CN101969210A - 一种基于自抗扰控制技术的光伏发电系统的并网控制方法 - Google Patents

Abstract

一种基于自抗扰控制技术的光伏发电系统的并网控制方法。光伏发电系统是一个非线性系统，受电网和环境的影响，系统存在较强的外部干扰和非线性不确定因素。针对系统的工作特点，本发明采用自抗扰控制技术来实现对系统的有效控制。系统利用自抗扰控制器(ADRC)的扩张状态观测器，来对系统模型中的不确定因素和外扰进行动态观测，使系统对扰动具有很好的适应能力，在很大范围内可以适应对象模型和周围环境的变化，且不影响控制器的控制品质，体现了很好的鲁棒性。

Description

一种基于自抗扰控制技术的光伏发电系统的并网控制方法

【技术领域】

本发明涉及一种光伏发电系统的并网控制方法，主要是一种基于自抗扰控制技术的并网控制方法。其属于新能源发电与控制系统及电力电子的交叉技术领域。

【背景技术】

随着世界能源枯竭问题日趋严重，太阳能凭其可再生性和无污染性成为人类开发利用绿色可再生能源的焦点，正由补充型能源走向替代型能源，故光伏并网发电系统是太阳能利用的必然发展趋势。在并网光伏发电系统中，对电网的跟踪控制直接关系到输出电能的质量和系统的运行效率，是系统的核心和技术关键，控制系统的性能在很大程度上决定着并网的成败，一种合理的控制策略就显得十分必要。现在并网的技术多种多样，由于光伏发电受环境变化、电网波动、负荷突变以及模型参数不确定性等问题的影响，采用常规的控制方法很难取得满意的效果，加之每种方法都有其使用特点和适用场合，只是针对某些特定负载或某一小领域，普适性较差，带来的问题各式各样，至今没有形成一种普遍认可的方案。

自抗扰控制技术是对一类不确定性系统的控制有较好的适应性和鲁棒性的先进控制理论。它对内外扰有较强的抗扰能力，因其可操作性强且性能优良，已成为控制领域中活跃的研究方向。自抗扰控制技术可以对系统模型中不确定因素和外部干扰进行动态观测，使系统对扰动有很好的适应性。光伏发电系统中，由于外界环境变化容易导致太阳能电池输出电压不稳定，可以将它们作为系统的未知干扰，利用扩张状态观测器(ESO，即Extended State Observer)进行补偿，从而达到输出稳定电压的目的。自抗扰控制技术已应用于阻性光伏逆变器中，具有超调小、过渡过程可调的特点，在很大范围内可以适应对象模型和周围环境的变化，且不影响控制器的控制品质，体现了很好的鲁棒性。

【发明内容】

本发明目的是为了克服现有并网控制方法中存在的上述不足，提供一种基于自抗扰控制技术的光伏发电系统的并网控制方法。该方法既能对系统模型中的不确定因素和外部干扰进行动态观测，又不影响控制器的控制品质，具有良好的鲁棒性和适应能力。

本设计的技术方案：

一种基于自抗扰控制技术的光伏发电系统的并网控制方法，该方法包括：

第1、将光伏发电系统作为被控对象进行分析，确定被控对象的输入输出量及控制量；

第2、通过自抗扰控制技术中的跟踪微分器(TD)对被控对象的参考输入安排过渡过程并提取它的微分信号；

第3、通过自抗扰控制技术中的扩张状态观测器(ESO)对光伏发电系统模型中的不确定因素和外部干扰进行动态观测与估计；

第4、通过自抗扰控制技术中的非线性状态误差反馈律(NLSEF)来构成系统的控制量i_d；

第5、在控制过程中对各部分的参数进行调整，最终实现光伏发电系统的并网控制。

由上述分析，第1步所述的根据光伏并网发电系统这个控制对象，确定被控对象的输入输出量及控制量。即：

$\frac{{\mathrm{du}}_c}{\mathrm{dt}}=-\frac{1}{R_{L}c}{u}_c+\frac{i_e}{C}-\frac{i_d}{C}$

