改进BP整定分数阶PID的并网逆变器控制方法与流程

改进bp整定分数阶pid的并网逆变器控制方法
技术领域
1.本发明涉及一种逆变器控制技术，特别涉及一种改进bp整定分数阶pid的并网逆变器控制方法。


背景技术：

2.随着可再生能源并网发电技术的发展，大功率并网逆变器控制技术成为人们研究的热点。能源研究开发领域主要体现在光、热、化学利用三种表现形式上。这三种形式中，光伏在电池技术上的应用是最关键的形式。国内大多数地区的太阳能资源比较充裕，以全年为单位来看平均日照量可达2000小时以上。在光伏发电方面，我国具有充足的资源储备。另一方面，光伏发电是一种可持续可再生的能源，它也可以解决了一些输电、配电、送电、用电困难的地区的用电问题。对于我国的贫困地区的发展起着至关重要的作用。
3.三相逆变器的传统控制有pid控制、状态反馈控制和pr控制，这些控制已较为成熟。其中pid控制多应用于多环控制环节，单闭环控制的效果有限，在双闭环控制环节中，将参考电压与实际电压的差值通过pid控制器进行跟踪。
4.三相逆变器主要输出正弦信号，其总谐波畸变因数在三相逆变器的评估中尤为重要。三相逆变器控制系统较为复杂的时变性、耦合性和非线性，控制起来十分困难。


