基于参数敏感性因子的并网逆变器锁相环参数辨识方法

1.本发明属于电能质量和控制领域，具体涉及一种并网条件下在并网逆变器锁相环参数未知的情况时基于参数敏感性因子进行锁相环参数辨识的方法。


背景技术：

2.基于阻抗模型的并网系统稳定性分析，需要对并网逆变器进行阻抗建模获得其阻抗模型。而阻抗模型的建立需要获取并网逆变器的控制参数，如电流环参数、锁相环参数等。参数辨识方法被广泛用于在逆变器控制参数未知的情况下辨识出逆变器控制参数。
3.参数辨识方法需要并网逆变器的测量阻抗数据，然而由于噪声和谐波损耗等的影响，测量阻抗与理论阻抗之间存在误差，这导致参数辨识结果的不准确。例如：
4.文献1“宋依桐，胡海涛，肖冬华，潘鹏宇，何正友.牵引供电系统注入式谐波阻抗测量的扰动限值选定方法[j].中国电机工程学报，2020，40(15)：4770-4780.”考虑噪声、背景谐波等因素进行指标形式的推导，能够在面对已知对象、工况或部分基本参数的条件下，在实施阻抗测量前进行明确的注入扰动限值判定，使阻抗测量准确。
[0005]
在并网逆变器阻抗建模中，锁相环参数的影响十分重要不可忽略，而现有的并网逆变器参数辨识方法忽略了锁相环参数，仅针对除锁相环参数以外的参数进行辨识。例如：
[0006]
文献2“孙黎霞，林雪，金宇清，潘磊，施浩波.基于粒子群优化算法的并网光伏发电单元建模[j].电网技术，2015，39(05)：1213-1218.”提出在忽略前馈和耦合的影响下，分别建立电流内环和电压外环的控制模型，然后采用粒子群优化算法分步辨识模型中的未知参数，但此种辨识方法是在dq坐标系下建立起电流内环和电压外环控制模型，因而忽略了锁相环参数，所以在辨识过程中也没有考虑锁相环参数的辨识。
[0007]
文献3“孙丽玲.并网逆变器惯量和阻尼参数辨识研究[d].合肥工业大学，2020.”对虚拟同步机控制的并网逆变器建立了考虑锁相环的统一状态空间模型并对其进行参数辨识，但是在实际的辨识过程中锁相环带宽远远大于系统带宽，所以算法不能准确找到锁相环参数信息，也无法对锁相环参数进行辨识。
[0008]
综上所述，逆变器参数辨识方法的现有技术中还存在以下不足：
[0009]
1、阻抗测量环节存在误差，导致辨识误差存在不确定性，并且通过提高测量设备精度的方案所需成本高。
[0010]
2、对逆变器参数进行辨识时是在dq坐标系下建模并施加扰动，或者在辨识过程中直接忽略了锁相环参数的影响，这些原因导致了锁相环参数无法被辨识出来。
[0011]
3、锁相环与电流环等其他控制环耦合紧密，对锁相环施加的扰动也会对其他控制环产生影响，所以无法通过传统的施加扰动观察响应的方法来对锁相环参数进行辨识。


