一種采用神經(jīng)網(wǎng)絡(luò)矢量控制策略實現(xiàn)的箱式光伏并網(wǎng)逆變器

蔡長虹 紀(jì)昆 江啟芬

（揚州華鼎電器有限公司）

0 引言

近年來，隨著新能源發(fā)電容量的增加，越來越多的光伏發(fā)電系統(tǒng)接入到電網(wǎng)中，對電網(wǎng)安全、可靠運行造成威脅，也對光伏發(fā)電并網(wǎng)控制技術(shù)有了更高要求[1]。逆變器是分布式光伏發(fā)電并網(wǎng)的關(guān)鍵設(shè)備之一，其控制技術(shù)對并網(wǎng)特性有重要影響，一直也是國外內(nèi)光伏技術(shù)研究的重點[2]。傳統(tǒng)電流源型并網(wǎng)逆變器是將逆變器控制為電流源。通過電流控制回路的參考電流指令，對光伏電池陣列進行最大功率跟蹤控制（MPPT）。由于光伏日照隨機性很大，光伏并網(wǎng)系統(tǒng)輸出功率有很大波動，也就使得光伏發(fā)電系統(tǒng)對電網(wǎng)容易造成隨機波動性沖擊[3]，因此合理的逆變器控制是提高系統(tǒng)穩(wěn)定性的一個主要手段。目前，雙閉環(huán)控制是并網(wǎng)逆變器中普遍使用的一種控制拓?fù)?，通過在電壓環(huán)內(nèi)增加一個電流內(nèi)環(huán)可顯著提高系統(tǒng)的動態(tài)響應(yīng)速度，及時削減負(fù)載擾動造成的影響[4-5]。但隨著并網(wǎng)逆變器功率的增大，并網(wǎng)逆變器外接的LCL濾波器較電感（L）濾波器在濾波效果、成本和體積等各方面都有較大優(yōu)勢，因而得到廣泛應(yīng)用。但LCL濾波器為三階系統(tǒng)，存在并聯(lián)諧振問題[6]，解決LCL濾波器的諧振問題，一般采用無源阻尼法和有源阻尼法，基于無傳感器的有源阻尼法得到廣泛研究。

目前已有很多針對光伏并網(wǎng)逆變器的矢量控制技術(shù)，如無功和有功功率坐標(biāo)變換d-q理論[7-8]可以有效地實現(xiàn)并網(wǎng)電壓和功率控制?；谧鴺?biāo)變換理論，很多文獻[[9-12]提出并研究了基于變頻率比例諧振（Proportional Resonant，PR）控制器來解決網(wǎng)側(cè)頻率波動對逆變器控制造成的影響。PR控制器的優(yōu)點是實現(xiàn)簡單，但是對系統(tǒng)的頻率變化很敏感，而且通常需要很高的采樣和切換頻率（通常15kHz以上），這樣會容易造成能量損失。為保證工程實現(xiàn)和系統(tǒng)穩(wěn)定性，文獻[13]采用比例積分（PI）與PR控制器作為內(nèi)環(huán)控制器來克服電網(wǎng)頻率波動對穩(wěn)定性的問題。另外滑動模式控制（Sliding-mode Control）被很多國外文獻[14-16]用來設(shè)計魯棒控制器來解決系統(tǒng)不穩(wěn)定的問題。

近年來，國內(nèi)外開始研究針對逆變器的最優(yōu)化智能控制器技術(shù)，本文提出一種基于人工神經(jīng)網(wǎng)絡(luò)的內(nèi)環(huán)電流矢量控制技術(shù)，并引入了粒子群優(yōu)化算法來實現(xiàn)快速優(yōu)化神經(jīng)網(wǎng)絡(luò)在線識別自學(xué)習(xí)功能，從而實現(xiàn)MPPT的最優(yōu)化控制。本文提出的雙回路控制策略可以解決現(xiàn)有光伏逆變器諧波及直流分量抑制過程中對非線性負(fù)載擾動的抑制的效果低的問題，從而大幅提高光伏發(fā)電的電能質(zhì)量，提高光伏微網(wǎng)的電能利用率，最后通過實際工程應(yīng)用驗證了本文提出的控制策略。

1 光伏并網(wǎng)逆變器矢量控制策略

1.1 基于LCL濾波的單相逆變器

圖1顯示的是基于LCL濾波的光伏并網(wǎng)逆變器主電路原理圖，左邊直流端電容電壓Vdc代表逆變器直流輸入，右邊單相電壓源Vg代表并網(wǎng)電壓，中間有后置濾波器LCL電路來抑制高頻諧波。為了實現(xiàn)矢量控制，圖2增加了相應(yīng)的虛部電路。

