CN109347147B - 自适应谐波消除的准pr并网逆变器优化控制方法 - Google Patents

Abstract

本发明公开了一种自适应谐波消除的准PR并网逆变器优化控制方法，针对实际系统中，理想的PR控制器有着对参数精度要求高、对抗扰动能力差、难以实现等缺点，将准PR控制器应用在单相光伏逆变系统中，并且考虑到逆变器的带宽限制以及检测系统精度等因素，采用特征谐波检测，选择性地补偿含量较大、阶数较低的3、5、7次谐波，采用自适应学习率并附加动量因子的最速下降法，对BP神经网络改进，缩短了训练时间的同时克服了BP神经网络易得到局部最优解的缺点，解决了谐波补偿不准确，系统响应时间过长等问题。

Description

自适应谐波消除的准PR并网逆变器优化控制方法

技术领域

本发明属于电气控制技术领域，具体涉及一种自适应谐波消除的准PR并网逆变器优化控制方法。

背景技术

近些年来，电力系统中多种不同的分布式电源与电网连接，清洁能源带来便利的同时也有着消极的方面，谐波的影响越来越引起人们的重视。谐波含量的增加会给电力系统带来冲击，甚至摧毁整个电力网络，造成不可估计的损失，分布式光伏并网系统因其控制性能卓越、运行维护便捷，易于新能源发电的应用与推广，成为研究的热点之一。常用两级式单相光伏并网系统的前级可以实现对太阳能电池板的最大功率跟踪，后级则可以控制并网逆变器，降低并网电流谐波含量，使逆变器输出电流与电网电压同频同相。

通过中国知网、Web Of Science、百度学术、专利网等数据库大量检索，发现一些专利或者期刊主要是解决单次谐波影响或者把已有算法应用于逆变器控制器中，如发明专利《减小单相光伏并网逆变器输出电流谐波的方法》，公开号CN103560656A；实用新型专利《一种谐波抑制单相光伏并网逆变器》，授权号CN205792212U；期刊论文由孟建辉、石新春、付超等发表的基于PR控制的光伏并网电流优化控制，电力自动化设备，2014,34(02)：42-47；彭咏龙、张坤锋、李亚斌等发表的基于自适应算法的谐波检测方法研究，电测与仪表，2018,55(09)：6-9等，这些专利或期刊论文补偿方式单一，有的补偿效果不明显，对谐波补偿不准确，系统响应时间过长等缺陷。

发明内容

针对上述现有技术中存在的技术问题，本发明的目的是提供一种自适应谐波消除的准PR并网逆变器优化控制方法。

本发明的目的是通过以下技术方案实现的。

一种自适应谐波消除的准PR并网逆变器优化控制方法，适用于依次连接有光伏阵列、Boost直流升压电路、单相全桥逆变器、LCL型滤波器、逆变控制器的两级式单相光伏并网逆变系统，所述单相全桥逆变器的优化控制方法包括以下步骤。

步骤一：构造单相光伏逆变控制器：单相光伏逆变控制器是对逆变控制器进行构造，单相光伏逆变控制器采用电压电流双环控制，单相全桥逆变器直流侧电压与直流侧参考电压为电压外环给定值，电压外环给定值经过PI控制器跟踪控制后形成电流内环给定值；电流内环对电流内环给定值采用准PR原理跟踪控制输出电压控制信号，电流内环给定值经过准PR控制器跟踪控制后输出电压控制信号，电压控制信号进而通过PWM对单相全桥逆变器进行调制。

步骤二：构造谐波补偿系统：对电流内环中的准PR控制器进行补充，首先，采用FFT变换提取并网电流中含量较高的3、5、7次谐波电流；其次，对提取出的特征谐波电流，构造出特征谐波准PR控制器的传递函数。

步骤三：提取误差电流中的3、5、7次谐波电流作为输入，实际误差电流作为目标输出，应用改进BP神经网络对权值进行动态调整，调整权值达到补偿效果最优时收敛，得出BP神经网络输出的自适应补偿电流。

