永磁直驱风机并网逆变器装置及控制方法与流程

本发明涉及风电发电技术领域，更为具体地，涉及一种永磁直驱风机并网逆变器装置及控制方法。

背景技术：

风力发电因具有储量大、清洁可再生等优点，已成为当前新能源发电的主要方向之一。小型风力发电具有成本低、安装灵活的特点，广泛应用于风力资源较好的西北部农村以及海岛、边防等大电网难以提供电力的地区。对于并网运行的小型风力发电系统，多采用永磁直驱风机加常规逆变器装置的简单结构。其中，并网电流的控制多采用pi控制器，具有谐波含量高、电能质量差的缺点。通过配置多级滤波单元可以在一定程度上抑制谐波，但是该方法容易导致系统不稳定。由于电网对所接入分布式发电的电能质量有较高要求，须探寻更好的控制方法。

技术实现要素：

本发明的目的在于针对现有技术之弊端，提供一种永磁直驱风机并网逆变器装置及控制方法，以有效提高小型风力发电系统的并网电流电能质量。

本发明提供的永磁直驱风机并网逆变器装置，包括：mpu控制器、整流器、lc滤波器、反激变换器、逆变桥、lcl滤波器、第一驱动模块、第二驱动模块、第一电压传感器、第二电压传感器、第三电压传感器、第四电压传感器和电流传感器；其中，整流器的三相输入端与永磁直驱风机的三相输出端连接，整流器的单相输出正端与lc滤波器的输入正端连接，整流器的单相输出负端与lc滤波器的输入负端连接；lc滤波器的输出正端与反激变换器的输入正端连接，lc滤波器的输出负端与反激变换器的输入负端连接；反激变换器的输出正端与逆变桥的输入正端连接，反激变换器的输出负端与逆变桥的输入负端连接；逆变桥的输出正端与lcl滤波器的输入正端连接，逆变桥的输出负端与lcl滤波器的输入负端连接；lcl滤波器的输出正端与第四电压传感器的测量正端连接，lcl滤波器的输出负端与第四电压传感器的测量负端连接；第一电压传感器的测量正端与lc滤波器中第一电容的正极连接，第一电压传感器的测量负端与lc滤波器中第一电容的负极连接，第一电压传感器的测量信号输出端与mpu控制器连接；第二电压传感器的测量正端与反激变换器中第二电容的正极连接，第二电压传感器的测量负端与反激变换器中第二电容的负极连接，第二电压传感器的测量信号输出端与mpu控制器连接；第三电压传感器的测量正端与lcl滤波器中第三电容的正极连接，第三电压传感器的测量负端与lcl滤波器中第三电容的负极连接，第三电压传感器的测量信号输出端与mpu控制器连接；第四电压传感器的测量正端与lcl滤波器的输出正端连接，第四电压传感器的测量负端与lcl滤波器的输出负端连接，第四电压传感器的测量信号输出端与mpu控制器连接；电流传感器的测量正端与第四电压传感器的测量正端连接，电流传感器的测量负端与单相电网的火线接线端连接，电流传感器的测量信号输出端与mpu控制器连接；第一驱动模块的输入端与mpu控制器连接，第一驱动模块的输出端与反激变换器中第一功率管的栅极连接；第二驱动模块的输入端与mpu控制器连接，第二驱动模块的第一输出端与逆变桥中第二功率管的栅极以及第五功率管的栅极连接，第二驱动模块的第二输出端与逆变桥中第三功率管的栅极以及第四功率管的栅极连接。

此外，优选的结构是，lc滤波器包括第一电感和第一电容；其中，第一电感的一端与整流器的单相输出正端连接，第一电感的另一端与第一电容的正极连接，第一电容的负极与整流器的单相输出负端连接。

另外，优选的结构是，反激变换器包括反激变压器、第一功率管、第一二极管和第二电容；其中，反激变压器的一输入端与lc滤波器的输出正端连接，反激变压器的另一输入端与第一功率管的漏极连接；反激变压器的一输出端与第一二极管的正极连接，反激变压器的另一输出端与第二电容的负极连接；第一二极管的负极与第二电容的正极连接；第二电容的正极与逆变桥的输入正端连接，第二电容的负极与逆变桥的输入负端连接；第一功率管的栅极与第一驱动模块的输出端连接，第一功率管的源极与lc滤波器的输出负端连接，第一功率管的漏极与反激变压器的另一输入端连接。

