基于双密度小波网络的无偏估计光伏逆变器参数辨识方法
【技术领域】
[0001] 本发明属于光伏发电领域，具体涉及一种基于双密度小波网络的无偏估计光伏逆 变器参数辨识方法。
【背景技术】
[0002] 光伏并网逆变器的产品研发过程都是沿着拓扑发现、模态分析、参数设计、仿真和 实验研究的步骤进行的。但无论是拓扑结构还是控制策略的设计，都经历了不断调试的过 程，这使得实际的光伏并网逆变器产品与原始的数学模型已经相去甚远，加上生产厂家的 技术保密，设备使用方根本无法获得逆变器准确的数学模型，光伏并网逆变器表现出的是 完全的"黑箱"特性。
[0003] 光伏并网逆变器是一种运行于开关状态的开关型功率变换器件，因此决定了光伏 并网逆变器模型是一个强非线性模型；由于运行过程中占空比变化，参数漂移，短路故障的 发生又对建模引入了累积偏差，即有色噪声；而每一台逆变器在投入生产之前经过在实际 工况的调试后才能投入生产，这一过程导致其模型参数各不相同，又为光伏并网逆变器建 模造成了困难。因此，现在亟需提出一种可以适应各种复杂工况且偏差较小的光伏并网逆 变器非线性建模方法。
【发明内容】
[0004] 鉴于此，本发明的目的是提供一种基于双密度小波网络的无偏估计光伏逆变器参 数辨识方法，通过对光伏逆变器输入电流电压和输出电流电压的辨识，得到光伏逆变器的 黑箱模型，并通过自适应无偏估计算法和自适应方法，实现模型的无偏辨识与自适应能力， 提高了模型对于不同工况的适应性。
[0005] 本发明的目的是通过以下技术方案实现的，基于双密度小波网络的无偏估计光伏 逆变器参数辨识方法，包括以下步骤：S1获取光伏逆变器输入输出的电压电流；S2采用双 密度小波网络对电压电流进行处理；S3采用无偏自回归算法对电压电流进行修正；S4根据 修正后的电压电流值，获得光伏逆变器参数估计模型。
[0006] 优选的，还包括步骤S5,采用无偏算法对光伏逆变器参数估计模型进行修正。
[0007] 优选的，所述双密度小波网络的模型表达式为：
[0008]
[0009] 其中：y是非线性估计器的输出，x是非线性估计器的输入，r是回归器输出量的均 值，P是线性子空间，L是线性系数，d是输出偏差，Q是非线性子空间，Js是双密度小波分解 中的尺度层数；asj是尺度系数；P是尺度函数；csj是尺度变换矩阵；JW是双密度小波分解 中的小波层数；awlj、aw2j是小波系数；也^也2是小波函数；cwlj、cw2j是小波变换矩阵。
[0010]优选的，所述步骤S2具体包括以下子步骤：
[0011]S21根据光伏逆变器系统，获得单相光伏逆变器参数辨识模型；单相光伏逆变器 参数辨识模型的表达式为
[0012]uac(t) =f[uac(t-1)，…，uac(t-tall)，iac (t-1)，…，iac (t-tal2)，
[0013] Udc (t-tkll), ,Udc (t-tkll-tbll+l),Idc (t-tkl2), ,Idc (t-tkl2-tbl2+l)]
[0014]iac (t) =f[uac(t-1), ???,uac(t-ta21),iac (t-1), ???,iac (t-ta22),
[0015]Udc (t-tk21)，...，Udc (t-tk21-tb21+l)，Idc (t-tk22)，...，Idc (t-tk22-tb22+l)]
[0016] 式中ua。，ia。分别为单相光伏并网逆变器的输出交流电压和电流；Ud。，Id。分别为单 相光伏并网逆变器的输入直流电压和电流4为时间变量，^、^、^(1，」=1，2)是单相 光伏并网逆变器非线性自回归模型的输出阶次ta，输入阶次tb，以及输出延时量tk，满足如 下关系：
[0017]
[0018]
[0019]
[0020]S22对逆变器参数辨识模块进行化简得到电压电流表达式，单相光伏逆变器参数 辨识模型可简化为：
[0021]
[0026]
[0027]
[0028]Ut)为零均值噪声序列，<(hU.../all+feli)为电压预测输入量自回归系数， % (/C=l,...,fcll+4l2.)为电压预测输出量自回归系数，4 (A=l,...，6/2l+422)为电流预测输入量 自回归系数，《，Wfcn+知)为电流预测输出量自回归系数。
[0029] 优选的，所述步骤S3中，修正后的0为：
