CN104333034B - 基于支持向量机逆控制的光伏并网微型逆变器 - Google Patents

Abstract

一种基于支持向量机逆控制的光伏并网微型逆变器，用于改善光伏电池并网控制效果，其技术方案是，所述光伏并网微型逆变器包括MCU控制器以及依次连接于光伏电池板与电网之间的储能电容、反激变换器、工频逆变桥和EMI滤波器，所述MCU控制器通过第一电压传感器和第二电压传感器分别采集光伏电池板电压和电网电压，通过电流传感器采集EMI滤波器输出的并网电流，通过第一驱动模块控制反激变换器，并通过第二驱动模块控制工频逆变桥。本发明将支持向量机逆模型与PI控制器结合在一起，既可以实现系统的线性化，又可以发挥PI控制器的鲁棒性，从而有效改善了光伏电池组件的并网控制效果，满足了用户对电能质量的要求。

Description

基于支持向量机逆控制的光伏并网微型逆变器

技术领域

本发明涉及一种基于支持向量机逆控制方法的光伏并网微型逆变装置，属于光伏发电技术领域。

背景技术

随着全球能源危机和环境污染的日益加重，太阳能光伏发电作为清洁的绿色能源越来越受到人们的重视，其并网控制技术也成为世界各国关注和研究的热点。

现有的光伏并网逆变器多为集中式逆变器，即将大量光伏电池组件串并联后通过一个大功率逆变器进行电能输出。这种并网方式有如下两个缺点：一是效率低。由于光伏组件之间的特性存在差异，集中式并网不能保证每个光伏电池组件均工作于最大功率点；二是安全性差。若集中式逆变器发生故障，将导致与其连接的所有光伏电池组件都终止电能输出。因此，光伏微型逆变器将成为今后的发展趋势。通过给每一个光伏电池组件均配备一个微型逆变器，可以实现对每一个光伏电池组件进行独立最大功率跟踪；当某一微型逆变器出现故障时，只会终止相应的单个光伏电池组件的输出，而不会对其它组件产生影响。

微型逆变器作为高度非线性的系统，其输出功率受光伏电池板工作条件的影响，工作点有着很大的变化范围。现有的微型逆变器控制方法多采用PI控制器，存在谐波含量高、可靠性差的缺点，难以取得良好的控制效果。随着用户对电能质量要求的不断提高，必须寻求更好的控制方法。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种基于支持向量机逆控制的光伏并网微型逆变器，以改善光伏电池组件的并网控制效果，满足用户对电能质量的要求。

本发明所述问题是以下述技术方案实现的：

一种基于支持向量机逆控制的光伏并网微型逆变器，构成中包括MCU控制器以及依次连接于光伏电池板与电网之间的储能电容、反激变换器、工频逆变桥和EMI滤波器，所述MCU控制器通过第一电压传感器和第二电压传感器分别采集光伏电池板电压和电网电压，通过电流传感器采集EMI滤波器输出的并网电流，通过第一驱动模块控制反激变换器，并通过第二驱动模块控制工频逆变桥，所述MCU控制器按以下方式运作：

a.在k时刻，利用第一电压传感器采集太阳能电池板电压V_pv(k)，利用第二电压传感器采集电网电压V_grid(k)，利用电流传感器采集并网电流I_grid(k)；

b.在步骤a的基础上，利用支持向量机逆模型计算反激变换器内部主功率管的第一占空比信号d(k)；利用比例积分控制器(PI控制器)计算反激变换器内部主功率管的第二占空比信号dc(k)；

c.将支持向量机逆模型计算的第一占空比信号d(k)作为前馈补偿叠加至比例积分控制器计算的第二占空比信号dc(k)，得出反激变换器内部主功率管的最终占空比信号D(k)；

d.MCU控制器通过第一驱动模块控制反激变换器内部主功率管的占空比，使其在一个开关周期T内的导通时间为t_Mon(k)＝T×D(k)，关断时间为t_Moff(k)＝T×(1-D(k))。