此外，优选的结构是，逆变桥包括第二功率管、第三功率管、第四功率管和第五功率管；其中，第二功率管的栅极和第五功率管的栅极分别与第二驱动模块的第一输出端连接，第三功率管的栅极和第四功率管的栅极分别与第二驱动模块的第二输出端连接，第二功率管的源极与第四功率管的漏极连接，第二功率管的漏极与反激变换器的输出正端连接，第三功率管的漏极与第二功率管的漏极连接，第三功率管的源极与第五功率管的漏极连接，第四功率管的源极与反激变换器的输出负端连接，第五功率管的源极与第四功率管的源极连接。

再者，优选的结构是，lcl滤波器包括第二电感、第三电容和第三电感；其中，第二电感的一端与逆变桥的输出正端连接，第二电感的另一端与第三电容的正极连接；第三电容的负极与逆变桥的输出负端连接；第三电感的一端与第三电容的正极连接，第三电感的另一端与电流传感器的测量正端连接。

本发明提供一种上述永磁直驱风机并网逆变器装置的控制方法，具体为：

在k时刻，通过第一电压传感器采集第一电容的电压vd(k)，通过第二电压传感器采集第二电容的电压vb(k)，结合前馈控制器与pi控制器1计算反激变换器中第一功率管的pwm控制信号的占空比d1(k)：

式(1)中，kpi为pi控制器1的比例参数，ki1为pi控制器1的积分参数，k为复合系数，nb为反激变压器变比，vb^*为第二电容的电压设定值；

通过第三电压传感器采集lcl滤波器中第三电容的电压vc(k)，通过第四电压传感器采集单相电网的电压vg(k)，通过电流传感器采集逆变器并网电流ig(k)，并通过神经网络预测模型计算逆变桥pwm控制信号的占空比d2(k)，其中，神经网络预测模型的第一输入端为k时刻的lcl滤波器中第三电容的电压vc(k)，第二输入端为k时刻的单相电网的电压vg(k)，第三输入端为k时刻的pi控制器2输出ig1(k)，第四输入端为k-1时刻的pi控制器2输出ig1(k-1)，第五输入端为k-1时刻的逆变桥pwm控制信号的占空比d2(k-1)；

上述pi控制器2输出ig1(k)的计算公式为：

式(2)中，kp2为pi控制器2的比例参数，ki2为pi控制器2的积分参数，为k+1时刻的逆变器并网电流设定值。

所述神经网络预测模型的建立和训练过程为：

(1)收集训练样本；

a.采集不同工况下的并网逆变器运行数据；

令永磁直驱风机分别处于对应额定功率、75％额定功率、50％额定功率、25％额定功率的风速条件下，依据公式(1)计算反激变换器中第一功率管的pwm控制信号的占空比d1(k)，使得反激变换器中第二电容的电压为vb^*，通过第三电压传感器采集lcl滤波器中第三电容的电压vc，通过第四电压传感器采集单相电网的电压vg，通过电流传感器采集逆变器并网电流ig，取与单相电网的电压vg同相位的为设定值，利用单回路pi控制器对逆变器并网电流ig进行控制，并连续采集m次lcl滤波器中第三电容的电压vc、单相电网的电压vg、逆变器并网电流ig、单回路pi控制器计算的逆变桥pwm信号的占空比d2，从而构成4m组运行数据；

b.利用采集的运行数据构造样本；

对于k时刻采集的运行数据，所构造的样本为{vc(k)，vg(k)，ig(k)，ig(k-1)，d2(k)，d2(k-1)}，其中，vc(k)为k时刻的lcl滤波器中第三电容的电压，vg(k)为k时刻的单相电网的电压，ig(k)为k时刻的逆变器并网电流，ig(k-1)为k-1时刻的逆变器并网电流，d2(k)为k时刻的逆变桥pwm信号的占空比，d2(k-1)为k-1时刻的逆变桥pwm信号的占空比。

(2)建立并训练神经网络预测模型；

建立三层bp神经网络作为预测模型，其中，输入层神经元节点数为5个，隐含层神经元节点数为7个，输出层神经元节点数为1个，隐含层神经元转移函数使用双曲正切函数，输出层神经元转移函数使用s型函数；

