一种光伏微网pwm逆变器的智能控制系统的制作方法
【专利摘要】本发明公开了光伏发电领域内的一种光伏微网PWM逆变器的智能控制系统，包括外环电压控制器，外环电压控制器的信号输出端与内环电流控制器的信号输入端相连，内环电流控制器的信号输出端与扰动控制器的信号输入端相连，扰动控制器的信号输出端与参考坐标系转换模块的信号输入端相连，参考坐标系转换模块的信号输出端与PWM逆变器的信号输入端相连，参考坐标系转换模块的信号输出端还与内环电流控制器的信号输入端反馈连接，PWM逆变器经后置滤波器接入电网，后置滤波器的信号输出端还与参考坐标系转换模块的信号输入端反馈连接，本发明提高了光伏发电的电能质量，提高了光伏微网电能利用率，减少了电能浪费，可用于光伏发电中。
【专利说明】
-种光伏微网PWM逆变器的智能控制系统
技术领域
[0001] 本发明设及一种光伏控制系统，特别设及一种光伏逆变器控制系统。
【背景技术】
[0002] 近年来，W智能电网、分布式能源为构架的能源互联网发展迅速，光伏微网在电力 供应中扮演的角色逐渐突显，越来越多的光伏微网发电系统接入到电网中，也对光伏发电 并网控制技术有了更高的要求，光伏微网并网前输出高质量的电能才能保证并网对电网 的不利影响最小。为了高效完成光伏微网并网，并有效降低并网逆变器对电网的冲击，一些 先进的并网逆变器智能控制方法成了迫切的需求。
[0003] 目前，双环控制是在并网逆变器中普遍使用的一种方式，运种控制方法是在电压 环内增加一个电流内环，通过运种方式能显著提高系统的动态响应速度，及时的削减负载 扰动造成的影响，但是系统对非线性负载扰动的抑制效果不佳，从而导致并网逆变器谐波 及直流分量抑制效果有限。
【发明内容】
[0004] 本发明的目的是提供一种光伏微网PWM逆变器的智能控制系统，W解决现有谐波 及直流分量抑制过程中对非线性负载扰动的抑制的效果低的问题，从而大幅提高光伏发电 的电能质量，提高光伏微网电能利用率，减少电能浪费。
[0005] 本发明的目的是运样实现的：一种光伏微网PWM逆变器的智能控制系统，包括： 参考坐标系转换模块，为控制PWM逆变器输出电流，将动态坐标系进行d-q坐标变换转 换成d-q参考坐标系，d轴用于控制有功功率W及PWM逆变器直流端电压，q轴用于控制无功 功率W及并网支持电压； 外环电压控制器，利用PI控制方法分别对基于d-q参考坐标系的有功、无功功率、PWM逆 变器直流电压W及并网支持电压进行调整控制； 内环电流控制器，利用人工神经网络来精确控制PWM逆变器并网运行时的输出电流，抑 制直流分量； 扰动控制器，用P控制方法来控制补偿电网电压扰动所引起的电压不平衡； 后置滤波器，用电感电容混合型滤波器来抑制PWM逆变器产生的高次谐波分量； 所述外环电压控制器的信号输出端与内环电流控制器的信号输入端相连，内环电流控 制器的信号输出端与扰动控制器的信号输入端相连，扰动控制器的信号输出端经过d-q参 考坐标系反变换后与PWM逆变器的信号输入端相连，受控制的电网电压分量通过相位延时 和相角计算经过d-q参考坐标系变换后与扰动控制器的信号输入端反馈连接，受控制的电 网电流分量通过相位延时经过d-q参考坐标系与内环电流控制器的信号输入端反馈连接， 所述PWM逆变器经后置滤波器接入电网，后置滤波器的信号输出端还与参考坐标系转换模 块的信号输入端反馈连接。
[0006] 作为本发明的进一步限定，所述内环电流控制器的输入为4个输入量，分别为d轴 电流的误差、d轴电流的误差积分、q轴电流的误差W及q轴电流的误差积分；内环电流控制 器的输出为2个输出量，分别为d轴的控制电压和q轴的控制电压。
