Lcl型光伏并網(wǎng)逆變器自適應控制系統(tǒng)及控制方法
【專利摘要】本發(fā)明公開了一種LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)及控制方法，由LCL型光伏并網(wǎng)逆變器主電路和LCL型光伏并網(wǎng)逆變器控制電路組成；所述LCL型光伏并網(wǎng)逆變器主電路包括光伏并網(wǎng)逆變器和LCL濾波器，LCL型光伏并網(wǎng)逆變器控制電路包括并網(wǎng)電流外控制環(huán)路、電容電流反饋內(nèi)控制環(huán)路，其中所述LCL濾波器包括第一電感、電容和第二電感，所述并網(wǎng)電流外控制環(huán)路包括PI控制器模塊和DRNN神經(jīng)網(wǎng)絡模塊。采用本發(fā)明技術方案，控制系統(tǒng)能夠根據(jù)外界條件的變化，自動調(diào)整控制器參數(shù)，提高了系統(tǒng)魯棒性，減少穩(wěn)態(tài)誤差，保證好的并網(wǎng)電能質(zhì)量。
【專利說明】
LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)及控制方法
技術領域
[0001] 本發(fā)明設及光伏并網(wǎng)逆變器控制領域，尤其是一種LCL型光伏并網(wǎng)逆變器自適應 控制系統(tǒng)及控制方法。
【背景技術】
[0002] 隨著環(huán)境污染嚴重、能源緊缺問題的出現(xiàn)，能源結(jié)構(gòu)發(fā)生變化，分布式可再生能源 比重逐漸加大，其中光伏系統(tǒng)發(fā)展尤為迅速。光伏并網(wǎng)逆變器是連接大電網(wǎng)與分布式發(fā)電 的樞紐，但因其含有大量非線性元件，導致諧波的出現(xiàn)。目前抑制諧波最常用的方法是在光 伏并網(wǎng)逆變器出口側(cè)放置濾波器，常用的有L型、LC型、IXL型S種。與其他兩種濾波器相比， IXL型濾波器成本低、體積小、動態(tài)性能好，并且具有更好的諧波抑制性能，因此被廣泛使 用。
[0003] 對于光伏并網(wǎng)逆變器，現(xiàn)有控制策略中PI控制器、比例諧振(PR)控制器應用最為 廣泛。HU周節(jié)器可有效抑制電網(wǎng)諧波問題，但通常會引入多個PR調(diào)節(jié)器，造成控制算法復 雜，特別是當電網(wǎng)諧波頻率接近系統(tǒng)截止頻率時，PR調(diào)節(jié)器會導致系統(tǒng)相角裕度的減小，可 能會造成系統(tǒng)不穩(wěn)定。PI控制器對截止頻率W下的各次諧波都有一定的抑制能力，通常與 電網(wǎng)電壓前饋控制策略相結(jié)合，實現(xiàn)無靜差調(diào)節(jié)，確保電網(wǎng)穩(wěn)定運行。然而，不管是PI控制 器還是PR控制器都有許多不完善之處，其中最主要的問題就是控制器參數(shù)整定問題，一旦 參數(shù)確認后，在整個控制過程中控制器參數(shù)固定不變，而實際過程中，由于光照強度、溫度 等外界條件的不斷變化，且光伏并網(wǎng)逆變器依賴于系統(tǒng)的精確建模，在某種狀態(tài)和環(huán)境下 整定計算出的控制器參數(shù)，一旦工作環(huán)境發(fā)生變化時，運些設定好的控制器參數(shù)就不適用 了，因此常規(guī)控制器很難達到最佳的控制效果，導致系統(tǒng)穩(wěn)態(tài)誤差增大，影響電網(wǎng)電能質(zhì) 量。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)及控制方法。
[0005] 實現(xiàn)本發(fā)明目的的技術方案為:一種LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)，其特 征在于，由LCL型光伏并網(wǎng)逆變器主電路和LCL型光伏并網(wǎng)逆變器控制電路組成；