上述基于支持向量机逆控制的光伏并网微型逆变器，所述反激变换器包括变压器TX1、第二电容、二极管和主功率管，所述变压器的原边线圈一端接光伏电池板的正极，另一端经主功率管接光伏电池板的负极，变压器的副边线圈经二极管给工频逆变桥供电，第二电容并接于工频逆变桥的直流输入端，主功率管的栅极接第一驱动模块的输出端。

上述基于支持向量机逆控制的光伏并网微型逆变器，所述反激变换器设置有软开关电路，所述软开关电路包括谐振电感L₁、谐振电容C₉和辅助功率管，所述谐振电感连接于变压器的原边线圈与光伏电池板的正极之间，所述辅助功率管的源极接光伏电池板的负极，漏极经谐振电感与主功率管的漏极连接，其栅极接第一驱动模块的输出端，MCU控制器按以下方式控制辅助功率管：

计算软开关电流的谐振周期T_r：

$T_r=2\mathrm{\π}\·\sqrt{(L_{leakage}+L_1)\·C_9}$

其中，L_leakage为变压器TX1的漏感；

主功率管关断后，延迟时间td后驱动辅助功率管导通，若则辅助功率管导通时间为若则辅助功率管的导通时间为t_Moff(k)-t_d。

上述基于支持向量机逆控制的光伏并网微型逆变器，所述支持向量机逆模型的获取方法如下：

Ⅰ.收集训练样本：

①在光伏微型逆变器上采集运行数据；

利用单回路PI控制器进行并网电流控制，令微型逆变器分别处于额定功率、90％额定功率、70％额定功率、50％额定功率、30％额定功率、10％额定功率的工况下，每种工况下连续采集M组并网电流i_ac、电网电压V_grid、反激变换器主功率管PWM信号占空比D和光伏电池板电压V_pv，得到6M组运行数据；

②利用采集的运行数据构造样本；

对于k时刻，所构造的样本为{V_grid(k)，V_grid(k-1)，i_ac(k)，i_ac(k-1)，i_ac(k+1)，D(k-1)，V_pv(k)，D(k)}，其中，V_grid(k)为k时刻的电网电压，V_grid(k-1)为k-1时刻的电网电压，i_ac(k)为k时刻的并网电流，i_ac(k-1)为k-1时刻的并网电流，i_ac(k+1)为k+1时刻的并网电流，D(k-1)为k-1时刻的反激变换器主功率管的PWM信号占空比，V_pv(k)为k时刻的光伏电池板的电压，D(k)为k时刻的反激变换器主功率管PWM信号占空比，6M组运行数据共构成6M个样本；

Ⅱ.训练支持向量机逆模型

均匀抽取6M个样本中的5M个样本作为训练样本，剩余M个样本作为检验样本，利用训练样本进行学习，并计算在检验样本上的统计量平均相对误差Δ_MRE：

${\mathrm{\Δ}}_{MRE}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}\left|\frac{Y-\hat{Y}}{Y}\right|\×100\%$

式中：Y为样本的真值；为Y的估计值，选择最小的Δ_MRE所对应的模型作为最终逆模型。

上述基于支持向量机逆控制的光伏并网微型逆变器，所述EMI滤波器包括三个电感和六个电容，第二电感的两个线圈的首端分别接工频逆变桥的两个交流输出端，它们的尾端分别经第三电感和第四电感接电网的两端，第三电容并接在工频逆变桥的交流输出端，第四电容和第五电容的一端接地，另一端分别接工频逆变桥的两个交流输出端，第六电容的两端分别接第二电感的两个线圈的尾端，第七电容和第八电容的一端接地，另一端分别接电网的两端。