步骤四：将自适应补偿电流经过特征谐波准PR控制器进行跟踪控制，产生对应的电压补偿信号，对步骤一中的电压控制信号进行补偿，进而对PWM调制波重构。

优选的，所述步骤一的具体步骤为：单相全桥逆变器在系统中的传递函数可表示为：

公式(1)中，K_PWM为单相全桥逆变器输出电压的增益；T_s为单相全桥逆变器的延迟时间常数，通常取为一个采样周期；

LCL滤波器在并网时近似表示为：

公式(2)中，R_f为连接电抗器的电阻，L_f为电感L₁和L₂之和；

在连续域下的准PR控制器传递函数表示为：

公式(3)中，K_P、K_R分别为准PR控制器的比例和谐振参数；谐振频率为ω₀，截止频率为ω_c，影响带宽和开环增益；

直流电压U_dc与参考直流电压

为电压外环给定值，经过PI控制器形成电流内环给定幅值I^*，网侧电压经过锁相系统提取相位θ，合并为电流内环给定量

电流内环对i_α采用准PR原理跟踪控制输出u_α，通过PWM对逆变器进行调制，实现逆变功能，公式表示为：

公式(4)中，K_op、K_oi分别为直流电压外环的PI控制器比例与积分系数。

优选的，所述步骤二的具体步骤为：考虑到单相全桥逆变器的带宽限制以及检测系统精度等因素，选择性地补偿含量较大、阶数较低的3、5、7次谐波；检测系统采用基于锁相环的幅相合成的方法，采用FFT变换提取并网电流的第Ⅰ(Ⅰ＝1,2,3，…)次分量，求出对应分量的幅值和相位实现幅相合成，进而达到提取特征谐波的要求；

对所提取的特征谐波，重新构造传递函数：

公式(5)中，K_hR为h(h＝3,5,7)次谐波对应谐振参数，hω₀为h次谐波对应谐振频率；在针对3、5、7次谐波涉及的谐波补偿系统中，谐波补偿系统增加了新的传递函数；各次不同的谐波补偿系统都是独立设计的，完成后再与基础准PR控制器结合在一起，通过微调K_hR以及ω_c的值来获得补偿器的最佳补偿状态。

优选的，所述步骤三的具体步骤为：由检测出的各次谐波作为网络输入的列向量，构成输入矩阵Y_α；权向量W_α(n)，初始值为1；期望输出为i_α，

第n次误差信号可定义为：

e(n)＝i_α(n)-W_α(n)Y_α(n) (7)

公式(7)中n表示迭代次数；

误差能量定义为：

公式(8)中K为输出层神经元的长度；

在误差反向传播过程中，权值调整量ΔW遵循以下通用公式：

ΔW＝学习率η×局部梯度δ×上一层输出信号ν (9)

应用自适应学习率并附带动量BP算法，使权向量权值变化量为：

公式(10)中，a(0<a<1)为动量因子，使权值修正值有一定惯性，

是e(n)的梯度，η为自适应学习率；

自适应学习率η的迭代公式为：

公式(11)中，k_inc、k_dec分别为增量因子与减量因子。

与现有技术相比，本发明的有益效果为：本发明提供了一种自适应谐波消除的准PR并网逆变器优化控制方法，针对实际系统中，理想的PR控制器有着对参数精度要求高、对抗扰动能力差、难以实现等缺点，将准PR控制器应用在单相光伏逆变系统中，并且考虑到逆变器的带宽限制以及检测系统精度等因素，采用特征谐波检测，选择性地补偿含量较大、阶数较低的3、5、7次谐波，采用自适应学习率并附加动量因子的最速下降法，对BP神经网络改进，缩短了训练时间的同时克服了BP神经网络易得到局部最优解的缺点，解决了谐波补偿不准确，系统响应时间过长等问题。

附图说明

图1是单相光伏并网逆变系统图。

图2是PI、PR、与准PR控制频率特性比较图。

图3是逆变控制系统结构图。

图4是谐波补偿系统开环伯德图。

图5是自适应的补偿增益调整原理图。

图6是准PR控制仿真结果电压电流示意图。

图7是准PR控制仿真结果实施例一谐波含量图。

图8是准PR控制仿真结果实施例二谐波含量图。

图9是改进型准PR控制仿真结果电压电流示意图。

图10是改进型准PR控制仿真结果实施例一谐波含量图。

图11是改进型准PR控制仿真结果实施例二谐波含量图。

具体实施方式

结合下面附图，对本发明的技术方案作进一步详细的描述。

一种自适应谐波消除的准PR并网逆变器优化控制方法，适用于依次连接有光伏阵列、Boost直流升压电路、单相全桥逆变器、LCL型滤波器、逆变控制器的两级式单相光伏并网逆变系统，单相全桥逆变器的优化控制方法包括以下步骤。