随机抽取4m个样本数据中的3m个作为训练样本，其余m个作为检验样本，训练建立的三层bp神经网络；训练过程中，对于k时刻的样本，取bp神经网络的第一输入端为k时刻的lcl滤波器中第三电容的电压vc(k)，第二输入端为k时刻的单相电网的电压vg(k)，第三输入端为k时刻的逆变器并网电流ig(k)，第四输入端为k-1时刻的逆变器并网电流ig(k-1)，第五输入端为k-1时刻的逆变桥pwm控制信号的占空比d2(k-1)，bp神经网络的输出为k时刻的逆变桥pwm信号占空比d2(k)；

对bp神经网络的训练采用变学习速率的误差反传算法，具体为：首先将各层神经元中的权系数和阈值初始化为(-1，+1)之间的随机量，再将输入层5个神经元输出值作为隐含层每个神经元的输入，隐含层的7个神经元输出值作为输出层单个神经元的输入，输出层单个神经元的输出值即为网络最终输出，对于第k个训练样本，计算第t次训练后网络实际输出与期望输出的误差：

及3m个训练样本的平方和误差为：

每计算完一遍，比较et与期望误差eo，若et＜eo，则训练终止条件满足，训练结束；否则，将et沿连接路径进行反向传播，并逐一调整各层的权系数和阈值，直到et＜eo为止；然后，利用m个检验样本对模型进行测试，计算样本均方误差mse，若有mse＜tr(tr为某一固定阈值)，则认为所训练的bp神经网络模型满足精度要求，此时记录各个神经元的权系数和阈值；否则，重新对bp神经网络模型进行训练，直至其满足精度要求为止。

与现有技术相比，本发明提供的永磁直驱风机并网逆变器装置的有益效果为：mpu控制器通过第一电压传感器至第三电压传感器分别采集第一电容至第三电容的电压，通过第四电压传感器采集单相电网电压，通过电流传感器采集逆变器并网电流，通过两个驱动模块分别控制反激变换器和逆变桥，并结合pi控制器与神经网络预测模型对并网电流进行控制，从而有效降低谐波含量，提高电能质量。

附图说明

通过参考以下结合附图的说明及权利要求书的内容，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：

图1为根据本发明实施例的永磁直驱风机并网逆变器装置的结构图；

其中的附图标记包括：mpu控制器1、整流器2、lc滤波器3、反激变换器4、逆变桥5、lcl滤波器6、第一驱动模块7、第二驱动模块8、单相电网9、永磁直驱风机gs、第一电压传感器ut1、第二电压传感器ut2、第三电压传感器ut3、第四电压传感器ut4、电流传感器ct、二极管d、第一功率管～第五功率管q1～q5、第一电容至第三电容c1～c3、第一电感～第三电感l1～l3、反激变压器tx1。

图2为本发明永磁直驱风机并网逆变器装置的控制方法框图；

图3为本发明神经网络预测模型示意图；

图4为单个神经元的结构示意图；

图5为本发明永磁直驱风机并网逆变器装置实施例并网电流曲线。

文中各符号清单为：vd为第一电容的电压，vb为第二电容的电压，vc为第三电容的电压，vg为单相电网的电压，ig为逆变器并网电流，vd(k)为k时刻的第一电容的电压，vb(k)为k时刻的第二电容的电压，vb^*为第二电容的电压设定值，vc(k)为k时刻的第三电容的电压，vg(k)为k时刻的单相电网的电压，为k+1时刻的逆变器并网电流设定值，ig(k)为k时刻的逆变器并网电流，ig(k-1)为k-1时刻的逆变器并网电流，d2(k)为k时刻的逆变桥pwm信号的占空比，d2(k-1)为k-1时刻的逆变桥pwm控制信号的占空比，k为复合系数，nb为反激变压器变比，为t次训练后网络实际输出，为t次训练后期望输出，eo为期望误差，et为t次训练后3m个训练样本的平方和误差。

具体实施方式

在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。以下将结合附图对本发明的具体实施例进行详细描述。

图1示出了根据本发明实施例的永磁直驱风机并网逆变器装置的结构。

如图1所示，本发明实施例提供的永磁直驱风机并网逆变器装置，包括：mpu控制器1、整流器2、lc滤波器3、反激变换器4、逆变桥5、lcl滤波器6、第一驱动模块7、第二驱动模块8、第一电压传感器ut1、第二电压传感器ut2、第三电压传感器ut3、第四电压传感器ut4和电流传感器ct；其中，