[0006] 所述LCL型光伏并網(wǎng)逆變器主電路包括光伏并網(wǎng)逆變器和LCL濾波器，IXL型光伏 并網(wǎng)逆變器控制電路包括并網(wǎng)電流外控制環(huán)路、電容電流反饋內(nèi)控制環(huán)路，其中所述LCL濾 波器包括第一電感、電容和第二電感，所述并網(wǎng)電流外控制環(huán)路包括PI控制器模塊和DRNN 神經(jīng)網(wǎng)絡模塊；
[0007] 所述第一電感的一端連接光伏并網(wǎng)逆變器的輸出端，第一電感的另一端分別連接 電容的正極和第二電感的一端，電容的負極接地，第二電感的另一端連接電網(wǎng)；
[000引所述第二電感流過的并網(wǎng)電流實際值與并網(wǎng)電流參考值做差得到偏差信號，偏差 信號輸入至PI控制器模塊，利用比例、積分運算獲得PI控制器模塊的輸出信號，輸出信號與 第二電感流過的并網(wǎng)電流實際值共同作為DRr^N神經(jīng)網(wǎng)絡模塊的輸入信號，經(jīng)過DRr^N神經(jīng)網(wǎng) 絡自辨識后輸出PI控制器參數(shù)，對PI控制器原有參數(shù)進行校正;所述PI控制器模塊的輸出 信號加上電網(wǎng)電壓通過電容的前饋量減去電容電流實際值運算處理后得到的差值，經(jīng)過電 容電流反饋內(nèi)控制環(huán)路，加上電網(wǎng)電壓通過第一電感的電網(wǎng)電壓前饋量，進而產(chǎn)生SPWM波 控制逆變器將直流側(cè)電壓轉(zhuǎn)換為交流電壓。
[0009] 與現(xiàn)有技術相比，本發(fā)明具有W下顯著優(yōu)點：
[0010] (1)本發(fā)明克服了光伏逆變器傳統(tǒng)控制器無法適應輸出功率變動帶來的穩(wěn)態(tài)誤差 影響，可實現(xiàn)根據(jù)外界條件自動調(diào)節(jié)控制器參數(shù)。
[0011] (2)本發(fā)明的電容電流反饋內(nèi)控制環(huán)路增加系統(tǒng)阻尼，解決LCL濾波器產(chǎn)生的諧振 問題，可W有效的在諧振頻率處改善諧振尖峰。
[0012] (3)傳統(tǒng)PI控制器無法實現(xiàn)無靜差控制，本發(fā)明加入電網(wǎng)電壓前饋量可W有效的 解決此問題，并減少電網(wǎng)電壓崎變對光伏系統(tǒng)的影響，可得到較低的并網(wǎng)電流T皿。
[0013] (4)本發(fā)明在并網(wǎng)電流外環(huán)中加入DRr^N神經(jīng)網(wǎng)絡控制器，并不增加系統(tǒng)硬件電路 成本，不改變系統(tǒng)傳遞函數(shù)，不增加系統(tǒng)復雜性。
【附圖說明】
[0014] 圖1為本發(fā)明的LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)框圖。
[0015] 圖2為逆變器主電路與LCL濾波器拓撲圖。
[0016] 圖3為本發(fā)明實施例的LCL型光伏并網(wǎng)逆變器控制策略圖。
[0017]圖4為本發(fā)明實施例的DRNN神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖。
【具體實施方式】
[0018] 結(jié)合圖1，本發(fā)明的一種LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)，由LCL型光伏并網(wǎng) 逆變器主電路1和LCL型光伏并網(wǎng)逆變器控制電路2組成；
[0019] 所述LCL型光伏并網(wǎng)逆變器主電路1包括光伏并網(wǎng)逆變器3和LCL濾波器4，LCL型光 伏并網(wǎng)逆變器控制電路2包括并網(wǎng)電流外控制環(huán)路5、電容電流反饋內(nèi)控制環(huán)路6,其中所述 IXL濾波器4包括第一電感Ll、電容C和第二電感L2，所述并網(wǎng)電流外控制環(huán)路5包括PI控制 器模塊7和DRr^N神經(jīng)網(wǎng)絡模塊8;
[0020] 所述第一電感Ll的一端連接光伏并網(wǎng)逆變器3的輸出端，第一電感Ll的另一端分 別連接電容C的正極和第二電感L2的一端，電容C的負極接地，第二電感L2的另一端連接電 網(wǎng)；