技术实现要素：

5.针对大功率并网总谐波畸变问题，提出了一种改进bp整定分数阶pid的并网逆变器控制方法，使系统具备良好的动稳态响应和鲁棒性，实现对参考量的快速跟踪。
6.本发明的技术方案为：一种改进bp整定分数阶pid的并网逆变器控制方法电感电流外环控制采用分数阶pid控制器，电容电流内环采用比例补偿器对三相lcl并网逆变器进行控制，通过电流互感器测得电容上的电流ic，选用比例控制器消除电流高频开关谐波分量，抑制谐振尖峰增加系统的阻尼，并网电感上的电流i2与给定的参考电流i
2*
作比较，差值经过分数阶pid控制器，得到内环的电容电流参考信号i
c*
，电容电流参考信号i
c*
与电容电流内环实际电流ic进行比较，通过比例控制器进行补偿后得到逆变器的电压信号u
inv
；采用bp神经网络对分数阶pid控制器中比例系数k
p
、积分系数ki、微分系数kd、积分阶次λ和微分阶次μ进行参数整定。
7.进一步，所述bp神经网络输入为并网电感上给定的电感电流信号i
2*
和误差e＝i
2-i
2*
，e为给定电感电流信号i
2*
和实际测量得到的电流信号i2的差值；隐含层选用五个神经元，输出层为k
p
、ki、kd和积分阶次λ、微分阶次μ；
8.网络输入层输入为oi,隐含层的输入为net
(2)m
，输出为o
(2)m
，输出层的输入为net
(3)n
；
9.输出为o
(3)n
；神经网络通过不断调整输入层突触权值ω
im
和隐含层突触权值ω
mn
的函数，减小误差e；
10.网络隐含层的输入和输出分别为
[0011][0012]
其中，k为迭代次数；
[0013]
隐含层神经元的激活函数选取正负对称的sigmoid函数，
[0014][0015]
网络输出层的输入和输出分别为：
[0016][0017]
网络层的输出o
(3)1
,o
(3)2
,o
(3)3
,o
(3)4
,o
(3)5
分别对应分数阶pid控制器的5个参数k
p
、ki、kd和积分阶次λ、微分阶次μ；
[0018]
输出层的激活函数选取非负的sigmoid函数：
[0019][0020]
通过实时输入误差e(t)，采用梯度下降法调整神经网络的权系数，当误差进入要求范围内后，则停止权系数的调整，由输出层误差反传到隐层的权系数调整公式推导如下：
[0021][0022]
根据上式调整隐含层到输出层的加权系数，k为当前迭代次数，η为学习速率，α为惯性系数。
[0023]
进一步，所述bp神经网络误差满足条件：e(k)-e(k-1)≤1
×
10-6
时，神经网络停止迭代，将所得到的五个参数代入oustaloup滤波器中对分数阶pi
λdμ
进行数字实现。
[0024]
进一步，所述bp神经网络中的学习速率η和惯性系数α调节方法：
[0025]
当|δe(k)/δe(k-1)|》1时，
[0026][0027]
当|δe(k)/δe(k-1)|《1时
[0028][0029]
系数k0的取值范围一般为[-1,1]，选取k0＝0.5最合适；α0为初始值，取α0＝1。
[0030]
本发明的有益效果在于：本发明改进bp整定分数阶pid的并网逆变器控制方法，将多变量分数阶pid控制作用于电感电流外环，使系统具有更好的鲁棒性，大大降低了并网电流的thd值；以比例控制器作为电容电流内环，实现双闭合控制。针对分数阶pid算法的引入带来的参数整定问题，采用改进的bp神经网络算法对参数进行辨识和优化，实现并网逆变
的稳定控制，提升了系统的鲁棒性。
附图说明
[0031]
图1为三相lcl并网逆变器的电路拓扑结构图；
[0032]
图2为本发明方法的电感电流外环，电容电流内环控制回路的结构示意图；
[0033]
图3为分数阶pid控制的原理框图；
[0034]
图4为本发明提供的bp神经网络结构图；
[0035]
图5为本发明bp神经网络整定分数阶pid控制器的控制框图；
[0036]
图6为本发明提供的一种进bp神经网络整定分数阶pid的并网逆变器控制方法中并网电压仿真波形图；
[0037]
图7为本发明提供的一种改进bp神经网络整定分数阶pid的并网逆变器控制方法中电流由10a突变至15a的仿真波形图；
[0038]
图8为本发明提供的一种改进bp神经网络整定分数阶pid的并网逆变器控制方法中总谐波畸变率的仿真结果图。
具体实施方式
[0039]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0040]
三相lcl型并网逆变器的拓扑控制结构如图1所示，图1中包括lcl型滤波器，主要由逆变器侧电感l1、滤波电容cf以及网侧电感l2构成，s1～s6为并网逆变器的开关管igbt；u
dc
为直流侧电压，c为直流侧滤波电容，ic为电容电流，i1为直流侧电流，i2为并网电流。
[0041]
如图2所示电感电流外环，电容电流内环控制回路的结构示意图，构造一种将分数阶pid控制器应用于电感电流外环控制，电容电流内环采用比例补偿器控制。构建三相lcl并网逆变器，通过电流互感器测得电容上的电流ic，选用比例控制器消除电流高频开关谐波分量，抑制谐振尖峰增加系统的阻尼，并网电感上的电流i2与给定的参考电流i
2*
作比较，差值经过分数阶pid控制器，得到内环的电容电流参考信号i
c*
，电容电流参考信号i
c*
与电容电流内环实际电流ic进行比较，通过比例控制器进行补偿后得到逆变器的电压信号u
inv
。为电感电流外环的分数阶pid控制器，gc为电容电流内环的比例控制器。
[0042]
gc＝kc，其中k
p
,ki,kd分别为分数阶pid控制器的比例系数、积分系数和微分系数；λ和μ分别为电流内分数阶pid控制器的积分阶次和微分阶次，kc为比例控制系数。图2中g1(s)＝1/(l1s r1),g2(s)＝1/cfs，g3(s)＝1/(l2s r2)，ug为电网侧电压，r1为逆变器侧电感电阻，r2为网侧电感电阻。
[0043]
常规pid控制器参数整定往往整定不良，性能欠佳，控制范围不广，对运行工况的适应性差，将分数阶控制理论和pid控制器整定理论相结合。分数阶pid控制器一般格式简记为pi
λdμ
，即取λ阶积分、μ阶微分，比整数阶pid控制器多了两个可调参数。当λ和μ都取为1时就是整数解pid控制器。分数阶pi
λdμ
控制器对于被控系统来说，具有更大的灵活性和更广的适应性。由于其阶次可以任意选择，因此分数阶pi