上述基于支持向量机逆控制的光伏并网微型逆变器，所述工频逆变桥是由四个功率管接成的全控桥，四个功率管的栅极接第二驱动模块的输出端。

本发明将支持向量机逆模型与PI控制器结合在一起，既可以实现系统的线性化，又可以发挥PI控制器的鲁棒性，从而有效改善了光伏电池组件的并网控制效果，满足了用户对电能质量的要求。另外，通过控制软开关电路的谐振过程，可实现主功率管的零电压导通以及关断时的尖峰抑制，从而提高了微型逆变器的转换效率和运行可靠性。

附图说明

下面结合附图对本发明作进一步详述。

图1是本发明的硬件结构和控制结构框图；

图2是支持向量机逆模型输出值与实际给定值的偏差曲线图；

图3是微型逆变器装置输出的并网电流曲线；

图4是采用软开关技术后主功率开关管漏源极电压曲线图。

文中各符号为：1、软开关电路，2、反激变换器，3、工频逆变桥，4、EMI滤波器，5、MCU控制器(微处理器)，UT1、第一电压传感器，UT2、第二电压传感器，TX1、变压器，CT1、电流传感器，L1～L4、第一电感～第四电感，C1～C9、第一电容～第九电容，Q1～Q6、第一功率管～第六功率管，D1、二极管。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

参看图1，本光伏并网微型逆变器主要包括5部分：1、软开关电路；2、反激变换器；3、工频逆变桥；4、EMI滤波器；5、MCU控制器(微处理器)，软开关电路由谐振电感(即第一电感L1)、谐振电容(即第九电容C9)和辅助功率管(即第二功率管Q2)组成；反激变换器由主功率管Q1、变压器TX1、二极管D1和第二电容C2构成；工频逆变桥由第三功率管Q3～第六功率管Q6构成；EMI滤波器由第三电容C3～第八电容C8、第二电感L2～第四电感L4构成；MCU控制器(微处理器)为DSP芯片；储能电容(即第一电容C1)的正极与光伏电池板正极连接，储能电容(即第一电容C1)的负极接地；第一电压传感器UT1的负极接地，正极与光伏电池板正极连接，其测量信号输出端与MCU控制器连接；反激变换器的输入正端与光伏电池板正极连接，反激变换器的输入负端接地，反激变换器的输出正端与工频逆变桥一输入端连接，反激变换器的输出负端与工频逆变桥另一输入端连接；工频逆变桥的一输出端与EMI滤波器一输入端连接，工频逆变桥的另一输出端与EMI滤波器另一输入端连接；EMI滤波器的输出端通过电流传感器CT1连接至电网；电流传感器CT1的测量信号输出端与MCU控制器连接；第二电压传感器UT2测量电网电压，其测量信号输出端与MCU控制器连接；第一驱动模块的输入端与MCU控制器连接，第一驱动模块的两路输出端分别与反激变换器中的主功率管和软开关电路中的辅助功率管的栅极连接；第二驱动模块的输入端与MCU控制器连接，第二驱动模块的一输出端与工频逆变桥中的第六功率管Q6、第五功率管Q5的栅极连接，另一输出端与工频逆变桥中的第三功率管Q3、第四功率管Q4的栅极连接；MCU控制器的数模转化端口分别与第一电压传感器UT1、第二电压传感器UT2和电流传感器CT1的测量信号输出端连接，MCU控制器的脉宽调制端口分别与第一驱动模块、第二驱动模块的输入端连接；在本实施例中，选取英利公司生产的235W光伏电池板，其在标准测试条件的参数为：短路电流I_sc＝8.54A，开路电压V_oc＝37V，最大功率点电流I_max＝7.97A，最大功率点电压V_max＝29.5V；MCU控制器选用TI公司的高性能浮点数字信号处理器TMS320F28335，该数字信号处理器为本装置提供I/O模块、ADC模块、PWM模块、UART等功能模块；储能电容(即第一电容C1)选用2200uF电解电容；谐振电感(即第一电感L1)选用0.2uH电感；谐振电容(即第九电容C9)选用8.8uF/100V无极性电容；辅助功率管(即第二功率管Q2)选用SI7115DN-T1-GE3；反激变换器中变压器TX1采用NA5814-AL，主功率管(即第一功率管Q1)选用型号为IRFS4321的MOSFET，二极管D1采用C2D05120E，第二电容C2选用0.47uF/600V的CBB电容；第三功率管Q3～第六功率管Q6选用型号为IPB60R190C6的MOSFET，第一驱动模块与第二驱动模块为微芯公司生产的MCP14E4-E/P驱动芯片；EMI滤波器中第三电容C3、第六电容C6选用0.015uf/275V无极性电容，第四电容C4、第五电容C5、第七电容C7、第八电容C8选用4700pF/275V无极性电容，第二电感L2选用FE2X03-4-3NL，第三电感L3、第四电感L4选用2100LL-151-H-RC；第一电压传感器UT1、第二电压传感器UT2采用北京森社公司的CHV-25P型闭环电压霍尔传感器；电流传感器CT1采用型号为ACS712ELCTR-05B-T的霍尔电流传感器。

