CN109960307B - 一种光伏离网逆变器mppt自抗扰控制方法 - Google Patents
一种光伏离网逆变器mppt自抗扰控制方法 Download PDFInfo
- Publication number
- CN109960307B CN109960307B CN201910156517.2A CN201910156517A CN109960307B CN 109960307 B CN109960307 B CN 109960307B CN 201910156517 A CN201910156517 A CN 201910156517A CN 109960307 B CN109960307 B CN 109960307B
- Authority
- CN
- China
- Prior art keywords
- output
- control method
- layer
- input
- photovoltaic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
- G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Inverter Devices (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了一种光伏离网逆变器MPPT自抗扰控制方法,包括步骤:以电流及电压数据作为输入,建立包括输入层、隐含层和输出层的三层神经网络模型,其中输入层神经元节点数量为2个,分别与输入数据相对应,所述输出层神经元节点数量为1个;构建生成对抗网络,采用卷积函数作为判别函数,进行循环迭代,修正神经网络模型的权值、阈值;对修正后的神经网络模型进行EM迭代优化,然后采用ADRC控制方法,计算输出的控制信号。该方法具有很强的自适应、自调整能力,能很好地跟踪光伏逆变器的最大功率点。
Description
技术领域
本发明属于电力电子技术、大数据技术与控制理论的交叉技术领域,具体涉及一种光伏离网逆变器MPPT自抗扰控制方法。
背景技术
在太阳能光伏逆变过程中,通常需要检测主回路直流电压及输出电流,计算出太阳能阵列的输出功率,并实现对最大功率点的追踪。现有的技术是检测光伏电池的输出电流电压,然后根据反馈控制的思想,利用PID控制算法对电流电压进行调节使太阳能光电板及逆变器输出达到最大功率点。但PID算法存在着诸多不足,在很多场合对最大功率点的跟踪不能达到预期的效果,比如,PID一般是等到误差发生后进行补偿控制,如果比例系数小,则反应慢,如果比例系数过大,就可能会超调。
发明内容
针对现有技术难以很好地跟踪光伏逆变器最大功率点的缺陷,本发明的目的在于提供一种以神经网络为模型、基于数据驱动及生成式对抗网络方法的光伏离网逆变器MPPT自抗扰控制方法。
为实现上述目的,本发明采用的技术方案为:
一种光伏离网逆变器MPPT自抗扰控制方法,包括步骤:
S1、以电流及电压数据作为输入,建立包括输入层、隐含层和输出层的三层神经网络模型,其中输入层的神经元节点数量为2个,与电流及电压数据相对应,所述输出层的神经元节点数量为1个;
S2、构建生成对抗网络,采用卷积函数作为判别函数,进行循环迭代,修正神经网络模型的权值、阈值;
S3、对修正后的神经网络模型进行期望最大化(EM)迭代优化,然后采用ADRC控制方法,输出控制信号。
优选的,各神经元节点的计算公式如下:
yi=f(kixi+bi) (1),
其中,yi代表神经元节点的输出,xi代表神经元节点的输入,ki代表神经元节点的权值,bi代表神经元节点的阈值,f为Sigmoid函数。
更优选的,所述隐含层的神经元节点数量为10个。
优选的,EM迭代优化方法包括步骤:
S31、设Xi代表修正后的神经网络模型的两个输入和一个输出,构建Xi、输入输出联合概率密度分布zi和分布参数θ的三元数组集合{Xi;zi;θ};
S32、计算zi的后验概率Qi(zi),如式(2)所示:
Qi(zi)=p(zi|Xi,θ) (2),
式中,p为服从t分布的概率密度函数;
S33、将p的似然函数最大化,并进行如下迭代:
至相邻两次迭代结果的误差满足要求,得到参数值θ;
S34、进行时间序列建模,得到形如式(4)的解析模型:
式中,k是指模型的延迟步数;N1、N2、N3是指各个线性、非线性相的阶次;h0指模型的常数项;a是指输出延迟的各次系数;b是指输入延迟的各次系数;u′为输入信号;C是指输入信号非线性阶次系数。
更优选的,步骤S33中,误差不超过1‰。
更优选的,采用二阶ADRC控制方法输出控制信号。
本发明一种实施方式的有益效果:
通过构建生成对抗网络并采用卷积函数作为判别函数对神经网络模型进行修正,然后进行EM迭代优化,最后利用ADRC的反馈控制结构输出控制信号,利用该控制信号对与离网逆变器电性连接的电子器件进行控制,能很好地跟踪光伏逆变器的最大功率点,与常规的PID控制方法相比,具有很强的自适应、自调整能力。
附图说明
图1是本发明一种实施方式的修正神经网络模型的流程框图。
图2是二阶ADRC控制器结构图。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细的说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明一种实施方式的光伏离网逆变器MPPT自抗扰控制方法,包括步骤:
步骤一:以电流及电压数据作为输入,建立包括输入层、隐含层和输出层的三层神经网络模型,其中输入层神经元节点数量为2个,与电流及电压数据相对应,输出层神经元节点数量为1个。
各神经元节点的计算公式如下:
yi=f(kixi+bi) (1),
其中,yi代表神经元节点的输出,xi代表神经元节点的输入,ki代表神经元节点的权值,bi代表神经元节点的阈值,f为Sigmoid函数。
本发明对所述隐含层神经元节点数量没有特别限定,考虑到输入输出的节点数及对样函数的逼近精度,隐含层神经元节点数以10个为宜。
步骤二、构建生成对抗网络,采用卷积函数作为判别函数,进行循环迭代,修正神经网络模型的权值、阈值,如图1所示。
与传统神经网络进行权值、阈值修正的方法不同,本实施方式的权值、阈值修正通过构建生成对抗网络并采用卷积函数作为判别函数实现。图1中,数据样本为各神经元节点的输入数据,生成对抗模型预先设定各神经元节点的权值、阈值,采用卷积函数进行判别,如果判别结果符合卷积函数要求,表明各神经元节点的权值、阈值已修正,则输出模型;如果判别结果不符合要求,则进行循环迭代,修正对抗模型,直至符合卷积函数的要求为止,得到经修正的神经网络模型。
步骤三、进行EM迭代优化,然后采用ADRC控制方法,计算输出的控制信号。