[0021] 所述第二電感L2流過的并網(wǎng)電流實際值與并網(wǎng)電流參考值做差得到偏差信號，偏 差信號輸入至PI控制器模塊7,利用比例、積分運算獲得PI控制器模塊7的輸出信號，輸出信 號與第二電感L2流過的并網(wǎng)電流實際值共同作為DR順神經(jīng)網(wǎng)絡模塊8的輸入信號，經(jīng)過 DRr^N神經(jīng)網(wǎng)絡自辨識后輸出PI控制器參數(shù)，對PI控制器原有參數(shù)進行校正;所述PI控制器 模塊7的輸出信號加上電網(wǎng)電壓通過電容的前饋量減去電容電流實際值運算處理后得到的 差值，經(jīng)過電容電流反饋內(nèi)控制環(huán)路6,加上電網(wǎng)電壓通過第一電感Ll的電網(wǎng)電壓前饋量， 進而產(chǎn)生SPWM波控制逆變器將直流側(cè)電壓轉(zhuǎn)換為交流電壓。
[0022] 進一步的，所述DR順神經(jīng)網(wǎng)絡模塊8利用神經(jīng)網(wǎng)絡自辨識得到跟蹤對象理想輸出 值，利用理想輸出值與跟蹤對象實際輸出值的誤差信號，得到跟蹤對象對PI控制器模塊7的 靈敏度信息即雅克比矩陣，進而校正PI控制器模塊7中控制器參數(shù)。
[0023] 進一步的，所述電容電流反饋內(nèi)控制環(huán)路6包括比例控制器，用于對輸入的差值進 行比例放大，得到相應的電壓值。
[0024] 本發(fā)明還提供一種基于所述LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)的控制方法， 包括W下步驟：
[0025] 步驟1、將LCL濾波器第二電感流過的并網(wǎng)電流實際值與并網(wǎng)電流參考值做差得到 偏差信號，并將偏差信號發(fā)送給PI控制器模塊；
[0026] 步驟2、利用比例、積分運算獲得PI控制器模塊的輸出信號，并將輸出信號發(fā)送給 DRr^N神經(jīng)網(wǎng)絡模塊；
[0027] 步驟3、DRr^N神經(jīng)網(wǎng)絡進行自辨識得到PI控制器參數(shù)，對PI控制器原有參數(shù)進行校 正；
[0028] 步驟4、PI控制器模塊的輸出信號加上電網(wǎng)電壓通過電容的前饋量減去電容電流 實際值運算處理后得到的差值，經(jīng)過電容電流反饋內(nèi)控制環(huán)路6,加上電網(wǎng)電壓通過第一電 感Ll的電網(wǎng)電壓前饋量，進而產(chǎn)生SPWM波控制逆變器將直流側(cè)電壓轉(zhuǎn)換為交流電壓。
[0029] 進一步的，所述DRr^N神經(jīng)網(wǎng)絡模塊7為一種回歸神經(jīng)網(wǎng)絡，網(wǎng)絡結(jié)構(gòu)共有=層，分 別為輸入層、回歸層、輸出層，其辨識過程主要包括：
[0030] 第一步，采樣DRr^N神經(jīng)網(wǎng)絡控制模塊7的輸入量，并進行神經(jīng)網(wǎng)絡的預處理；
[0031] 第二步，輸入量通過DRNN神經(jīng)網(wǎng)絡模塊7辨識得到神經(jīng)網(wǎng)絡回歸層的輸入、輸出， 進而得到雅可比矩陣W及DR順神經(jīng)網(wǎng)絡模塊7的輸出值；
[0032] 第S步，利用雅可比矩陣、DR順神經(jīng)網(wǎng)絡模塊7的輸出值校正PI控制器模塊8原有 參數(shù)，得到新的PI控制器模塊8輸出信號；
[0033] 第四步，更新DRr^N神經(jīng)網(wǎng)絡模塊7的加權(quán)系數(shù)，重新開始第二步。
[0034] 進一步的，校正PI控制器模塊8控制器參數(shù)，計算方法采用梯度下降法，計算方法 為：
[0035]
[0036]
[0037] 式中，％為Kp學習速率，IUi為Ki學習速率，T為采樣時間，k為采樣序號，Kp是比例增 益參數(shù)，Ki是積分增益參數(shù)。
[0038] 下面結(jié)合實施例來詳細說明本發(fā)明。
[0039] 實施例