本微型逆变器中反激变换器的主功率管的控制方法包括以下步骤：

步骤1：在k时刻，利用第一电压传感器采集太阳能电池板电压V_pv(k)，第二电压传感器采集电网电压V_grid(k)，利用第一电流传感器采集并网电流I_grid(k)；

步骤2：在步骤1的基础上，利用支持向量机逆模型计算主功率管的第一占空比信号d(k)；利用比例积分控制器(PI控制器)计算主功率管的第二占空比信号dc(k)；

步骤3：将支持向量机逆模型计算的主功率管的第一占空比信号d(k)作为前馈补偿叠加至比例积分控制器计算的主功率管的第二占空比信号dc(k)，得出主功率管的最终占空比信号D(k)。则k时刻主功率管一个开关周期T(实施例中T＝17us)内的导通时间为

t_Mon(k)＝T×D(k)

k时刻主功率管一个开关周期内的关断时间为

t_Moff(k)＝T×(1-D(k))

本微型逆变器中软开关电路的辅助功率管控制方法包括以下步骤：

步骤1：计算软开关电流的谐振周期

$T_r=2\mathrm{\π}\·\sqrt{(L_{leakage}+L_1)\·C_9}$

其中，L_leakage为反激变压器漏感。

实施例中，L_leakage＝0.1uH，L₁＝0.2uH，C₉＝8.8uF，得出T_r＝10.2s。

步骤2：主功率管关断后，延迟时间td(实施例中取td＝0.1us)驱动辅助功率管导通，若则第二功率管开通时间为若则第二功率管开通时间为t_Moff(k)-t_d。

实施例中支持向量机逆模型的获取包含收集训练样本和训练模型两部分：

(1)收集训练样本：

a.在光伏微型逆变器上采集运行数据；

利用单回路PI控制器进行并网电流控制，令微型逆变器分别处于额定功率、90％额定功率、70％额定功率、50％额定功率、30％额定功率、10％的工况下，每种工况下连续采集M组并网电流i_ac、电网电压V_grid、反激变换器主功率管PWM信号占空比D、光伏电池板电压V_pv，共构成6M组运行数据，实施例中取M＝5000；

b.利用采集的运行数据构造样本；

对于k时刻，所构造的样本为{V_grid(k)，V_grid(k-1)，i_ac(k)，i_ac(k-1)，i_ac(k+1)，D(k-1)，V_pv(k)，D(k)}，其中，V_grid(k)为k时刻的电网电压，V_grid(k-1)为k-1时刻的电网电压，i_ac(k)为k时刻的并网电流，i_ac(k-1)为k-1时刻的并网电流，i_ac(k+1)为k+1时刻的并网电流，D(k-1)为k-1时刻的反激变换器主功率管PWM信号占空比，V_pv(k)为k时刻的光伏电池板的电压，D(k)为k时刻的反激变换器主功率管PWM信号占空比，6M组运行数据共构成6M个样本，实施例中共获取30000个样本；