本实施例中,EM迭代优化方法包括步骤:
(a)设Xi代表修正后的神经网络模型的两个输入和一个输出,构建Xi、输入输出联合概率密度分布zi和分布参数θ的三元数组集合{Xi;zi;θ}。
(b)根据参数的初始值或前次得到的模型参数计算出zi的后验概率:
Qi(zi)=p(zi|Xi,θ) (2),
式中,p为服从t分布的概率密度函数。
(c)将式(2)概率密度函数的似然函数最大化,并进行如下迭代:
控制相邻两次迭代所得结果误差不超过1‰,得到参数值θ。
(d)模型解析化:经以上步骤所得出的模型是非解析模型,需要进行解析化。本实施例采用的解析方法是进行时间序列建模,得到形如式(4)的解析模型:
式中,k是指模型的延迟步数;N1、N2、N3是指各个线性、非线性相的阶次;h0指模型的常数项;a是指输出延迟的各次系数;b是指输入延迟的各次系数;u′为输入信号;C是指输入信号非线性阶次系数。
解析后的模型可进行简化,然后采用如图2所示的二阶ADRC进行控制。图2中,y为控制对象的输出,u为控制量,v0为输入,z1,z2为跟踪微分器的输出,w为扰动,扩张状态观测器的状态变量z3能很好地跟踪对象状态变量,b0为对象的控制输入放大系数的粗略估计值。为使二阶ADRC能够更好地控制一般的三阶对象,可先保持扩张观测器(ESO)的所有参数不变;适当调整NLSEF中的参数。然后,将已调整好的上述参数固定,通过调整ESO中的增益来实现对不同的三阶对象的控制。利用输出的控制信号对与离网逆变器电性连接的电子器件进行控制,能很好地跟踪光伏逆变器的最大功率点,与常规的PID控制方法相比,具有很强的自适应、自调整能力。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
Claims (5)
1.一种光伏离网逆变器MPPT自抗扰控制方法,其特征在于,包括步骤:
S1、以电流及电压数据作为输入,建立包括输入层、隐含层和输出层的三层神经网络模型,其中输入层的神经元节点数量为2个,与电流及电压数据相对应,所述输出层的神经元节点数量为1个;
S2、构建生成对抗网络,采用卷积函数作为判别函数,进行循环迭代,修正神经网络模型的权值、阈值;
S3、对修正后的神经网络模型进行EM迭代优化,然后采用ADRC控制方法,输出控制信号;
EM迭代优化方法包括步骤:
S31、设Xi代表修正后的神经网络模型的两个输入和一个输出,构建Xi、输入输出联合概率密度分布zi和分布参数θ的三元数组集合{Xi;zi;θ};
S32、计算zi的后验概率Qi(zi),如式(2)所示:
Qi(zi)=p(zi|Xi,θ) (2),
式中,p为服从t分布的概率密度函数;
S33、将p的似然函数最大化,并进行如下迭代:
至相邻两次迭代结果的误差满足要求,得到参数值θ;
S34、进行时间序列建模,得到式(4)所示的解析模型:
式中,k是指模型的延迟步数,y(k)为延迟步数为k时的输出;N1、N2、N3是指各个线性、非线性相的阶次;h0指模型的常数项;a是指输出延迟的各次系数;b是指输入延迟的各次系数;u′为输入信号;c是指输入信号非线性阶次系数。
2.根据权利要求1所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,各神经元节点的计算公式如下:
yi=f(kixi+bi) (1),
其中,yi代表神经元节点的输出,xi代表神经元节点的输入,ki代表神经元节点的权值,bi代表神经元节点的阈值,f为Sigmoid函数。
3.根据权利要求2所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,所述隐含层的神经元节点的数量为10个。
4.根据权利要求1所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,步骤S33中,误差不超过1‰。
5.根据权利要求1所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,采用二阶ADRC控制方法输出控制信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910156517.2A CN109960307B (zh) | 2019-03-01 | 2019-03-01 | 一种光伏离网逆变器mppt自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910156517.2A CN109960307B (zh) | 2019-03-01 | 2019-03-01 | 一种光伏离网逆变器mppt自抗扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109960307A CN109960307A (zh) | 2019-07-02 |
CN109960307B true CN109960307B (zh) | 2021-06-22 |
Family
ID=67023932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910156517.2A Active CN109960307B (zh) | 2019-03-01 | 2019-03-01 | 一种光伏离网逆变器mppt自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109960307B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111555357A (zh) * | 2020-06-04 | 2020-08-18 | 西华大学 | 一种光伏发电优化控制的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113133B (zh) * | 2014-07-01 | 2016-10-05 | 广东易事特电源股份有限公司 | 智能光伏离网逆变器系统及其用电控制方法 |
CN106292828B (zh) * | 2016-08-30 | 2018-02-16 | 天津理工大学 | 一种光伏系统最大功率点追踪控制装置及控制方法 |
CN106532744B (zh) * | 2016-12-01 | 2019-04-02 | 华北电力大学(保定) | 一种基于自抗扰控制的光伏电站抑制电网低频振荡的方法 |
CN109167386B (zh) * | 2018-09-07 | 2021-06-25 | 中北大学 | 核基对抗网络光伏离网逆变器环流抑制系统 |
-
2019