[0007] 作为本发明的进一步限定，所述后置滤波器经相位延时模块、电压相角计算模块 与参考坐标系转换模块相连，电压分量经d-q参考坐标系转换后与扰动控制器相连，后置滤 波器经相位延时模块与参考坐标系转换模块相连，电流分量d-q参考坐标系转换后与电流 控制器相连。
[0008] 作为本发明的进一步限定，所述内环电流控制器内的人工神经网络具备非线性快 速优化神经网络在线识别自学习功能，该功能利用粒子群优化算法来实现，自学习过程目 标函数定义为:d-q轴电流误差和误差积分的平方值之和最小。
[0009] 作为本发明的进一步限定，所述粒子群优化算法通过W下方程实现：
其中，W为惯性权重，C1和C2分别为认知加速常数和社会加速常数，randi和rand2为两个 [0 1]之间的随机数;XI为第i个微粒的位置;却为运个微粒所经历过的最好位置;xg为群体 所有微粒经历过的最好位置;Vi为微粒速度，此速度受限于vimin《vi《vimax。
[0010] 作为本发明的进一步限定，所述扰动控制器控制补偿电网电压扰动所引起的电压 不平衡，所述扰动控制器输入量为d-q轴电网实际电压，电网标称电压，W及控制电压。
[0011] 与现有技术相比，本发明的有益效果在于，本发明利用人工神经网络技术来控制 逆变器并网运行时的输出电流，而人工神经网络控制器在线智能识别自学习过程是通过粒 子群优化算法来实现;神经网络在线识别自学习整定控制器和外环控制器复合在一起，共 同影响系统的输出，从而保证系统输出波形有良好的误差跟踪能力，又具有快速的动态响 应性能，大幅提高了光伏发电的电能质量，提高了光伏微网电能利用率，减少了电能浪费。 本发明可用于光伏发电中。
【附图说明】
[001^ 图巧本发明控制原理框图。
[0013] 图2为本发明中基于人工神经网络的内环电流控制器示意图。
[0014] 图3为本发明中基于粒子群优化算法的神经网络自学习流程图。
[0015] 图4为本发明中扰动控制器示意图。
[0016] 图5为本发明与传统光伏逆变器控制方法的谐波分量抑制效果比较图。
【具体实施方式】
[0017]如图1所示的一种光伏微网PWM逆变器的智能控制系统，包括： 参考坐标系转换模块，为控制PWM逆变器输出电流，将动态坐标系进行d-q坐标变换转 换成d-q参考坐标系，d轴用于控制有功功率W及PWM逆变器直流端电压，q轴用于控制无功 功率W及并网支持电压； 外环电压控制器，利用PI控制方法分别对基于d-q参考坐标系的有功、无功功率、PWM逆 变器直流电压W及并网支持电压进行调整控制； 内环电流控制器，利用人工神经网络来精确控制PWM逆变器并网运行时的输出电流，抑 制直流分量，所述内环电流控制器的输入为4个输入量，分别为d轴电流的误差、d轴电流的 误差积分、q轴电流的误差W及q轴电流的误差积分；内环电流控制器的输出为2个输出量， 分别为d轴的控制电压和q轴的控制电压，所述内环电流控制器内的人工神经网络具备非线 性快速优化神经网络在线识别自学习功能，该功能利用粒子群优化算法来实现，自学习过 程目标函数定义为:d-q轴电流误差和误差积分的平方值之和最小，所述粒子群优化算法通 过W下方程实现：