(2)训练支持向量机逆模型

支持向量机SVM通过非线性映射将输入空间映射到高维的特征空间，利用一个线性函数集来进行回归估计。给定样本集(X_k∈Rⁿ为输入向量，y_k∈R为相应输出值，N为样本个数，n为输入向量维数)，支持向量机SVM所用线性回归函数为：

其中：

y_k为线性回归函数输出；

是从输入空间到高维特征空间的非线性映射；

X_k为输入向量；

W为权值向量；

b为偏置。

是从输入空间到高维特征空间的非线性映射，权值向量W和偏置b由最小化公式来计算：

$\frac{1}{2}{||W||}^2+C\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{\mathrm{\ξ}}_k$

式中：

W为权值向量，第1项决定回归函数的泛化能力；

C为惩罚因子(C>0)，用于控制对超出的样本的惩罚程度；

N为样本个数；

ξ_k为引入的松弛变量；

ε为误差。

根据上式建立拉格朗日方程，求解得线性回归函数为：

$f\left(X_k\right)=\underset{j=1}{\overset{N}{\Σ}}{\mathrm{\α}}_{j}K(X_k,X_j)+b$

式中：

K(X_k,X_j)为核函数，α_j为拉格朗日系数，不为零的α_j对应的向量X称为支持向量。

得到支持向量后，即可求得回归函数y＝f(X_k)。

选择不同形式的核函数可以生成不同的支持向量机，常用的核函数有：多项式函数，高斯函数，Sigmoid函数等。本发明选取高斯函数为核函数，即：

$K(X_k,X)=\exp (-\frac{{||X_k-X||}^2}{{\mathrm{\δ}}^2})$

其中：

δ²为高斯核函数的宽度参数。

评价模型的性能时采用统计量平均相对误差Δ_MRE，其表达式为：

${\mathrm{\Δ}}_{MRE}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}\left|\frac{Y-\hat{Y}}{Y}\right|\×100\%$

式中：

Δ_MRE为统计量平均相对误差；

Y为样本的真值；

为Y的估计值。

均匀抽取30000个样本中的25000作为训练样本，剩余5000个样本作为检验样本。取高斯函数为核函数，为防止产生过学习现象或者欠学习现象，分别取C＝10^-1、10⁰、10¹、10²、10³；δ²＝10^-2、10^-1、10⁰、10¹、10²，利用训练样本进行学习，并计算在检验样本上的Δ_MRE。选择最小的Δ_MRE所对应的模型作为最终逆模型，共包括615个支持向量，其在检验样本上的误差如图2所示，可知该模型具有较高的预测精度。将这些支持向量存储在DSP的EEPROM中以备使用。

利用训练好的支持向量机逆模型进行反激变换器PWM信号占空比的计算，对于当前k时刻，取第一个输入端为k时刻的电网电压V_grid(k)，第二个输入端为k-1时刻的电网电压V_grid(k-1)，第三个输入端为k时刻的并网电流i_ac(k)，第四个输入端为k-1时刻的i_ac(k-1)，第五个输入端为k+1时刻的并网电流设定值i^* _ac(k+1)，第六个输入端为k-1时刻的反激变换器主功率管的PWM信号占空比D(k-1)，第七个输入端为k时刻的光伏电池板的电压V_pv(k)，得出支持向量机逆模型的输出为d(k)。

将下一时刻并网电流设定值i^* _ac(k+1)与当前k时刻并网电流i_ac(k)的偏差送入PI控制器，得到闭环控制量d_C(k)，即

$d_C\left(k\right)=K_{p}e\left(k\right)+K_i\underset{j=0}{\overset{k}{\Σ}}e\left(k\right)$

其中：e(k)＝i^* _ac(k+1)-i_ac(k)，K_p表示比例系数，K_i表示积分系数，e(k)为偏差量；实施例中PI控制器的参数整定为K_p＝0.12，K_i＝600；