整流器2的三相输入端与永磁直驱风机gs的三相输出端连接，整流器2的单相输出正端与lc滤波器3的输入正端连接，整流器2的单相输出负端与lc滤波器3的输入负端连接。lc滤波器3的输出正端与反激变换器4的输入正端连接，lc滤波器3的输出负端与反激变换器4的输入负端连接。

反激变换器4的输出正端与逆变桥5的输入正端连接，反激变换器4的输出负端与逆变桥5的输入负端连接。

逆变桥5的输出正端与lcl滤波器6的输入正端连接，逆变桥5的输出负端与lcl滤波器6的输入负端连接。

lcl滤波器6的输出正端与第四电压传感器ut4的测量正端连接，lcl滤波器6的输出负端与第四电压传感器ut4的测量负端连接。

第一电压传感器ut1的测量正端与lc滤波器3中第一电容c1的正极连接，第一电压传感器ut1的测量负端与lc滤波器3中第一电容c1的负极连接，第一电压传感器ut1的测量信号输出端与mpu控制器1连接。

第二电压传感器ut2的测量正端与反激变换器4中第二电容c2的正极连接，第二电压传感器ut2的测量负端与反激变换器4中第二电容c2的负极连接，第二电压传感器ut2的测量信号输出端与mpu控制器1连接。

第三电压传感器ut3的测量正端与lcl滤波器6中第三电容c3的正极连接，第三电压传感器ut3的测量负端与lcl滤波器6中第三电容c3的负极连接，第三电压传感器ut3的测量信号输出端与mpu控制器1连接。

第四电压传感器ut4的测量正端与lcl滤波器6的输出正端连接，第四电压传感器ut4的测量负端与lcl滤波器6的输出负端连接，第四电压传感器ut4的测量信号输出端与mpu控制器1连接。

电流传感器ct的测量正端与第四电压传感器ut4的测量正端连接，电流传感器ct的测量负端与单相电网9的火线接线端连接，电流传感器ct的测量信号输出端与mpu控制器1连接。

第一驱动模块7的输入端与mpu控制器1连接，第一驱动模块7的输出端与反激变换器4中第一功率管q1的栅极连接。

第二驱动模块8的输入端与mpu控制器1连接，第二驱动模块8的第一输出端与逆变桥5中第二功率管q2的栅极和第五功率管q5的栅极连接，第二驱动模块8的第二输出端与逆变桥5中第三功率管q3的栅极和第四功率管q4的栅极连接。

lc滤波器3包括第一电感l1和第一电容c1；其中，第一电感l1的一端与整流器2的单相输出正端连接，第一电感l1的另一端与第一电容c1的正极连接，第一电容c1的负极与整流器2的单相输出负端连接。

反激变换器4包括反激变压器tx1、第一功率管q1、二极管d和第二电容c2；其中，反激变压器tx1的一输入端与lc滤波器3的输出正端连接，反激变压器tx1的另一输入端与第一功率管q1的漏极连接；反激变压器tx1的一输出端与二极管d的正极连接，反激变压器tx1的另一输出端与第二电容c2的负极连接；二极管d的负极与第二电容c2的正极连接；第二电容c2的正极与逆变桥5的输入正端连接，第二电容c2的负极与逆变桥5的输入负端连接；第一功率管q1的栅极与第一驱动模块7的输出端连接，第一功率管q1的源极与lc滤波器3的输出负端连接，第一功率管q1的漏极与反激变压器tx1的另一输入端连接。

逆变桥5包括第二功率管q2、第三功率管q3、第四功率管q4和第五功率管q5；其中，第二功率管q2的栅极和第五功率管q5的栅极分别与第二驱动模块8的第一输出端连接，第三功率管q3的栅极和第四功率管q4的栅极分别与第二驱动模块8的第二输出端连接，第二功率管q2的源极与第四功率管q4的漏极连接，第二功率管q2的漏极与反激变换器的输出正端连接，第三功率管q3的漏极与第二功率管q2漏极连接，第三功率管q3的源极与第五功率管q5的漏极连接，第四功率管q4的源极与反激变换器4的输出负端连接，第五功率管q5的源极与第四功率管q4的源极连接。

lcl滤波器6包括第二电感l2、第三电容c3和第三电感l3；其中，第二电感l2的一端与逆变桥5的输出正端连接，第二电感l2的另一端与第三电容c3的正极连接；第三电容c3的负极与逆变桥5的输出负端连接；第三电感l3的一端与第三电容c3的正极连接，第三电感l3的另一端与电流传感器ct的测量正端连接。