步骤一：构造单相光伏逆变控制器：单相光伏逆变控制器是对逆变控制器进行构造，单相光伏逆变控制器采用电压电流双环控制，单相全桥逆变器直流侧电压与直流侧参考电压为电压外环给定值，电压外环给定值经过PI控制器跟踪控制后形成电流内环给定值；电流内环对电流内环给定值采用准PR原理跟踪控制输出电压控制信号，电流内环给定值经过准PR控制器跟踪控制后输出电压控制信号，电压控制信号进而通过PWM对单相全桥逆变器进行调制。

步骤二：构造谐波补偿系统：对电流内环中的准PR控制器进行补充，首先，采用FFT变换提取并网电流中含量较高的3、5、7次谐波电流；其次，对提取出的特征谐波电流，构造出特征谐波准PR控制器的传递函数。

步骤三：提取误差电流中的3、5、7次谐波电流作为输入，实际误差电流作为目标输出，应用改进BP神经网络对权值进行动态调整，调整权值达到补偿效果最优时收敛，得出BP神经网络输出的自适应补偿电流。

步骤四：将自适应补偿电流经过特征谐波准PR控制器进行跟踪控制，产生对应的电压补偿信号，对步骤一中的电压控制信号进行补偿，进而对PWM调制波重构。

如图1所示，一种自适应谐波消除的准PR并网逆变器优化控制方法，包括光伏阵列、Boost直流升压电路、单向全桥逆变器、逆变控制器；逆变控制器包括准PR控制、特征谐波检测模块和改进BP神经网络控制模块；光伏阵列的输出电流和电压与Boost直流升压电路连接，Boost直流升压电路的输出端与单向全桥逆变器连接，逆变控制器提取单向全桥逆变器输出的电压、电流以及网侧电压，经过准PR控制，实现单向全桥逆变器的并网；特征谐波检测模块可以提取并网电流中的特征谐波(3、5、7次)，作为改进BP神经网络控制模块的输入，调整补偿增益，对准PR控制器的输出信号进行补偿，注入PWM实现单向全桥逆变器的并网控制；改进BP神经网络控制模块可以协助特征谐波检测模块实现系统的自适应谐波补偿。

上述步骤一中，构造单相光伏逆变控制器：单相光伏逆变控制器是对逆变控制器进行构造，单相光伏逆变控制器采用电压电流双环控制，单相全桥逆变器直流侧电压与直流侧参考电压为电压外环给定值，电压外环给定值经过PI控制器跟踪控制后形成电流内环给定值；电流内环对电流内环给定值采用准PR原理跟踪控制输出电压控制信号，电流内环给定值经过准PR控制器跟踪控制后输出电压控制信号，电压控制信号进而通过PWM对单相全桥逆变器进行调制。单相全桥逆变器在系统中的传递函数可表示为：

公式(1)中，K_PWM为单相全桥逆变器输出电压的增益；T_s为单相全桥逆变器的延迟时间常数，通常取为一个采样周期；

LCL滤波器在并网时近似表示为：

公式(2)中，R_f为连接电抗器的电阻，L_f为电感L₁和L₂之和。

如图2所示，PI控制器为一阶控制器，对基波频率的增益有限，故电流环跟踪电流会出现幅值及相位的误差，虽然可以通过增大放大倍数来减小静态误差，但不可完全使误差消失，而PR控制器在基波频率处形成谐振，进而使放大倍数接近于无穷大，可实现输出电流与电网电压同频同相，以单位功率因数并网发电。因此选择PR控制器作为逆变控制器，但在实际系统中，理想的PR控制器有着对参数精度要求高、对抗扰动能力差、难以实现等缺点，故采用准PR控制器来代替，显著增强了抗扰动能力并增大了带宽。

在连续域下的准PR控制器传递函数表示为：

公式(3)中，K_P、K_R分别为准PR控制器的比例和谐振参数；谐振频率为ω₀，截止频率为ω_c，影响带宽和开环增益。

图3为逆变控制器的控制框图，直流电压U_dc与参考直流电压

为电压外环给定值，经过PI控制器形成电流内环给定幅值I^*，网侧电压经过锁相系统提取相位θ，合并为电流内环给定量

电流内环对i_α采用准PR原理跟踪控制输出u_α，通过PWM对单相全桥逆变器进行调制，实现逆变功能，公式表示为：

公式(4)中，K_op、K_oi分别为直流电压外环的PI控制器比例与积分系数，Δu为谐波补偿系统输出补偿值。

上述步骤二中，构造谐波补偿系统：对电流环中的准PR控制器进行补充，首先，采用FFT变换提取并网电流中含量较高的3、5、7次谐波电流；其次，对提取出的特征谐波电流，构造出特征谐波准PR控制器的传递函数。