技术实现要素：

[0012]
本发明为了解决传统并网逆变器参数辨识过程中由于建模和锁相环与其他控制环耦合而导致锁相环参数无法辨识以及阻抗测量误差的存在而导致锁相环参数辨识不准
确的问题，提供了一种基于并网逆变器序阻抗模型、参数敏感性因子、粒子群优化算法与平滑频段确定方法的并网逆变器锁相环参数辨识方法，所述锁相环参数包括锁相环比例系数和锁相环积分系数。
[0013]
为解决本发明的技术问题，本发明提供了一种基于参数敏感性因子的并网逆变器锁相环参数辨识方法，所述锁相环参数包括锁相环比例系数和锁相环积分系数；所述并网逆变器锁相环参数辨识方法所涉及的拓扑结构包括并网逆变器、电网和锁相环参数辨识装置；所述锁相环参数辨识装置包括阻抗测量及计算单元和参数估计及数据处理单元；所述阻抗测量及计算单元包括采样单元和计算单元，所述采样单元接入电网与并网逆变器相连接的公共耦合点pcc处，实现对公共耦合点pcc处电压和电流的采样，所述计算单元与采样单元的输出端相连接，计算单元与参数估计及数据处理单元在算法内部实现数据交互；
[0014]
所述参数辨识方法建立含有未知并网逆变器锁相环参数的待估计阻抗，提出用参数敏感性因子得到锁相环带宽段下参数敏感性因子满足要求的频率段，然后使用粒子群优化算法结合在锁相环带宽段下参数敏感性因子满足要求的频率段内测量得到的阻抗进行参数估计，获得多组并网逆变器锁相环估计参数，对多组并网逆变器锁相环估计参数进行处理，确定锁相环参数估计值的平滑频段，最终获得参数辨识结果，具体的，包括以下步骤：
[0015]
步骤1，参数设定
[0016]
包括以下参数：锁相环比例系数辨识下限k
ppllmin
，锁相环比例系数辨识上限k
ppllmax
，锁相环积分系数辨识下限k
ipllmin
，锁相环积分系数辨识上限k
ipllmax
；
[0017]
步骤2，记并网逆变器的正序阻抗为z
ip
(k
ppll
，k
ipll
，f)，其中，k
ppll
为待辨识锁相环比例系数，k
ipll
为待辨识锁相环积分系数，f为频率，即正序阻抗z
ip
(k
ppll
，k
ipll
，f)仅包含待辨识锁相环比例系数k
ppll
和待辨识锁相环积分系数k
ipll
这2个未知参数；
[0018]
步骤3，求解参数敏感性因子满足要求的频率段fsfs
[0019]
步骤3.1，记锁相环比例系数参数敏感性因子为f
p
(f)，锁相环积分系数参数敏感性因子为fi(f)，其表达式如下：
[0020][0021][0022]
式中的re()表示对()中的参数取实部，im()表示对()中的参数取虚部，k
ppllt
为实际锁相环比例系数，k
ipllt
为实际锁相环积分系数，其表达式分别如下：
[0023][0024][0025]
其中，v1是基波相电压的峰值，f
bw
是锁相环带宽；
[0026]
设锁相环带宽f
bw
的取值范围为[f
bwmin
，f
bwmax
]，并记为锁相环带宽段f
bwd
，其中，f
bwmin
是锁相环带宽段f
bwd
的取值下限，f
bwmax
是锁相环带宽段f
bwd
的取值上限；
[0044]
步骤6.3，按照步骤6.1-步骤6.2方法得到n个阻抗测量频率fy对应的n个锁相环比例系数估计值k
ppllfy
和n个锁相环积分系数估计值k
ipllfy
，y＝1，2，...，n；
[0045]
步骤7，参数估计及数据处理单元根据预存的算法，对步骤6得到的n个锁相环比例系数估计值k
ppllfy
和锁相环积分系数估计值k
ipllfy
进行处理，得到锁相环比例系数辨识结果k
ppllf
和锁相环积分系数辨识结果k
ipllf
；
[0046]
步骤7.1，参数估计及数据处理单元根据预存的算法，对步骤6得到的n个锁相环比例系数估计值k
ppllfy
进行处理，得到锁相环比例系数辨识结果k
ppllf
，具体如下：
[0047]
将n个锁相环比例系数估计值k
ppllfy
按阻抗测量频率fy的值从小到大依次进行重新排序，并将其中任意一个重新排序后的锁相环比例系数估计值记为重排锁相环比例系数估计值其中a
p
为重排锁相环比例系数估计值的序号，并记为第一重排序号a
p
，a
p