其中，u_c为系统的输出；i_d为系统的控制量；i_e为光伏阵列输出电流，在这里为对象的一个扰动量。

第2步所述跟踪微分器的控制算法为：

$\left\{\begin{array}{c}\stackrel{.}{v_1}=v_2\\ \stackrel{.}{v_2}=-\mathrm{fst}(v_1,v_2,{v,r,h}_0)\end{array}\right.$

其中，为非线性函数；

式中，d＝rh₀；d₀＝dh₀；y＝v₁-v+h₀v₂；

r：跟踪速度因子，反映跟踪微分器变化规律的特征参数；

h₀：滤波因子；

v：给定信号；

v₁：v的跟踪信号；

v₂：v的微分信号。

第3步所述，由扩张状态观测器(ESO)对系统模型中的不确定因素和外部干扰进行动态观测与估计。其中，u_c，i_d为系统的可量测变量，作为输入。其控制算法为：

$\left\{\begin{array}{c}\stackrel{.}{z_1}=z_2-{\mathrm{\β}}_{01}g\left(e\right),\\ \stackrel{.}{z_2}=z3-{\mathrm{\β}}_{02}g\left(e\right)-\frac{1}{d}{i}_d,\\ \stackrel{.}{z_3}=-{\mathrm{\β}}_{03}g\left(e\right).\end{array}\right.$

其中，e＝z₁-u_c。这里选择非线性函数g(e)＝e^1/3。β₀₁，β₀₂，β₀₃为可调参数；z₁和z₂分别为被控对象的输出信号的估计状态变量；z₃是被控对象的模型作用(内扰)和外扰作用的估计信号，即总干扰量的估计信号。

第4步所述，通过控制器的非线性状态误差反馈律(NLSEF)来构成系统的控制量i_d。由跟踪微分器产生的跟踪信号v₁和微分信号v₂与扩张状态观测器给出的状态估计信号z₁和z₂形成两个误差量，

$\left\{\begin{array}{c}{e}_1=v_1-z_1\\ e_2=v_2-z_2\end{array}\right.,$

构成系统的控制分量

i_d0＝β₁·g₁(ε₁)+β₂·g₂(ε₂)

i_d＝i_d0-d(z₂+f₀(z₁，z₂))，

其中，f₀(z₁，i_e)＝k_fi_e/z₁。β₁，β₂为误差非线性反馈率增益。

通过对控制器的参数进行反复调试，最终达到理想的控制效果。在跟踪微分器中，选择合适的过渡过程曲线，使得跟踪微分器可以给出连续、无超调的跟踪信号。在确保系统未定的前提下，调整扩张状态观测器中的参数β₀₁，β₀₂，β₀₃和非线性误差反馈率中的参数β₁和β₂，最终使系统得到较满意的控制效果。

利用自抗扰控制技术对光伏发电系统的并网进行控制，使整个系统在工作区间内有良好的鲁棒性和适应能力，对电网的冲击较小，有很好的应用前景。

本发明的工作原理：

针对光伏逆变控制系统的特点，将自抗扰控制技术应用于光伏并网控制中，它利用其扩张状态观测器，将系统模型中的不确定因素和外部干扰进行动态观测，当作一个虚拟的状态量进行估计，通过非线性反馈，在控制输入中消掉该项虚拟的状态量，即自动消除扰动，并利用逆变器交直流两侧参量之间的物理关系确定自抗扰控制器的三个基本组件的参数。

它用配置非线性结构替代极点配置进行控制系统的设计，依靠期望轨迹与实际轨迹的误差大小和方向实施非线性反馈控制，是一种基于过程误差来减小误差的方法。系统采用双闭环控制，内环采用电流控制环，外环为电压控制环，在这里外环采用自抗扰控制技术。通过参数调整，最终实现对电网良好的跟踪效果。

本发明的优点和有益效果：1.本发明对非线性、复杂系统具有较好的控制品质，并具有良好的抗干扰能力；2.将自抗扰控制技术用于光伏发电系统的并网控制中，具有超调小、过渡过程短的特点，在很大范围内可以适应对象模型和周围环境的变化，且不影响控制器的控制品质，具有很好的鲁棒性。