考虑到单相全桥逆变器的带宽限制以及检测系统精度等因素，选择性地补偿含量较大、阶数较低的3、5、7次谐波；检测系统采用基于锁相环的幅相合成的方法，采用FFT变换提取并网电流的第Ⅰ(Ⅰ＝1,2,3，…)次分量，求出对应分量的幅值和相位实现幅相合成，进而达到提取特征谐波的要求；对所提取的特征谐波，重新构造传递函数：

公式(5)中，K_hR为h(h＝3,5,7)次谐波对应谐振参数，hω₀为h次谐波对应谐振频率。

如图4所示为谐波补偿系统的伯德图，针对3、5、7次谐波设计了谐波补偿系统，谐波补偿系统增加了新的传递函数；各次不同的谐波补偿系统都是独立设计的，完成后再与基础准PR控制器结合在一起，通过微调K_hR以及ω_c的值来获得补偿器的最佳补偿状态。

上述步骤三中，提取误差电流中的3、5、7次谐波电流作为输入，实际误差电流作为目标输出，用BP神经网络训练误差电流中的3、5、7次谐波电流，使3、5、7次谐波电流逼近实际误差电流，应用改进BP神经网络对权值进行动态调整，调整权值达到补偿效果最优时收敛，得出BP神经网络输出的自适应补偿电流。

优化算法改进网络结构如图5所示，改进BP神经网络是以自适应学习率的动量BP法缩短了训练时间的同时克服了BP神经网络易得到局部最优解的缺点，目标为得到误差均方根的最小值，从而实现权值的自适应调整，提高输入量与输出量的逼近程度。

由检测出的各次谐波作为网络输入的列向量，构成输入矩阵Y_α；权向量W_α(n)，初始值为1；期望输出为i_α，

第n次误差信号可定义为：

e(n)＝i_α(n)-W_α(n)Y_α(n) (7)

公式(7)中n表示迭代次数；

误差能量定义为：

公式(8)中K为输出层神经元的长度；

在误差反向传播过程中，权值调整量ΔW遵循以下通用公式：

ΔW＝学习率η×局部梯度δ×上一层输出信号ν (9)

常规BP神经网络的权值修正量容易出现误差，学习率的固定会导致学习时间过长，局部梯度可能会导致网络的解出现局部最优，而应用自适应学习率并附带动量的BP算法，可以弥补这些缺点，使权向量权值变化量为：

公式(10)中，a(0<a<1)为动量因子，使权值修正值有一定惯性，

是e(n)的梯度，η为自适应学习率；

自适应学习率η的迭代公式为：

公式(11)中，k_inc、k_dec分别为增量因子与减量因子。

更新权值时，因公式(10)中多了aΔW(n-1)而具有了抗扰动能力，同时也缩短了网络收敛时间，而自适应学习率η则可根据不同阶段训练区域的要求，自适应地调整提高算法的性能。

上述步骤四中，将自适应补偿电流经过特征谐波准PR控制器进行跟踪控制，产生对应的电压补偿信号，对步骤一中的电压控制信号进行补偿，进而对PWM调制波重构。

通过仿真实验，得到图6～11所示的改进BP神经网络方法下的电流电压谐波含量，可以发现改进BP神经网络将特征谐波消除策略应用于优化并网电流，选择性补偿了对电流畸变影响最大的3、5、7次谐波，从而成功优化了电流波形。

仿真实施例一如图7所示，传统准PR控制的并网电流总谐波畸变率(THD)为3.42％；而如图10所示，自适应特征谐波消除改进准PR控制的并网电流总谐波畸变率为2.06％。

仿真实施例二如图8所示，传统准PR控制的并网电流总谐波畸变率(THD)为5.32％；而如图11所示，自适应特征谐波消除改进准PR控制的并网电流总谐波畸变率为3.10％。

以上所述，仅是本发明的优选实施方式，并不是对本发明技术方案的限定，应当指出，本领域的技术人员，再不脱离本发明技术方案的前提下，还可以作出进一步的改进和改变，这些改进和改变都应该涵盖在本发明的保护范围内。

Claims (4)

1.一种自适应谐波消除的准PR并网逆变器优化控制方法，适用于依次连接有光伏阵列、Boost直流升压电路、单相全桥逆变器、LCL型滤波器、逆变控制器的两级式单相光伏并网逆变系统，其特征在于：所述并网逆变器优化控制方法包括以下步骤：