[0040] 結(jié)合圖1，本發(fā)明的一種LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)及控制方法，由LCL 型光伏并網(wǎng)逆變器主電路1與LCL型光伏并網(wǎng)逆變器控制電路2組成;所述LCL型光伏并網(wǎng)逆 變器主電路1包括光伏并網(wǎng)逆變器3、LCL濾波器4,其中光伏并網(wǎng)逆變器3的輸出接LCL濾波 器4的輸入;所述LCL型光伏并網(wǎng)逆變器控制電路2包括并網(wǎng)電流外控制環(huán)路5、電容電流反 饋內(nèi)控制環(huán)路6;所述并網(wǎng)電流外控制環(huán)路5包括PI控制器模塊7、DRr^N神經(jīng)網(wǎng)絡模塊8;
[0041] 圖2為LCL型光伏并網(wǎng)逆變器主電路拓撲圖，所述LCL濾波器4包括LCL濾波器包括 第一電感LU電容C和第二電感L2,第一電感Ll的一端連接光伏并網(wǎng)逆變器3的輸出，第一電 感LI的另一端分別連接電容C的正極和第二電感L2的一端，電容C的負極接地，第二電感L2 的一端連接大電網(wǎng)。IXL濾波器的主要作用是對并網(wǎng)電流進行濾波，得到較低的總諧波崎變 率，保證并網(wǎng)電流的電能質(zhì)量。
[0042] 圖3為本發(fā)明實施例的LCL型光伏并網(wǎng)逆變器控制策略圖，對電網(wǎng)電壓Ug采用鎖相 環(huán)P化技術提取并網(wǎng)電壓相角9,并將abc自然參考系下的第二電感L2流過的并網(wǎng)電流實際 值i2d和并網(wǎng)電流參考值i2dref與電容C流過的電容電流實際值ic通過化rk變化轉(zhuǎn)變?yōu)閐q旋轉(zhuǎn) 坐標系下的向量，本實施例Wd軸為例進行分析，第二電感L2流過的并網(wǎng)電流實際值i2d與并 網(wǎng)電流參考值i2dref做差處理后得到偏差信號error，偏差信號error與PI控制器模塊7的輸 入端相連，利用比例、積分運算后獲得PI控制器模塊7的輸出信號U，輸出信號U經(jīng)過DR順神 經(jīng)網(wǎng)絡模塊8的自辨識后輸出PI控制器模塊8的控制器參數(shù)Kp、Ki，對PI控制器模塊8原有參 數(shù)進行校正;所述PI控制器模塊7的輸出信號U加上電網(wǎng)電壓Ug通過電容的前饋量減去電容 電流實際值ic運算處理后得到的差值，經(jīng)過電容電流反饋內(nèi)控制環(huán)路6,加上電網(wǎng)電壓Ug通 過第一電感Ll的電網(wǎng)電壓前饋量，進而產(chǎn)生SPWM波控制逆變器3動作。
[0043] 電容電流反饋內(nèi)控制環(huán)路6包括比例控制器，因為對電容電流反饋的精度要求不 高，因此只采用比例控制器對其信號進行放大，主要用于解決LCL濾波器4產(chǎn)生的諧振，通過 引入適當?shù)臓顟B(tài)變量反饋來抑制諧振尖峰，不需要附加無源元件，無能量損耗，更加靈活高 效。
[0044] 所述LCL濾波器4第二電感L2上流過的d軸的并網(wǎng)電流參考值i2dref是通過瞬時無功 理論計算得到的，即dq坐標軸下光伏發(fā)電系統(tǒng)輸出的有功功率P和無功功率Q可W用并網(wǎng)電 壓的有功分量Ugd、無功分量Ugq和并網(wǎng)電流的有功分量i2d、無功分量i2q表示：
[0045]
[0046]
[0047] 本發(fā)明實施例中并網(wǎng)電流無功分量i2q為0,保證逆變器輸出無功功率為0,減少不 必要的損耗。因此d軸的并網(wǎng)電流參考值i2dref為：
[004引
[0049] PI控制器模塊7的輸出信號U由比例環(huán)節(jié)、積分環(huán)節(jié)經(jīng)過運算得到，運算過程為：
[(K)加 ]
[0051] 其中，u(t)是PI控制器模塊7的輸出信號，t是時間變量，T是積分變量，Kp、Ki是PI控 審IJ器模塊8的兩個控制參數(shù)，Kp是比例增益參數(shù)，Ki是積分增益參數(shù)；