λdμ
控制器较常规的整数阶pid控制器来
说可以选择的范围更大。分数阶pi
λdμ
控制器对其控制器参数的变化以及被控系统参数的变化不敏感，当控制器的参数整定好以后，相应的参数在一定范围内变化时，分数阶pi
λdμ
控制器仍能有效的进行控制，不必重新整定参数，并且具有基本等效的控制效果和更强的鲁棒性。
[0044]
如图3所示分数阶pid控制的原理框图，分数阶pi
λdμ
控制器与传统pid控制器结构相同，在积分和微分上分别引入分数阶次。扩展了pid控制器的控制范围。分数阶pid控制器的微分方程为:
[0045][0046]
积分阶次λ和微分阶次μ应该满足0《λ、μ《2。
[0047]
基于bp神经网络的分数阶pi
λdμ
控制器参数整定算法：
[0048]
如图4所示bp神经网络结构图，搭建神经网络为2
×5×
5的结构，神经网络的输入有两个，一个是并网电感上给定的电感电流信号i
2*
，仿真中设置值为15a,另一个是误差信号e，为给定电感电流信号i
2*
和实际测量得到的电流信号i2的差值。隐含层选用五个神经元，输出层为k
p
、ki、kd和积分阶次λ、微分阶次μ。
[0049]
网络输入层输入为oi,隐含层的输入为net
(2)m
，输出为o
(2)m
，输出层的输入为net
(3)n
；输出为o
(3)n
。神经网络通过不断调整输入层突触权值ω
im
和隐含层突触权值ω
mn
的函数，减小误差e。误差e(t)＝i2(t)-i
2*
(t),i2(t)为实际测得的电感电流值，i
2*
(t)为给定的电感电流参考值。
[0050]
网络隐含层的输入和输出分别为
[0051][0052]
其中，k为迭代次数。
[0053]
隐含层神经元的激活函数选取正负对称的sigmoid函数。
[0054][0055]
网络输出层的输入和输出分别为
[0056][0057]
网络层的输出o
(3)1
,o
(3)2
,o
(3)3
,o
(3)4
,o
(3)5
分别对应分数阶pid控制器的5个参数k
p
、ki、kd和积分阶次λ、微分阶次μ。
[0058]
输出层的激活函数选取非负的sigmoid函数：
[0059][0060]
通过实时输入误差e(t)，采用梯度下降法调整神经网络的权系数，当误差进入要求范围内后，则停止权系数的调整。由输出层误差反传到隐层的权系数调整公式推导如下：
[0061][0062]
根据上式调整隐含层到输出层的加权系数，k为当前迭代次数，η为学习速率，α为惯性系数，上式可以展开为:
[0063][0064]
δu(k)为连续两次分数阶pid控制器的输出差，y(k)为神经网络的输入即设置的电感电流值。
[0065][0066]
由于无法确定，利用符号函数sgn函数代替，由学习率弥补两者之间的误差。采用相同的方法调整隐含层的权值。
[0067]
当满足条件：e(k)-e(k-1)≤1
×
10-6
时，神经网络停止迭代，输出得到分数阶pid控制器的五个参数，利用改进型oustaloup滤波算法对分数阶pid控制器进行数字实现。
[0068]
离散化分数阶pid控制算法:
[0069][0070]
通过matlab中的s-function函数可以实现分数阶pid控制器的效果。bp神经网络整定分数阶pid控制器的控制框图如图5所示，在整个控制回路中，分数阶pid控制器的输入为误差e，输出为电容电流控制内环的参考信号i
c*
。
[0071]
在神经网络算法中，惯性系数和学习率的选取对控制对象产生较大的影响，固定惯性系数和学习率的控制器在控制过程中容易出现超调量大，存在振荡问题。根据误差变化的趋势对惯性系数和学习速率进行整定。当误差δe(k)》0，误差曲线存在上升的趋势，说明存在控制器输出超调或输出远离期望等现象，应当减小两个系数的值；当连续误差比值减小时，说明存在响应慢或者输出正在接近被控对象期望值，为进一步保证控制结果不出现急剧变化，需要对学习率η和惯性系数α做出调整，适当增大两个系数使曲线继续保持这种变化趋势；当δe(k)＝δe(k-1)＝0，说明系统输出已经稳定。
[0072]
当|δe(k)/δe(k-1)|》1时，
[0073][0074]
当|δe(k)/δe(k-1)|《1时
[0075][0076]
系数k0的取值范围一般为[-1,1]，本文经过多次试验，选取k0＝0.5最合适；取α0＝
1为初始值。
[0077]
构建三相lcl型并网逆变器，设定并网电流值，与并网电流的实际值做差后经过电感电流外环的分数阶pid控制器，得到电流内环的参考信号；
[0078]
将得到的电流内环的参考信号与实际的电容电流做差，经过比例补偿器补偿，得到逆变器侧电压信号，将得到的电压信号经过clark变换输入到svpwm模块，得到开关管导通与关闭的驱动信号，实现对逆变器拓扑结构数学模型的稳定控制。
[0079]
分数阶pid控制器的传递函数如下：对其进行仿真实验。
[0080]
表1
[0081]
参数数值直流侧电压vdc/v700逆变器侧电感l1/mh3并网侧电感l2/mh1.5滤波电容cf/uf14.1逆变器侧电感电阻r1/ω0.1网侧电感电阻r2/ω0.1开关频率fs/khz10
[0082]
表1为仿真系统参数列表，仿真实验评估如下所述：
[0083]
图6为本发明分数阶双环控制输出的结果图，结果图显示了：分数阶双环控制下的输出电压达到了同相位并满足并网电压输出波形高正弦度，在过零点与峰值处也保证波形不发生畸变。该控制策略可以很好地过滤谐波，提升并网电能质量。
[0084]
图7为本发明在外部扰动下的动态性能试验波形，为电流突变仿真波形，在仿真运行到0.1s时，正弦波处于峰顶最易产生畸变时，电流由10a增大至15a。电流经过0.05s恢复稳定。同等条件下，传统pid控制器需要0.1s左右的时间。通过上述分析可以看出，在同等外部扰动条件下，整数阶pid控制器由波动产生的影响恢复所需要的时间较长，分数阶pid控制器具有较强的抗干扰能力。
[0085]
图8为本发明的并网电流总谐波畸变率的波形图，由波形图可以看出，在分数阶pid控制下，并网电流的thd值为0.76％，与传统pid控制器控制下的总谐波畸变率为1.81％相比，系统具有更少的高次谐波，系统的波形更好。
[0086]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。