步骤一：构造单相光伏逆变控制器：逆变控制器采用电压电流双环控制，逆变器直流侧电压与直流侧参考电压为电压外环给定值，经过PI控制器跟踪控制后形成电流内环的给定值；电流内环对给定的电流值采用准PR原理跟踪控制输出电压控制信号，进而通过PWM对单相全桥逆变器进行调制；

步骤二：构造谐波补偿系统：对电流内环中的准PR控制器进行补充，首先，采用FFT变换提取并网电流中含量较高的3、5、7次谐波电流；其次，对提取出的特征谐波电流，构造出特征谐波准PR控制器的传递函数；

步骤三：提取误差电流中的3、5、7次谐波电流作为输入，实际误差电流作为目标输出，应用改进BP神经网络对权值进行动态调整，调整权值达到补偿效果最优时收敛，得出BP神经网络输出的自适应补偿电流；

步骤四：将自适应补偿电流经过特征谐波准PR控制器进行跟踪控制，产生对应的电压补偿信号，对步骤一中的电压控制信号进行补偿，进而对PWM调制波重构。

2.根据权利要求1所述的自适应谐波消除的准PR并网逆变器优化控制方法，其特征在于：所述步骤一的具体步骤为：并网单相全桥逆变器在系统中的传递函数可表示为：

公式(1)中，K_PWM为单相全桥逆变器输出电压的增益；T_s为单相全桥逆变器的延迟时间常数，取为一个采样周期；

LCL型滤波器在并网时近似表示为：

公式(2)中，R_f为连接电抗器的电阻，L_f为电感L₁和L₂之和；

在连续域下的准PR控制器传递函数表示为：

公式(3)中，K_P、K_R分别为准PR控制器的比例和谐振参数；谐振频率为ω₀，截止频率为ω_c，影响带宽和开环增益；

直流电压U_dc与参考直流电压

为电压外环给定值，经过PI控制器形成电流内环的给定幅值I^*，网侧电压经过锁相系统提取相位θ，合并为电流内环给定量

电流内环对i_α采用准PR原理跟踪控制输出u_α，通过PWM对单相全桥逆变器进行调制，实现逆变功能，公式表示为：

公式(4)中，K_op、K_oi分别为直流电压外环的PI控制器比例与积分系数。

3.根据权利要求1所述的自适应谐波消除的准PR并网逆变器优化控制方法，其特征在于：所述步骤二的具体步骤为：考虑到单相全桥逆变器的带宽限制以及检测系统精度因素，选择性地补偿含量较大、阶数较低的谐波；检测系统采用基于锁相环的幅相合成的方法，采用FFT变换提取并网电流的第Ⅰ次分量，求出对应分量的幅值和相位实现幅相合成，进而达到提取特征谐波的要求；所述谐波为3、5、7；Ⅰ＝1,2,3，…；

对所提取的特征谐波，重新构造传递函数：

公式(5)中，K_hR为h次谐波对应谐振参数，hω₀为h次谐波对应谐振频率；所述h＝3，5，7；

在针对3、5、7次谐波涉及的谐波补偿系统中，谐波补偿系统增加了新的传递函数；各次不同的谐波补偿系统都是独立设计的，完成后再与基础准PR控制器结合在一起，通过微调K_hR以及ω_c的值来获得补偿器的最佳补偿状态。

4.根据权利要求1所述的自适应谐波消除的准PR并网逆变器优化控制方法，其特征在于：所述步骤三的具体步骤为：由检测出的各次谐波作为网络输入的列向量，构成输入矩阵Y_α；权向量W_α(n)，初始值为1；期望输出为i_α，

第n次误差信号可定义为：

e(n)＝i_α(n)-W_α(n)Y_α(n) (7)

公式(7)中n表示迭代次数；

误差能量定义为：

公式(8)中K为输出层神经元的长度；

在误差反向传播过程中，权值调整量ΔW遵循以下通用公式：

ΔW＝学习率η×局部梯度δ×上一层输出信号ν(9)

应用自适应学习率并附带动量BP算法，使权向量权值变化量为：

公式(10)中，a(0<a<1)为动量因子，使权值修正值有一定惯性，

是e(n)的梯度，η为自适应学习率；

自适应学习率η的迭代公式为：

公式(11)中，k_inc、k_dec分别为增量因子与减量因子。

Images