[0052] error(t)是偏差信號，其計算公式如下：
[0053] error(t) = i2dref(t)-i2d(t)
[0化4] 上式中，i2dref(t)是第二電感L2上流過的并網(wǎng)電流參考值，i2d(t)是第二電感L2上 流過的并網(wǎng)電流實際值。
[0055]本發(fā)明控制系統(tǒng)特別之處在于在并網(wǎng)逆變器并網(wǎng)電流外控制環(huán)路5中加入DRr^N神 經(jīng)網(wǎng)絡控制模塊8，PI控制模塊7的控制器參數(shù)Kp、Ki可根據(jù)外界條件變化進行自適應校正， 確保Kp、Ki為當前狀態(tài)下的最優(yōu)值。
[0056] 圖4為本發(fā)明實施例所采用的DRr^N神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖，在控制過程中，PI控制模 塊7起主導作用，DRr^N神經(jīng)網(wǎng)絡控制模塊8起調(diào)節(jié)作用，DRr^N神經(jīng)網(wǎng)絡控制模塊8有兩個輸入 量:PI控制模塊7的輸出信號U和第二電感L2上流過的并網(wǎng)電流實際值i2dD〇R順神經(jīng)網(wǎng)絡模 塊8利用神經(jīng)網(wǎng)絡自辨識的功能，可W得到第二電感L2流過的并網(wǎng)電流理想輸出值ym，利用 理想輸出值ym與第二電感L2上流過的并網(wǎng)電流實際值i2d的誤差信號，得到跟蹤對象對PI控 審IJ器模塊7的靈敏度信息即雅可比矩陣，進而校正PI控制器模塊7中控制器參數(shù)。DR順神經(jīng) 網(wǎng)絡控制模塊8的輸入量Kk)表示為：
[0057] I(k) = [u化）i2d化）]
[0化引式中，k為采樣序號。
[0059] DRNN神經(jīng)網(wǎng)絡模塊8是一種回歸神經(jīng)網(wǎng)絡，網(wǎng)絡結(jié)構(gòu)共有=層，輸入層、回歸層、輸 出層，DR順神經(jīng)網(wǎng)絡較BP神經(jīng)網(wǎng)絡、RB巧巾經(jīng)網(wǎng)絡能更好的反應動態(tài)系統(tǒng)本身，因光伏并網(wǎng) 逆變器受外界條件變化較大，為保證系統(tǒng)良好的動態(tài)性能，因此本發(fā)明采用DR順神經(jīng)網(wǎng)絡， 本發(fā)明實施例中輸入層神經(jīng)元個數(shù)q = 2,回歸層神經(jīng)元個數(shù)為m=6,輸出層神經(jīng)元個數(shù)n = 2,其辨識過程主要包括：
[0060] 步驟1)采樣所述DRr^N神經(jīng)網(wǎng)絡控制模塊8的輸入量Kk)，并進行神經(jīng)網(wǎng)絡的預處 理；
[0061] 步驟2)所述輸入向量Kk)通過DRr^N神經(jīng)網(wǎng)絡模塊8辨識得到神經(jīng)網(wǎng)絡回歸層的輸 入&化）、輸出、化），進而得到雅可比矩陣，W及所述DR順神經(jīng)網(wǎng)絡模塊8的輸出值ym化）；
[0062] 步驟3)利用所述雅可比矩陣、DR順神經(jīng)網(wǎng)絡模塊8的輸出值ym化)校正PI控制器模 塊7原有參數(shù)，得到新的PI控制器輸出信號U;
[0063] 步驟4)更新DRr^N神經(jīng)網(wǎng)絡模塊8的加權(quán)系數(shù)，重新開始步驟2;
[0064] 所述神經(jīng)網(wǎng)絡的預處理為初始化權(quán)值Wjn、Wi j、WjD，其中Wjn為神經(jīng)網(wǎng)絡輸出層的 權(quán)值向量，Wi j為神經(jīng)網(wǎng)絡輸入層的權(quán)值向量，WjD為神經(jīng)網(wǎng)絡回歸層的權(quán)值向量；
[0065] 當外界環(huán)境突變，產(chǎn)生較大擾動時，DRr^N神經(jīng)網(wǎng)絡控制模塊8通過神經(jīng)網(wǎng)絡的自身 加權(quán)系數(shù)胖^'。、胖。'、胖^'〇計算辨識出神經(jīng)網(wǎng)絡回歸層的輸入&化）、神經(jīng)網(wǎng)絡回歸層的輸出、 化）、神經(jīng)網(wǎng)絡輸出層的輸出ym化），計算方法分別為：
