可逼近任意对象的动态特性；不需复杂控制结构，也不需要对象模型，可用于复杂的控制对象。缺点为计算复杂，计算量大，实时性较差；稳定性分析较困难，收敛性不能保证，可能陷入局部最优，甚至发散。

3）基于多目标粒子群优化控制策略。

PSO是一种随机的并行优化算法，其计算法简单，容易实现，且不要求被优化函数具有可微、可导、连续等性质，收敛速度较快的优点。因此，可与其他控制策略融合，形成更有效的控制策略。其不足为：①由早熟收敛陷入的局部最优问题；②合理选择惯性权重ω和学习因子c1、c2，使得算法能快速收敛而又不会陷入局部最优难度大。

3.3 各种控制策略优化组合

从控制角度看，UPQC需要保证稳定的前提下，提高动态及静态性能。由于UPQC常为非正弦量及不平衡的，要求控制器必须有优秀的跟踪性能。本文论述的线性控制策略、非线性控制策略及智能控制策略，每一个控制策略都不能实现UPQC所有控制要求。因此，发挥各策略的优势，多种控制策略融合，实现优势互补，提高UPQC控制性能。

3.3.1 无源混合控制器策略

由于PBC策略可保证UPQC的稳定性，因此，需研究无源控制为主、其他控制策略为辅的混合控制策略，其他控制策略的选择可根据UPQC工作的外部环境、控制方式及控制要求确定。如PBC+PI(PI用于消除静差)、PBC+PSO(PSO用于优化阻尼注入)等，实现具有较好的宽频带幅频特性且跟踪稳定无静差、鲁棒性强的混合无源控制器。

3.3.2 多种控制器融合研究

由于大部分UPQC线性控制策略还是非线性控制策略都需要严谨的数学模型，由于数学模型的建立是在一定假设及参数确定情况下建立的，在实际工程中数学模型具有不确定性，亦影响UPQC控制效果。因此，需要研究不依赖数学模型的控制策略与依赖数学模型控制策略的融合，如模糊、PSO和反馈线性化控制的融合；或多个同类控制策略的融合，如模糊与神经网络控制融合、反馈线性化和滑模控制的融合。通过合理的融合，可提高UPQC的综合控制性能。

4 结论

本文按UPQC的间接控制策略和直接控制策略，综述了国内外UPQC线性控制、非线性及智能控制策略研究的基本思想，并分析了各种控制策略的优缺点。为克服当前UPQC各种控制策略的不足，充分发挥各种控制策略的优势，提出了无源混合控制策略和多种控制策略融合的新思路，新的思路可保证稳定的前提下，提高动态及静态性能，为我国学者研究高性能UPQC控制提供参考。