将PI控制器的输出d_C(k)叠加至支持向量机逆模型输出d(k)作为最终的反激变换器主功率管PWM信号占空比D(k)，即：

D(k)＝d(k)+d_C(k)。

利用C语言编写上述支持向量机逆模型以及PI控制器程序并将程序下装到DSP芯片中即可实现对光伏微型逆变器的控制。

图3为使用本发明控制方法后微型逆变器装置输出的并网电流曲线，可见并网电流具有很好的电能质量。

图4是本发明实施例中的主功率管驱动信号与主功率管漏源极电压曲线。曲线1为主功率管驱动信号，曲线2为主功率管漏源极电压。可以看出，通过软开关电路的谐振，在主功率管导通驱动信号给出前，主功率管漏源极电压已经下降为零，从而实现了零电压开启；在主功率管导通驱动信号给出后，由于谐振电容的钳位作用，实现了主功率管漏源极电压尖峰的有效抑制。

为了进一步分析本发明控制方法的效果，分别在20％、40％、60％、100％额定功率输出工况下将其与传统PI控制方法(取K_p＝0.12，K_i＝600)进行了对比，表1为两种方法的并网电流谐波含量对比结果，可知本发明方法具有显著的优势。

表1并网电流谐波对比

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围应该并不局限于此，任何熟悉本技术领域的技术人员依据本发明揭露的核心技术、所能作出的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于支持向量机逆控制的光伏并网微型逆变器，其特征是，所述光伏并网微型逆变器包括MCU控制器以及依次连接于光伏电池板与电网之间的储能电容、反激变换器(2)、工频逆变桥(3)和EMI滤波器(4)，所述MCU控制器通过第一电压传感器(UT1)和第二电压传感器(UT2)分别采集光伏电池板电压和电网电压，通过电流传感器(CT1)采集EMI滤波器(4)输出的并网电流，通过第一驱动模块控制反激变换器(2)，并通过第二驱动模块控制工频逆变桥(3)，所述MCU控制器按以下方式运作：

a.在k时刻，利用第一电压传感器(UT1)采集光伏电池板电压V_pv(k)，利用第二电压传感器(UT2)采集电网电压V_grid(k)，利用电流传感器(CT1)采集并网电流i_ac(k)；

b.在步骤a的基础上，利用支持向量机逆模型计算反激变换器(2)内的第一功率管Q₁的第一占空比信号d(k)；利用PI控制器计算反激变换器(2)内的第一功率管Q₁的第二占空比信号dc(k)；

c.将支持向量机逆模型计算的第一占空比信号d(k)作为前馈补偿叠加至PI控制器计算的第二占空比信号dc(k)，得出反激变换器(2)内的第一功率管Q₁的最终占空比信号D(k)；

d.MCU控制器通过第一驱动模块控制反激变换器(2)内的第一功率管Q₁的最终占空比信号D(k)，使其在一个开关周期T内的导通时间为t_Mon(k)＝T×D(k)，关断时间为t_Moff(k)＝T×(1-D(k))；

所述反激变换器(2)包括变压器(TX1)、第二电容(C₂)、二极管(D1)和第一功率管Q₁，所述变压器(TX1)的原边线圈一端接光伏电池板的正极，另一端经第一功率管Q₁接光伏电池板的负极，变压器(TX1)的副边线圈经二极管(D1)给工频逆变桥(3)供电，第二电容(C₂)并接于工频逆变桥(3)的直流输入端，第一功率管Q₁的栅极接第一驱动模块的输出端；

所述反激变换器(2)设置有软开关电路(1)，所述软开关电路(1)包括谐振电感、谐振电容和第二功率管Q₂，所述谐振电感连接于变压器(TX1)的原边线圈与光伏电池板的正极之间，所述第二功率管Q₂的源极接光伏电池板的负极，漏极经谐振电感与第一功率管Q₁的漏极连接，其栅极接第一驱动模块的输出端，MCU控制器按以下方式控制第二功率管Q₂：