在本发明的一个实施方式中，永磁直驱风机gs为小型永磁直驱式风力发电机，风轮直径为1.3m，额定功率为300w，额定电压为24v，额定转速800r/min，启动风速1m/s，额定风速10m/s；mpu控制器1选用ti公司的高性能浮点数字信号处理器tms320f28335，整流器2选用型号为sql50a/1000v的整流模块，第一电感l1选用1mh的电感；第一电容c1选用2200uf的电解电容；反激变压器tx1的型号为na5814-al；第一功率管q1的型号为tk50x15j1；二极管d的型号为c2d05120e；第二电容c2选用0.47uf的无极性电容；第二功率管q2、第三功率管q3、第四功率管q4、第五功率管q5的型号为ipb60r190c6；第一驱动模块7与第二驱动模块8的型号为mcp14e4；lcl滤波器6中的第二电感l2选用0.5mh的电感；第三电感l3选用0.1mh的电感；第三电容c3选用0.47uf的无极性电容；第一至第四电压传感器ut1～ut4均采用霍尔电压传感器chv-25p；电流传感器ct采用霍尔电流传感器acs712elctr-058-1。

图2为本发明永磁直驱风机并网逆变器装置的控制方法框图，具体为：

在k时刻，通过第一电压传感器ut1采集第一电容c1的电压vd(k)，通过第二电压传感器ut2采集第二电容c2的电压vb(k)，结合前馈控制器与pi控制器1计算反激变换器4中第一功率管q1的pwm控制信号的占空比d1(k)：

式(1)中，kp1为pi控制器1的比例参数，ki1为pi控制器1的积分参数，k为复合系数，nb为反激变压器tx1变比，vb^*为第二电容c2的电压设定值；实施例中，取vb^*＝400v，kp1＝0.006，ki1＝0.04，nb＝12，k＝0.5；

通过第三电压传感器ut3采集lcl滤波器6中第三电容c3的电压vc(k)，通过第四电压传感器ut4采集单相电网9的电压vg(k)，通过第一电流传感器ct采集逆变器并网电流ig(k)，并通过神经网络预测模型计算逆变桥5pwm控制信号的占空比d2(k)，其中，神经网络预测模型的第一输入端为k时刻的lcl滤波器6中第三电容c3的电压vc(k)，第二输入端为k时刻的单相电网9的电压vg(k)，第三输入端为k时刻的pi控制器2输出ig1(k)，第四输入端为k-1时刻的pi控制器2输出ig1(k-1)，第五输入端为k-1时刻的逆变桥5pwm控制信号的占空比d2(k-1)；

上述pi控制器2输出ig1(k)的计算公式为：

式(2)中，kp2为pi控制器2的比例参数，ki2为pi控制器2的积分参数，为k+1时刻的逆变器并网电流设定值；实施例中，取kp2＝0.08，ki2＝0.06。

实施例中，所述神经网络预测模型的建立和训练过程为：

(1)收集训练样本；

a.采集不同工况下的并网逆变器运行数据；

令永磁直驱风机gs分别处于对应额定功率(300w)、75％额定功率(225w)、50％额定功率(150w)、25％额定功率(75w)的风速条件下，依据公式(1)计算反激变换器4中第一功率管q1的pwm控制信号的占空比d1(k)，使得反激变换器4中第二电容c2的电压为vb^*＝400v，通过第三电压传感器ut3采集lcl滤波器6中第三电容c3的电压vc，通过第四电压传感器ut4采集单相电网9的电压vg，通过电流传感器ct采集逆变器并网电流ig，取与单相电网9的电压vg同相位的为设定值，利用单回路pi控制器对逆变器并网电流ig进行控制，并连续采集m次lcl滤波器6中第三电容c3的电压vc、单相电网9的电压vg、逆变器并网电流ig、单回路pi控制器计算的逆变桥5pwm信号的占空比d2，从而构成4m组运行数据；实施例中，取m＝1000次；

b.利用采集的运行数据构造样本；

对于k时刻采集的运行数据，所构造的样本为{vc(k)，vg(k)，ig(k)，ig(k-1)，d2(k)，d2(k-1)}，其中，vc(k)为k时刻的lcl滤波器6中第三电容c3的电压，vg(k)为k时刻的单相电网9的电压，ig(k)为k时刻的逆变器并网电流，ig(k-1)为k-1时刻的逆变器并网电流，d2(k)为k时刻的逆变桥5pwm信号的占空比，d2(k-1)为k-1时刻的逆变桥5pwm信号的占空比。