其中，W为惯性权重，C1和C2分别为认知加速常数和社会加速常数，randi和rand2为两个 [0 1]之间的随机数;XI为第i个微粒的位置;却为运个微粒所经历过的最好位置;xg为群体 所有微粒经历过的最好位置;Vi为微粒速度，此速度受限于vimin《vi《vimax; 扰动控制器，用P控制方法来控制补偿电网电压扰动所引起的电压不平衡，所述扰动控 制器控制补偿电网电压扰动所引起的电压不平衡，所述扰动控制器输入量为d-q轴电网实 际电压，电网标称电压，W及控制电压； 后置滤波器，用电感电容混合型滤波器来抑制PWM逆变器产生的高次谐波分量； 所述外环电压控制器的信号输出端与内环电流控制器的信号输入端相连，内环电流控 制器的信号输出端与扰动控制器的信号输入端相连，扰动控制器的信号输出端经过d-q参 考坐标系反变换后与PWM逆变器的信号输入端相连，受控制的电网电压分量通过相位延时 和相角计算经过d-q参考坐标系变换后与扰动控制器的信号输入端反馈连接，受控制的电 网电流分量通过相位延时经过d-q参考坐标系与内环电流控制器的信号输入端反馈连接， 所述PWM逆变器经后置滤波器接入电网，后置滤波器的信号输出端还与参考坐标系转换模 块的信号输入端反馈连接，所述后置滤波器经相位延时模块、电压相角计算模块与参考坐 标系转换模块相连，电压分量经d-q参考坐标系转换后与扰动控制器相连，后置滤波器经相 位延时模块与参考坐标系转换模块相连，电流分量d-q参考坐标系转换后与电流控制器相 连。
[0018] 本发明利用内环电流控制和外环电压控制的双回路复合控制策略来同时控制逆 变器运行时的并网电流和电压;其中电流控制由基于人工神经网络的电流控制器来实现， 本发明所提出的运个神经网络控制器基本结构如图2所示，控制器输入是d-q轴电流的误差 和误差积分，输出为d-q轴控制电压。本发明提出利用粒子群优化算法来实现非线性快速优 化神经网络在线识别自学习过程，运个神经网络控制器自学习过程目标函数定义为:d-q轴 电流误差和误差积分的平方值之和最小。
[0019] 粒子群优化(Particle Swarm Optimization, PS0)算法是根据动物社会行为观 察理论演化而来的一种非线性优化算法;PS0算法是基于群体的，根据对环境的适应度将群 体中的个体移动到好的区域;然而它不对个体使用演化算子，而是将每个个体看作是多维 捜索空间中的一个没有体积的微粒，在捜索空间中W-定的速度飞行，运个速度根据它本 身的飞行经验和同伴的飞行经验来动态调整;更新方程如下：
其中，W为惯性权重，Cl和C2分别为认知加速常数和社会加速常数，randi和rand2为两个 [0 1]之间的随机数;XI为第i个微粒的位置;却为运个微粒所经历过的最好位置;xg为群体 所有微粒经历过的最好位置;Vi为微粒速度，此速度受限于vimin《vi《vimax。 PSO算法启动并优化人工神经网络的参数过程如图3所示，根据不同的系统外部环境 设置，经过一系列的动态捜索调整，可W很快得到最优化的神经网络参数来优化神经网络 电流控制器的控制效果。
[0020] 如图4所示，本发明提出用扰动控制器作为前置补偿器来补偿电网电压扰动所引 起的电压不平衡，扰动控制器输入量分别为d-q轴电网实际和标称电压W及电流控制器输 出的d-q轴控制电压。
[0021] 利用本发明提出的智能控制方案可W解决现有PWM逆变器谐波及直流分量抑制过 程中对非线性负载扰动的抑制的效果低的问题，和传统的逆变器控制方法相比，如图5所 示，本发明提出的系统方案可W快速响应电网定相的变化，屏蔽电网电压中的噪音和高次 谐波，从而大幅提高光伏发电的电能质量。