【附图说明】

图1是自抗扰控制技术的原理结构框图。

图2是单相光伏发电系统的系统结构图。

图3是基于自抗扰控制技术的光伏并网控制系统的结构图。

图4控制器主程序流程图。

图5控制器硬件结构图。

其中，电阻R代表逆变器损耗、电感器的电阻及线路损耗的等效电阻，L表示线路等效电感和扼流电感之和。u_c为系统的输出，i_d为系统的控制量。

【具体实施方式】

实施例

一种基于自抗扰控制技术(ADRC)的光伏发电系统的并网控制方法(见附图1、2、3)。该方法包括：

分析光伏发电系统这个被控对象，确定对象的输入输出量及控制量，通过自抗扰控制技术中的跟踪微分器(TD)对被控对象的参考输入安排过渡过程并提取微分信号；通过它的扩张状态观测器(ESO)对系统模型中的不确定因素和外部干扰进行动态观测与估计；通过它的非线性状态误差反馈律(NLSEF)来调节控制量(见附图1)。在控制过程中对各部分的参数进行调整。由控制的实施流程(如附图4)结合以下各组成部分的算法实现对控制对象的最终控制。

由上述分析，根据光伏并网发电系统这个控制对象(见附图2)，确定被控对象的输入输出量及控制量。即：

$\frac{{\mathrm{du}}_c}{\mathrm{dt}}=-\frac{1}{R_{L}c}{u}_c+\frac{i_e}{C}-\frac{i_d}{C}$

其中，u_c为系统的输出；i_d为系统的控制量；i_e为光伏阵列输出电流，在这里为对象的一个扰动量。

由上述分析，对被控对象的参考输入安排过渡过程并提取微分信号(见附图3)。跟踪微分器的控制算法为：

$\left\{\begin{array}{c}\stackrel{.}{v_1}=v_2\\ \stackrel{.}{v_2}=-\mathrm{fst}(v_1,v_2,{v,r,h}_0)\end{array}\right.$

其中，

为非线性函数；

式中，d＝rh₀；d₀＝dh₀；y＝v₁-v+h₀v₂；

r：跟踪速度因子，反映跟踪微分器变化规律的特征参数；

h₀：滤波因子；

v：给定信号；

v₁：v的跟踪信号；

v₂：v的微分信号。

由上述分析，扩张状态观测器(ESO)对系统模型中的不确定因素和外部干扰进行动态观测与估计(见附图3)。其中，u_c，i_d为系统的可量测变量，作为输入。它的控制算法为：

$\left\{\begin{array}{c}\stackrel{.}{z_1}=z_2-{\mathrm{\β}}_{01}g\left(e\right),\\ \stackrel{.}{z_2}=z3-{\mathrm{\β}}_{02}g\left(e\right)-\frac{1}{d}{i}_d,\\ \stackrel{.}{z_3}=-{\mathrm{\β}}_{03}g\left(e\right).\end{array}\right.$

其中，e＝z₁-u_c。在这里选择非线性函数g(e)＝e^1/3。β₀₁，β₀₂，β₀₃为可调参数；z₁和z₂分别为被控对象的输出信号的估计状态变量；z₃是被控对象的模型作用(内扰)和外扰作用的估计信号，即总干扰量的估计信号。

由上述分析，通过控制器的非线性状态误差反馈律(NLSEF)来调节控制量(见附图3)。由跟踪微分器产生的跟踪信号v₁和微分信号v₂与扩张状态观测器给出的状态估计信号z₁和z₂形成两个误差量，

$\left\{\begin{array}{c}{e}_1=v_1-z_1\\ e_2=v_2-z_2\end{array}\right.,$

构成系统的控制分量：

i_d0＝β₁·g₁(ε₁)+β₂·g₂(ε₂)

i_d＝i_d0-d(z₂+f₀(z₁，z₂))，

其中，f₀(z₁，i_e)＝k_fi_e/z₁。β₁，β₂为误差非线性反馈率增益。

最后输出控制量并返回。

该发明以ATmegal128单片机作为核心芯片，将自抗扰控制算法应用于光伏系统的并网控制当中(如附图5)。主要包含单片机核心模块，A/D、D/A转换模块，通讯模块，显示模块，人机接口模块等硬件部分。实现模/数转换和数/模转换，与上位机通讯，并可显示设定测量值，事先设置和调参等功能。