圖1 基于LCL濾波的光伏并網(wǎng)逆變器主電路原理圖

圖2 基于LCL濾波的光伏逆變器矢量控制原理圖

1.2 數(shù)學(xué)模型

基于旋轉(zhuǎn)坐標(biāo)系d-q變換理論，圖2顯示的逆變器數(shù)學(xué)模型可以用以下方程式來表示：

式中，ωs為電網(wǎng)電壓的角頻率，所有其他變量的d-q變換關(guān)系如下：

1.3 解耦后矢量控制

帶LCL濾波的單相逆變器的矢量控制原理一般是忽略電容部件并簡化系統(tǒng)成L濾波形式后用PI控制器來實現(xiàn)，系統(tǒng)狀態(tài)方程式可以表示為[17]：

式中，簡化的等效電感值Leq=Lc3+Lg3，等效電阻Req=Rc3+Rg3，和描述了在旋轉(zhuǎn)坐標(biāo)系下輸入電壓和輸出電流之間的狀態(tài)方程，利用這個狀態(tài)方程，系統(tǒng)控制器設(shè)計可以表示為如圖3所示。

圖3 基于LCL濾波的單相逆變器解耦矢量控制框圖

Z變換后的PI控制器表示為：

式中，Kp，Ki分別為PI調(diào)節(jié)器的比例系數(shù)和積分系數(shù)；Tc為采樣周期。

2 基于人工神經(jīng)網(wǎng)絡(luò)的矢量控制策略

2.1 控制系統(tǒng)結(jié)構(gòu)圖

圖4為所提出的新型雙回路光伏并網(wǎng)逆變器控制系統(tǒng)原理圖，d軸用于控制有功功率以及PWM逆變器直流端電壓，q軸用于控制無功功率以及并網(wǎng)支持電壓。

圖4所示系統(tǒng)主要包括以下幾個主要組成部分：

圖4 基于人工神經(jīng)網(wǎng)絡(luò)的矢量控制框圖

1）外環(huán)電壓控制器，利用PI控制方法分別對基于d-q參考坐標(biāo)系的有功、無功功率、PWM逆變器直流電壓以及并網(wǎng)支持電壓進行調(diào)整控制；

2）內(nèi)環(huán)電流控制器，利用人工神經(jīng)網(wǎng)絡(luò)來精確控制PWM逆變器并網(wǎng)運行時的輸出電流，抑制直流分量；

3）擾動控制器，用P控制方法來控制補償電網(wǎng)電壓擾動所引起的電壓不平衡；

4）后置濾波器，用LCL濾波器來抑制PWM逆變器產(chǎn)生的高次諧波分量。

2.2 神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)圖

基于神經(jīng)網(wǎng)絡(luò)的內(nèi)環(huán)電流控制器可以利用整個系統(tǒng)的動態(tài)方程來進行自學(xué)習(xí)，而不需要任何特殊的系統(tǒng)解耦策略或阻尼法來解決諧振問題，控制器具體輸入輸出變量如圖5所示。

圖5 基于人工神經(jīng)網(wǎng)絡(luò)的電流控制器結(jié)構(gòu)及輸入輸出變量示意圖

圖5所示神經(jīng)網(wǎng)絡(luò)控制器主要包括輸入層，隱層，以及輸出層[18]，主要輸入變量是電流誤差及誤差積分，輸出變量是控制電壓，這個神經(jīng)網(wǎng)絡(luò)控制器可以表示為電流誤差，誤差積分以及網(wǎng)絡(luò)權(quán)系數(shù)的矢量函數(shù)形式：

另外圖4中的擾動控制部分可以用P控制器來實現(xiàn)，如圖6所示，控制器增益和PWM增益KPWM互補，考慮到系統(tǒng)擾動電壓可以表示為電網(wǎng)標(biāo)稱電壓和逆變器輸出電壓之差），PWM輸出矢量控制信號可以表示為：

圖6 擾動控制器結(jié)構(gòu)示意圖

2.3 神經(jīng)網(wǎng)絡(luò)控制器自學(xué)習(xí)優(yōu)化

內(nèi)環(huán)電流控制器內(nèi)的人工神經(jīng)網(wǎng)絡(luò)控制器具備非線性快速優(yōu)化神經(jīng)網(wǎng)絡(luò)在線識別自學(xué)習(xí)功能，該功能利用粒子群（PSO）優(yōu)化算法來實現(xiàn)，自學(xué)習(xí)過程目標(biāo)函數(shù)定義為：d-q軸電流誤差和誤差積分的平方值之和最小。

PSO 算法啟動并優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的參數(shù)過程如圖7所示，根據(jù)不同的系統(tǒng)外部環(huán)境設(shè)置，經(jīng)過一系列的動態(tài)搜索調(diào)整，可以很快得到最優(yōu)化的神經(jīng)網(wǎng)絡(luò)參數(shù)來優(yōu)化神經(jīng)網(wǎng)絡(luò)電流控制器的控制效果。