[0022] 本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技 术人员根据所公开的技术内容，不需要创造性的劳动就可W对其中的一些技术特征作出一 些替换和变形，运些替换和变形均在本发明的保护范围内。
【主权项】
1. 一种光伏微网PWM逆变器的智能控制系统，其特征在于，包括： 参考坐标系转换模块，为控制PWM逆变器输出电流，将动态坐标系进行d-q坐标变换转 换成d_q参考坐标系，d轴用于控制有功功率以及PWM逆变器直流端电压，q轴用于控制无功 功率以及并网支持电压； 外环电压控制器，利用PI控制方法分别对基于d-q参考坐标系的有功、无功功率、PWM逆 变器直流电压以及并网支持电压进行调整控制； 内环电流控制器，利用人工神经网络来精确控制PWM逆变器并网运行时的输出电流，抑 制直流分量； 扰动控制器，用P控制方法来控制补偿电网电压扰动所引起的电压不平衡； 后置滤波器，用电感电容混合型滤波器来抑制PWM逆变器产生的高次谐波分量； 所述外环电压控制器的信号输出端与内环电流控制器的信号输入端相连，内环电流控 制器的信号输出端与扰动控制器的信号输入端相连，扰动控制器的信号输出端经过d-q参 考坐标系反变换后与PWM逆变器的信号输入端相连，受控制的电网电压分量通过相位延时 和相角计算经过d-q参考坐标系变换后与扰动控制器的信号输入端反馈连接，受控制的电 网电流分量通过相位延时经过d-q参考坐标系与内环电流控制器的信号输入端反馈连接， 所述PWM逆变器经后置滤波器接入电网，后置滤波器的信号输出端还与参考坐标系转换模 块的信号输入端反馈连接。2. 根据权利要求1所述的一种光伏微网PWM逆变器的智能控制系统，其特征在于，所述 内环电流控制器的输入为4个输入量，分别为d轴电流的误差、d轴电流的误差积分、q轴电流 的误差以及q轴电流的误差积分；内环电流控制器的输出为2个输出量，分别为d轴的控制电 压和q轴的控制电压。3. 根据权利要求1或2所述的一种光伏微网P丽逆变器的智能控制系统，其特征在于，所 述后置滤波器经相位延时模块、电压相角计算模块与参考坐标系转换模块相连，电压分量 经d-q参考坐标系转换后与扰动控制器相连，后置滤波器经相位延时模块与参考坐标系转 换模块相连，电流分量d-q参考坐标系转换后与电流控制器相连。4. 根据权利要求1或2所述的一种光伏微网P丽逆变器的智能控制系统，其特征在于，所 述内环电流控制器内的人工神经网络具备非线性快速优化神经网络在线识别自学习功能， 该功能利用粒子群优化算法来实现，自学习过程目标函数定义为:d-q轴电流误差和误差积 分的平方值之和最小。5. 根据权利要求4所述的一种光伏微网PWM逆变器的智能控制系统，其特征在于，所述 早雔什仆.曾站诵?寸D丨下卞'fgst? .其中，W为惯性权重，Cl和C2分别为认知加速常数和社会加速常数，randi和rand2为两个 [〇 1]之间的随机数;Xl为第i个微粒的位置;Xp为这个微粒所经历过的最好位置;Xg为群体 所有微粒经历过的最好位置;Vi为微粒速度，此速度受限于vimin<vi<vimax。6. 根据权利要求1或2所述的一种光伏微网P丽逆变器的智能控制系统，其特征在于，所 述扰动控制器控制补偿电网电压扰动所引起的电压不平衡，所述扰动控制器输入量为d-q 轴电网实际电压，电网标称电压，以及控制电压。
【文档编号】H02J3/38GK105870972SQ201610422868
【公开日】2016年8月17日
【申请日】2016年6月16日
【发明人】纪昆, 蔡长虹, 戴永林, 江启芬
【申请人】扬州华鼎电器有限公司