通过对控制器参数进行反复调试，最终达到理想控制效果。在跟踪微分器中，选择合适的过渡过程曲线，使得跟踪微分器可以给出连续、无超调的跟踪信号。在确保稳定的前提下，调整扩张状态观测器中的参数β₀₁，β₀₂，β₀₃和非线性误差反馈率中的参数β₁和β₂。最终使系统得到较满意的控制效果。

Claims (5)

1.一种基于自抗扰控制技术的光伏发电系统的并网控制方法，其特征在于该方法包括：

第1、将光伏发电系统作为被控对象进行分析，建立其模型，确定被控对象的输入输出量及控制量；

第2、通过自抗扰控制技术中的跟踪微分器(TD)对被控对象的参考输入安排过渡过程并提取它的微分信号；

第3、通过自抗扰控制技术中的扩张状态观测器(ESO)对光伏发电系统模型中的不确定因素和外部干扰进行动态观测与估计；

第4、通过自抗扰控制技术中的非线性状态误差反馈律(NLSEF)来构成系统的控制量i_d；

第5、在控制过程中对各控制器的参数进行调整，最终实现光伏发电系统的并网控制。

2.根据权利要求1所述的方法，其特征在于第1步所述的确定被控对象的输入输出量及控制量。即：

$\frac{{\mathrm{du}}_c}{\mathrm{dt}}=-\frac{1}{R_{L}c}{u}_c+\frac{i_e}{C}-\frac{i_d}{C}$

其中，电容u_c为系统的输出；i_d为系统的控制量；i_e为光伏阵列输出电流，在这里为对象的一个扰动量。

3.根据权利要求1所述的方法，其特征在于第2步所述跟踪微分器的控制算法为：

其中，

为非线性函数；

式中，

d＝rh₀；d₀＝dh₀；y＝v₁-v+h₀v₂；

r：跟踪速度因子，反映跟踪微分器变化规律的特征参数；

h₀：滤波因子；

v：给定信号；

v₁：v的跟踪信号；

v₂：v的微分信号。

4.根据权利要求1所述的方法，其特征在于第3步所述的扩张状态观测器对光伏发电系统模型中的不确定因素和外部干扰进行动态观测与估计；在这其中：

u_c，i_d为系统的可量测变量，作为输入；

扩张状态观测器的控制算法为：

$\left\{\begin{array}{c}\stackrel{.}{z_1}=z_2-{\mathrm{\β}}_{01}g\left(e\right),\\ \stackrel{.}{z_2}=z_3-{\mathrm{\β}}_{02}g\left(e\right)-\frac{1}{d}{i}_d,\\ \stackrel{.}{z_3}=-{\mathrm{\β}}_{03}g\left(e\right).\end{array}\right.$

其中，e＝z₁-u_c；在这里选择非线性函数g(e)＝e^1/3，β₀₁，β₀₂，β₀₃为可调参数；z₁和z₂分别为被控对象的输出信号的估计状态变量；z₃是被控对象的模型作用(内扰)和外扰作用的估计信号，即总干扰量的估计信号。

5.根据权利要求1所述的方法，其特征在于第4步所述的通过自抗扰控制器的非线性状态误差反馈律来构成控制量，由跟踪微分器产生的跟踪信号v₁和微分信号v₂与扩张状态观测器给出的状态估计信号z₁和z₂形成两个误差量，

$\left\{\begin{array}{c}{e}_1=v_1-z_1\\ e_2=v_2-z_2\end{array}\right.,$

构成系统的控制分量

i_d0＝β₁·g₁(ε₁)+β₂·g₂(ε₂)

i_d＝i_d0-d(z₂+f₀(z₁，z₂))，

其中，f₀(z₁，i_e)＝k_fi_e/z₁。β₁，β₂为误差非线性反馈率增益。

Images