[0066] 1)DR順神經(jīng)網(wǎng)絡回歸層的輸入&化)為：
[0067] Sj(k)=Wj〇Xj(k-l) + E [WijKk)]
[006引2)DRW^神經(jīng)網(wǎng)絡回歸層的輸出Xj化)為：
[0069] Xj化)=恥化)]
[0070] 式中，f (X)是回歸層神經(jīng)元的非線性映射函數(shù)，本發(fā)明實施例回歸層神經(jīng)元去雙S 函數(shù)，公式為：
[0071]
[0072] 3)DRr^N神經(jīng)網(wǎng)絡輸出層的輸出ym化)為：
[0073] ym化）= EWj〇Xj(k)
[0074] 所述雅可比矩陣可W通過將DRr^N神經(jīng)網(wǎng)絡輸出層的輸出ym化)與第二電感L2上流 過的并網(wǎng)電流實際值i2d看成近似相等，利用采樣得到的并網(wǎng)電流實際值i2d求得用于校正 PI控制器參數(shù)的雅可比矩陣，計算方法為：
[0075]
[0076] 利用求得的所述雅可比矩陣校正PI控制器模塊7控制器參數(shù)，計算方法采用梯度 下降法，％為咕學習速率，IU功Ki學習速率，T為采樣時間，計算方法為：
[0077]
[007引
[0079] 所述的更新DRr^N神經(jīng)網(wǎng)絡模塊8的加權(quán)系數(shù)同樣采樣梯度下降法，為使捜索快速 收斂至全局極小值，增加一個慣性項，慣性系數(shù)為0。定義加權(quán)系數(shù)更新誤差信號為：
[0080] em(k) = i2d(k)-ym 化）
[0081 ] DRr^N神經(jīng)網(wǎng)絡模塊7的權(quán)值系數(shù)調(diào)整增量計算方法為：
[0082；
[0083；
[0084；
[0085] 式中，屯、化和化分別為神經(jīng)網(wǎng)絡輸出層、輸入層和回歸層加權(quán)系數(shù)的學習速率。
【主權(quán)項】
1. 一種IXL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)，其特征在于，由IXL型光伏并網(wǎng)逆變器 主電路（1)和LCL型光伏并網(wǎng)逆變器控制電路(2)組成； 所述LCL型光伏并網(wǎng)逆變器主電路（1)包括光伏并網(wǎng)逆變器(3)和LCL濾波器(4)，LCL型 光伏并網(wǎng)逆變器控制電路(2)包括并網(wǎng)電流外控制環(huán)路(5)、電容電流反饋內(nèi)控制環(huán)路(6)， 其中所述LCL濾波器(4)包括第一電感化1)、電容(C)和第二電感化2)，所述并網(wǎng)電流外控制 環(huán)路(5)包括PI控制器模塊(7)和DRr^N神經(jīng)網(wǎng)絡模塊(8); 所述第一電感化1)的一端連接光伏并網(wǎng)逆變器(3)的輸出端，第一電感化1)的另一端 分別連接電容(C)的正極和第二電感化2)的一端，電容(C)的負極接地，第二電感化2)的另 一端連接電網(wǎng)； 所述第二電感化2)流過的并網(wǎng)電流實際值與并網(wǎng)電流參考值做差得到偏差信號，偏差 信號輸入至PI控制器模塊(7)，利用比例、積分運算獲得PI控制器模塊(7)的輸出信號，輸出 信號與第二電感化2)流過的并網(wǎng)電流實際值共同作為DRNN神經(jīng)網(wǎng)絡模塊(8)的輸入信號， 經(jīng)過DRr^N神經(jīng)網(wǎng)絡自辨識后輸出PI控制器參數(shù)，對PI控制器原有參數(shù)進行校正;所述PI控 制器模塊(7)的輸出信號加上電網(wǎng)電壓通過電容的前饋量減去電容電流實際值運算處理后 得到的差值，經(jīng)過電容電流反饋內(nèi)控制環(huán)路(6 )，加上電網(wǎng)電壓通過第一電感化1)的電網(wǎng)電 壓前饋量，進而產(chǎn)生SPWM波控制逆變器將直流側(cè)電壓轉(zhuǎn)換為交流電壓。