圖7 基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)過程

3 硬件實驗結(jié)果與性能評估

本論文所提出的新型控制方案被應(yīng)用于實際光伏發(fā)電電路中來實現(xiàn)對逆變器電路的控制，為了評估其性能，傳統(tǒng)的矢量控制方法也同時作了實驗來比較二者的控制效果，圖8是實驗所用光伏電站及光伏電路低壓端配電柜內(nèi)部逆變器電路實際硬件圖片。

圖8 光伏電站及光伏電路低壓端配電柜內(nèi)部逆變器實物圖

3.1 實驗設(shè)置及實驗參數(shù)

本實驗所基于的光伏電路低壓端電路示意圖如圖9所示。

作為比較，本實驗中傳統(tǒng)的矢量控制方法中內(nèi)環(huán)電流控制器使用了PI控制方法，為了解決傳統(tǒng)方法中LCL濾波器的諧振問題，采用了無源阻尼法，諧振頻率fr可以表示為：

所需串聯(lián)電阻Rz可以表示為：

本文所提出的基于神經(jīng)網(wǎng)絡(luò)的矢量控制方法利用整個系統(tǒng)的動態(tài)方程來進行自學(xué)習(xí)從而不需要任何阻尼法來解決諧振問題。實驗所用逆變電路變量參數(shù)（參見圖2）如下表所示。

表 實驗參數(shù)表

圖9 光伏電路低壓端電路示意圖

3.2 實驗結(jié)果

（1） PSO算法優(yōu)化速度

本文引入的PSO 算法優(yōu)化速度很快，實驗結(jié)果顯示在平均重復(fù)次數(shù)少于100時已經(jīng)能夠收斂到最小化值，如圖10所示，這樣可以保證神經(jīng)網(wǎng)絡(luò)在線識別自學(xué)習(xí)的快速響應(yīng)，從而快速實現(xiàn)最優(yōu)化控制效果。

圖10 粒子群優(yōu)化算法的實驗結(jié)果

（2）神經(jīng)網(wǎng)絡(luò)控制器電流控制效果

通過實時數(shù)據(jù)采集器的數(shù)據(jù)采集和輸出，直流端電壓控制以及電流回路矢量控制效果比較實驗結(jié)果分別如圖11～圖14所示，與傳統(tǒng)矢量控制策略相比，本文所提出的基于神經(jīng)網(wǎng)絡(luò)的最大功率點跟蹤控制策略顯示了更好的控制效果，具體體現(xiàn)在快速響應(yīng)，準(zhǔn)確跟蹤以及無過載等方面。

圖11 直流端電壓Vdc控制實驗結(jié)果比較

圖12和圖13顯示了內(nèi)環(huán)電流控制實驗結(jié)果，圖中的紅線表示d-q軸參考電流（參見圖3），電流波形比較結(jié)果顯示基于神經(jīng)網(wǎng)絡(luò)的最大功率點跟蹤控制策略性能明顯優(yōu)于傳統(tǒng)矢量控制策略。

圖12 內(nèi)環(huán)電流控制實驗結(jié)果比較

圖13 內(nèi)環(huán)電流控制實驗結(jié)果比較

整個逆變器控制系統(tǒng)高頻諧波分量控制效果比較如圖14所示，和傳統(tǒng)的雙回路矢量控制系統(tǒng)相比，本文提出的系統(tǒng)方案可以快速響應(yīng)電網(wǎng)定相的變化，達到最優(yōu)控制效果。

4 結(jié)束語

針對LCL濾波形單相并網(wǎng)逆變器的控制，本文提出了基于神經(jīng)網(wǎng)絡(luò)的雙回路控制策略，并首次引入了粒子群優(yōu)化方法來對神經(jīng)網(wǎng)絡(luò)在線自學(xué)習(xí)進行快速優(yōu)化，從而達到最大功率點跟蹤的最優(yōu)化控制效果。新型神經(jīng)網(wǎng)絡(luò)在線識別自學(xué)習(xí)整定控制器和外環(huán)控制器復(fù)合在一起，共同決定了系統(tǒng)的功率輸出，一方面保證了系統(tǒng)輸出波形有良好的跟蹤能力，同時又具有快速的動態(tài)響應(yīng)性能，并且對電網(wǎng)電壓中的噪音和高次諧波也有很好的抑制作用，大幅提高光伏發(fā)電的電能質(zhì)量。在實際光伏發(fā)電電路中的實驗結(jié)果證明了本文所提出的控制方案的有效性和先進性。

圖14 內(nèi)環(huán)電流控制實驗結(jié)果比較