计算软开关电流的谐振周期T_r：

$T_r=2\mathrm{\π}\sqrt{(L_{leakage}+L_1)\·C_9}$

其中，L_leakage为变压器(TX1)的漏感值，L₁为谐振电感的电感值，C₉为谐振电容的电容值；

第一功率管Q₁关断后，延迟时间t_d后驱动第二功率管Q₂，若则第二功率管Q₂导通时间为若则第二功率管Q₂的导通时间为t_Moff(k)-t_d。

2.根据权利要求1所述的基于支持向量机逆控制的光伏并网微型逆变器，其特征是，所述支持向量机逆模型的获取方法如下：

Ⅰ.收集训练样本：

①在光伏微型逆变器上采集运行数据；

利用单回路PI控制器进行并网电流控制，令光伏微型逆变器分别处于额定功率、90％额定功率、70％额定功率、50％额定功率、30％额定功率、10％额定功率的工况下，每种工况下连续采集M组并网电流i_ac、电网电压V_grid、反激变换器(2)第一功率管Q₁的PWM信号的最终占空比信号D和光伏电池板电压V_pv，得到6M组运行数据；

②利用采集的运行数据构造样本；

对于k时刻，所构造的样本为{V_grid(k)，V_grid(k-1)，i_ac(k)，i_ac(k-1)，i_ac(k+1)，D(k-1)，V_pv(k)，D(k)}，其中，V_grid(k)为k时刻的电网电压，V_grid(k-1)为k-1时刻的电网电压，i_ac(k)为k时刻的并网电流，i_ac(k-1)为k-1时刻的并网电流，i_ac(k+1)为k+1时刻的并网电流，D(k-1)为k-1时刻的反激变换器(2)第一功率管Q₁的PWM信号最终占空比信号，V_pv(k)为k时刻的光伏电池板的电压，D(k)为k时刻的反激变换器(2)第一功率管Q₁的PWM信号的最终占空比信号，6M组运行数据共构成6M个样本；

Ⅱ.训练支持向量机逆模型

均匀抽取6M个样本中的5M个样本作为训练样本，剩余M个样本作为检验样本，利用训练样本进行学习，并计算在检验样本上的统计量平均相对误差Δ_MRE：

${\mathrm{\Δ}}_{MRE}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}\left|\frac{Y-\hat{Y}}{Y}\right|\×100\%$

式中：Y为样本的真值；为Y的估计值，N为样本个数，选择最小的Δ_MRE所对应的模型作为最终支持向量机逆模型。

3.根据权利要求2所述的基于支持向量机逆控制的光伏并网微型逆变器，其特征是，所述EMI滤波器(4)包括三个电感和六个电容，所述三个电感分别是第二电感、第三电感和第四电感，所述六个电容分别是第三电容、第四电容、第五电容、第六电容、第七电容和第八电容；其中，第二电感(L₂)的两个线圈的首端分别接工频逆变桥(3)的两个交流输出端，它们的尾端分别经第三电感(L₃)和第四电感(L₄)接电网的两端，第三电容(C₃)并接在工频逆变桥(3)的交流输出端，第四电容(C₄)和第五电容(C₅)的一端均接地，第四电容(C₄)的另一端接工频逆变桥(3)的一个交流输出端，第五电容(C₅)的另一端接工频逆变桥(3)的另一个交流输出端；第六电容(C6)并接在第二电感(L2)的两个线圈的尾端，第七电容(C7)的一端和第八电容(C8)的一端均接地，第七电容的另一端接电网的一端，第八电容的另一端接电网的另一端。

4.根据权利要求3所述的基于支持向量机逆控制的光伏并网微型逆变器，其特征是，所述工频逆变桥(3)是由四个功率管接成的全控桥，四个功率管的栅极接第二驱动模块的输出端。