- 2019-03-01 CN CN201910156517.2A patent/CN109960307B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109960307A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Dhaifallah et al. | Optimal parameter design of fractional order control based INC-MPPT for PV system | |
CN111459051A (zh) | 一种带扰动观测器的离散终端滑模无模型控制方法 | |
CN112487722A (zh) | 一种led系统智能调光的动态模糊神经网络建模方法 | |
Zhong et al. | Finite-time fuzzy sliding mode control for nonlinear descriptor systems | |
Lorenzetti et al. | A simple and efficient tube-based robust output feedback model predictive control scheme | |
Rigatos et al. | Flatness-based control of DC-DC converters implemented in successive loops | |
CN109960307B (zh) | 一种光伏离网逆变器mppt自抗扰控制方法 | |
CN109901659B (zh) | 一种光伏离网逆变器mppt控制系统 | |
De Doná et al. | A flatness-based iterative method for reference trajectory generation in constrained NMPC | |
Liu et al. | Hybrid maximum power extraction methods for photovoltaic systems: A comprehensive review | |
CN111399376B (zh) | 一种t-s模糊系统的二维重复控制器设计优化方法 | |
Hfaïedh et al. | Observer-based output feedback integral terminal sliding mode control for nonlinear systems: multi-model approach | |
Pan et al. | Adaptive intelligent super-twisting control of dynamic system | |
Yi et al. | A neural network adaptive interval observer design for nonlinear systems | |
Mdoe et al. | Adaptive horizon multistage nonlinear model predictive control | |
Wu et al. | Enhanced receding horizon optimal performance for online tuning of PID controller parameters | |
Wang et al. | Model Free Adaptive Sliding Mode Fault Tolerant Control for a 3-DOF Helicopter | |
CN114626509B (zh) | 一种基于深度学习重构显式模型预测控制方法 | |
Li et al. | Parameter estimation of multiple‐input single‐output Hammerstein controlled autoregressive system based on improved adaptive moment estimation algorithm | |
Chang et al. | Artificial Intelligence of Things‐Based Optimal Finite‐Time Terminal Attractor and Its Application to Maximum Power Point Tracking of Photovoltaic Arrays in Smart Cities | |
Narendra et al. | Adaptive identification and control of linear periodic systems | |
Demirtaş | A Hybrid Algorithm for Adaptive Neuro-controllers | |
Omar et al. | A new optimal control methodology for improving MPPT based on FOINC integrated with FPI controller using AHA | |
Singh et al. | Analysis of a PV system under partially shaded condition using enhanced PV model | |
Hsu et al. | Adaptive Command-Filtered Backstepping Control for Chaotic Dynamic Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220901 Address after: 50 meters before Huajiawan Gas Station, Lixi Village, Lixi Town, Suining County, Shaoyang City, Hunan Province, 422600 Patentee after: Suining Hongxing Nuocheng Energy Co.,Ltd. Address before: No. 518, Wenxuan Road, Changsha hi tech Development Zone, Changsha, Hunan 410000 Patentee before: HUNAN NUOCHENG PHOTOVOLTAIC ENERGY Co.,Ltd. |