2. 根據(jù)權(quán)利要求1所述的LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)，其特征在于，所述 DRr^N神經(jīng)網(wǎng)絡模塊(8)利用神經(jīng)網(wǎng)絡自辨識得到跟蹤對象理想輸出值，利用理想輸出值與 跟蹤對象實際輸出值的誤差信號，得到跟蹤對象對PI控制器模塊(7)的靈敏度信息即雅克 比矩陣，進而校正PI控制器模塊(7)中控制器參數(shù)。3. 根據(jù)權(quán)利要求1所述的LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)，其特征在于，所述電 容電流反饋內(nèi)控制環(huán)路(6)包括比例控制器，用于對輸入的差值進行比例放大，得到相應的 電壓值。4. 一種基于權(quán)利要求1所述LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)的控制方法，其特征 在于，包括W下步驟： 步驟1、將LCL濾波器第二電感流過的并網(wǎng)電流實際值與并網(wǎng)電流參考值做差得到偏差 信號，并將偏差信號發(fā)送給PI控制器模塊； 步驟2、利用比例、積分運算獲得PI控制器模塊的輸出信號，并將輸出信號發(fā)送給DRNN 神經(jīng)網(wǎng)絡模塊. 步驟3、DRr^N神經(jīng)網(wǎng)絡進行自辨識得到PI控制器參數(shù)，對PI控制器原有參數(shù)進行校正； 步驟4、PI控制器模塊的輸出信號加上電網(wǎng)電壓通過電容的前饋量減去電容電流實際 值運算處理后得到的差值，經(jīng)過電容電流反饋內(nèi)控制環(huán)路(6)，加上電網(wǎng)電壓通過第一電感 L1的電網(wǎng)電壓前饋量，進而產(chǎn)生SPWM波控制逆變器將直流側(cè)電壓轉(zhuǎn)換為交流電壓。5. 根據(jù)權(quán)利要求4所述的LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)的控制方法，其特征在 于，所述DRNN神經(jīng)網(wǎng)絡模塊(7)為一種回歸神經(jīng)網(wǎng)絡，網(wǎng)絡結(jié)構(gòu)共有Ξ層，分別為輸入層、回 歸層、輸出層，其辨識過程主要包括： 第一步，采樣DRW^神經(jīng)網(wǎng)絡控制模塊(7)的輸入量，并進行神經(jīng)網(wǎng)絡的預處理； 第二步，輸入量通過DR順神經(jīng)網(wǎng)絡模塊（7)辨識得到神經(jīng)網(wǎng)絡回歸層的輸入、輸出，進 而得到雅可比矩陣W及DRP^N神經(jīng)網(wǎng)絡模塊(7)的輸出值； 第立步，利用雅可比矩陣、DR順神經(jīng)網(wǎng)絡模塊(7)的輸出值校正PI控制器模塊(8)原有 參數(shù)，得到新的PI控制器模塊(8)輸出信號； 第四步，更新DRW^神經(jīng)網(wǎng)絡模塊(7)的加權(quán)系數(shù)，重新開始第二步。6.根據(jù)權(quán)利要求5所述的LCL型光伏并網(wǎng)逆變器自適應控制系統(tǒng)的控制方法，其特征在 于，校正PI控制器模塊(8)控制器參數(shù)，計算方法采用梯度下降法，計算方法為：式中，％為1(。學習速率，ru功Ki學習速率，T為采樣時間，k為采樣序號，Κρ是比例增益參 數(shù)，Κι是積分增益參數(shù)。
【文檔編號】H02J3/38GK106099988SQ201610697828
【公開日】2016年11月9日
【申請日】2016年8月20日 公開號201610697828.6, CN 106099988 A, CN 106099988A, CN 201610697828, CN-A-106099988, CN106099988 A, CN106099988A, CN201610697828, CN201610697828.6
【發(fā)明人】滿燦, 孫美玲, 樊佳輝, 宋俊超
【申請人】南京理工大學