[0030] 其中，A0u电压参数偏差修正向量，I单位矩阵，纪、祀、Qu为计算中引入的电 压参数修正过程矩阵，分别为：
[0034] 为修正后的无偏电压系数向量；义= ￡(%(0%"/)为电压状态变量的均方 值；义,=五(％ (咖⑴)为电压反馈量的均方根；q=圮(^)-为输出电压消除残差引入 的过程矩阵；〇是零矩阵；s为矩阵匹配参数，其取值应使矩阵阶数满足矩阵运算规则，其值 大于等于tall+tal2;IsXs是S阶单位矩阵，
[0035] 修正后的9
[0036]其中，A0i电流参数偏差修正向量，I单位矩阵，、沒f、A为计算中引入的电 流参数修正过程矩阵，分别为：
[0040] 为修正后的无偏电流系数向量；为电流状态变量的均 方值；爲=￡(灼(/)/⑴)为电流反馈量的均方根；_ =/< (()-为输出电流消除残差 引入的过程矩阵；0是零矩阵；S为矩阵匹配参数，其取值应使矩阵阶数满足矩阵运算规则， 其值大于等于ta21+ta22;IsXs是S阶单位矩阵。
[0041] 优选的，所述步骤S5具体包括以下子步骤：
[0042]S51在得到初始数据的无偏估计逆变器数学表达式后，每采样一次实际数据，则 识,(0、的.(0改变为：
[0050]S52将S51中的奶,(/+1)"、炉,"+亇代入S3中，重新求解无偏估计的逆变器数学表 达式：
[0051]
[0052]
[0053]S53每得到一组新的采样数据，重复步骤S51、S52,实现光伏逆变器参数辨识方法 模型的自适应无偏估计过程。
[0054] 由于采用了上述技术方案，本发明具有如下的优点：
[0055] 本发明通过应用双密度小波网络将光伏逆变器模型分为线性和非线性部分，从而 提高了参数辨识模型的精度和实际价值；应用无偏差自回归算法，解决了有色噪声对系统 参数辨识产生的影响；采用自适应方法降低了数据偶然性对模型的影响，提高了参数辨识 模型对不同工况的适应性。
【附图说明】
[0056] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进 一步的详细描述，其中：
[0057] 图1示出了本发明一种基于双密度小波网络的无偏估计光伏逆变器参数辨识系 统结构的示意图；
[0058] 图2示出了本发明一种基于双密度小波网络的无偏估计光伏逆变器参数辨识系 统获取黑箱参数辨识模型的数据采集示意图。
【具体实施方式】
[0059] 以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例 仅为了说明本发明，而不是为了限制本发明的保护范围。
[0060] 参见图1、2,其中ua。，ia。分别为单相光伏并网逆变器非线性自回归模型的交流输 出电压和交流输出电流；Ud。，Id。分别为单相光伏并网逆变器非线性自回归模型的输入电压 和输入电流。框图左边部分为光伏发电阵列，中间黑箱部分为该算法所须辨识的光伏逆变 器系统，右边则为逆变器并入的电网。
[0061] 基于双密度小波网络的无偏估计光伏逆变器参数辨识方法，包括以下步骤：S1获 取光伏逆变器输入输出的电压电流；S2采用双密度小波网络对电压电流进行处理；S3采用 无偏自回归算法对电压电流进行修正；S4根据修正后的电压电流值，获得光伏逆变器参数 估计模型。
[0062] (1)在光伏逆变器参数辨识模型中采用双密度小波网络，模型表达为：
[0063]
[0064] 其中：y是非线性估计器的输出，x是非线性估计器的输入，r是回归器输出量的均 值，P是线性子空间，L是线性系数，d是输出偏差（标量），Q是非线性子空间，1是双密度 小波分解中的尺度层数；asj是尺度系数；史是尺度函数；csj是尺度变换矩阵；】"是双密度 小波分解中的小波层数；awl]、aw2]是小波系数；!t^也2是小波函数；cwl]、cw2]是小波变换矩 阵。
[0065] (2)对于光伏逆变器系统，系统输入为二维输入量x(t) = [Mt)Idc(t))];系统 输出量为二维输出量y(t) = ;则单相光伏逆变器参数辨识模型的表达式为
[0066] uac (t) =f[uac (t-1)，…，uac (t-tall)，iac (t-1)，…，iac (t-tal2)，
[0067] Udc (t-tkll), ???,Udc (t-tkll-tbll+l),Idc (t-tkl2), ???,Idc (t-tkl2-tbl2+l)]
[0068] iac