(2)建立并训练神经网络预测模型；

建立三层bp神经网络作为预测模型，其中，输入层神经元节点数为5个，隐含层神经元节点数为7个，输出层神经元节点数为1个，隐含层神经元转移函数使用双曲正切函数，输出层神经元转移函数使用s型函数；

随机抽取4m＝4000个样本数据中的3m＝3000个作为训练样本，其余m＝1000个作为检验样本，训练建立的三层bp神经网络；训练过程中，对于k时刻的样本，取bp神经网络的第一输入端为k时刻的lcl滤波器6中第三电容c3的电压vc(k)，第二输入端为k时刻的单相电网9的电压vg(k)，第三输入端为k时刻的逆变器并网电流ig(k)，第四输入端为k-1时刻的逆变器并网电流ig(k-1)，第五输入端为k-1时刻的逆变桥5pwm控制信号的占空比d2(k-1)，bp神经网络的输出为k时刻的逆变桥5pwm信号占空比d2(k)；

对bp神经网络的训练采用变学习速率的误差反传算法，具体为：首先将各层神经元中的权系数和阈值初始化为(-1，+1)之间的随机量，再将输入层5个神经元输出值作为隐含层每个神经元的输入，隐含层的7个神经元输出值作为输出层单个神经元的输入，输出层单个神经元的输出值即为网络最终输出，对于第k个训练样本，计算第t次训练后网络实际输出与期望输出的误差：

及3m个训练样本的平方和误差为：

每计算完一遍，比较et与期望误差eo，若et＜eo，则训练终止条件满足，训练结束；否则，将et沿连接路径进行反向传播，并逐一调整各层的权系数和阈值，直到et＜eo为止；然后，利用m＝1000个检验样本对模型进行测试，计算样本均方误差mse，若有mse＜tr(tr为某一固定阈值)，则认为所训练的bp神经网络模型满足精度要求，此时记录各个神经元的权系数和阈值；否则，重新对bp神经网络模型进行训练，直至其满足精度要求为止。实施例中，取期望误差eo＝0.15，阈值tr＝0.018，迭代训练7260次后，et＝0.149，满足终止条件et＜eo，训练结束。此时，再利用m＝1000个检验样本对模型进行测试，计算得出样本均方误差mse＝0.0156，有mse＜tr，认为所训练的bp神经网络模型满足精度要求，此时记录各个神经元的权系数和阈值。

图3为本发明神经网络预测模型示意图。其中，输入层神经元节点数为5个，隐含层神经元节点数为7个，输出层神经元节点数为1个。

图4为单个神经元的结构示意图，x0，x1，…xn为神经元的输入信号，wij为神经元的权系数，θj为神经元的阈值，则神经元的输出yj为：

隐含层神经元转移函数使用双曲正切函数，即

其中：

x为转移函数输入；

f(x)为转移函数输出。

输出层神经元转移函数使用s型函数，即

其中：

x为转移函数输入；

f(x)为转移函数输出。

将本发明所述控制方法通过c语言写入mpu控制器1，即可实现对逆变器并网电流的控制。

图5是本发明永磁直驱风机并网逆变器装置实施例并网电流曲线。此时并网逆变器装置工作于75％额定功率(225w)，其中曲线1为电网电压曲线，电流2为并网电流曲线，可知并网电流具有较高的正弦度，并且与电网电压同相位。计算并网电流的总谐波畸变率(thd)，得thd＝3.95％，说明并网电流具有较高的电能质量。

为了进一步分析本发明永磁直驱风机并网逆变器装置控制方法的功效，分别在不同工况下将其与常规pi控制方法(取比例参数kp＝0.04，积分参数ki＝800)进行对比，表1为两种控制方法下并网电流总谐波畸变率的对比结果，可知本发明方法对于工况的变化具有较好的鲁棒性，不同工况下的并网电流总谐波畸变率均明显小于传统pi控制方法。

表1并网电流总谐波畸变率(thd)对比

如上参照附图以示例的方式描述了根据本发明提出的永磁直驱风机并网逆变器装置及控制方法。但是，本领域技术人员应当理解，对于上述本发明所提出的永磁直驱风机并网逆变器装置及控制方法，还可以在不脱离本发明内容的基础上对其中的实现细节做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。