＝1，2，...，n；
[0048]
考察n个重排锁相环比例系数估计值的分布状态，设在n个重排锁相环比例系数估计值中有γ
p
个满足条件e的第一待选频段，所述条件e为：在该第一待选频段中，所有的重排锁相环比例系数估计值均围绕其中的一个重排锁相环比例系数估计值上下波动，且上下波动的值小于该重排锁相环比例系数估计值的σ％，σ为设定的常数；γ
p
为正整数且γ
p
≥1；
[0049]
若γ
p
＝1，则选择第一待选频段为第一平滑频段sfs
p
；若γ
p
＞1，则在γ
p
个满足条件e的第一待选频段中选择重排锁相环比例系数估计值个数最多的第一待选频段记为第一平滑频段sfs
p
；
[0050]
记录第一平滑频段sfs
p
的以下参数：第一平滑频段sfs
p
中第一重排序号a
p
的最小值a
pmin
和第一重排序号a
p
的最大值a
pmax
，第一平滑频段sfs
p
中阻抗测量频率fy的最小值f
pmin
和阻抗测量频率fy的最大值f
pmax
；
[0051]
锁相环比例系数辨识结果k
ppllf
的表达式如下：
[0052][0053]
步骤7.2，参数估计及数据处理单元根据预存的算法，对步骤6得到的n个锁相环积分系数估计值k
ipllfy
进行处理，得到锁相环积分系数辨识结果k
ipllf
，具体如下：
[0054]
将n个锁相环积分系数估计值k
ipllfy
按阻抗测量频率fy的值从小到大依次进行重新排序，并将其中任意一个重新排序后的锁相环积分系数估计值记为重排锁相环积分系数估计值其中ai为重排锁相环积分系数估计值的序号，并记为第二重排序号ai，ai＝1，2，...，n；
[0055]
考察n个重排锁相环积分系数估计值的分布状态，设在n个重排锁相环积分系数估计值中有γi个满足条件f的第二待选频段，所述条件f为：在该第二待选频段中，所有的重排锁相环积分系数估计值均围绕其中的一个重排锁相环积分系数估计值上下波动，且上下波动的值小于该重排锁相环积分系数估计值的σ％，σ为设定的常数；γi为正整数且γi≥1；
[0056]
若γi＝1，则选择第二待选频段为第二平滑频段sfsi；若γi＞1，则在γi个满足条件f的第二待选频段中选择重排锁相环积分系数估计值个数最多的第二待选频段记为第二平滑频段sfsi；
[0057]
记录第二平滑频段sfsi的以下参数：第二平滑频段sfsi中第二重排序号ai的最小值a
imin
和第二重排序号ai的最大值a
imax
，第二平滑频段sfsi中阻抗测量频率fy的最小值f
imin
和阻抗测量频率fy的最大值f
imax
；
[0058]
锁相环积分系数辨识结果k
ipllf
的表达式如下：
[0059][0060]
本发明基于参数敏感性因子的并网逆变器锁相环参数辨识方法，综合了并网逆变器序阻抗建模、参数敏感性因子、阻抗测量、粒子群优化算法和平滑频段确定方法的优点。其有益效果具体体现如下：
[0061]
1)建立起的并网逆变器序阻抗模型能够克服传统并网逆变器建模的缺点，解决电流环与锁相环两者耦合紧密的问题，可以用于辨识并网逆变器锁相环参数。
[0062]
2)提出的参数敏感性因子可以对阻抗测量频率段的选取进行预处理，缩短了阻抗测量的频率范围，降低了阻抗测量误差导致的参数辨识不准确，同时避免了为提高测量设备精度而带来的高成本。
[0063]
3)阻抗测量等操作对并网逆变器系统影响很小，不影响并网系统的稳定运行，能够在线辨识出并网逆变器的锁相环参数。
[0064]
4)使用粒子群优化算法对未知参数进行参数估计，克服了传统最小二乘法等算法不能辨识非线性模型的缺点。
[0065]
5)提出锁相环参数估计值的平滑频段的选定方法，减小了辨识过程中偶然误差对辨识结果造成的影响。
附图说明
[0066]
图1为本发明所涉及的拓扑图。
[0067]
图2为本发明实施例中建立的仿真电路结构图。
[0068]
图3为本发明方法的流程图。
[0069]
图4为锁相环比例系数辨识结果的辨识示意图。
[0070]
图5为锁相环积分系数辨识结果的辨识示意图。
具体实施方式
[0071]
以下结合附图，对本发明进行进一步详细说明。
[0072]
图1所示为本发明基于参数敏感性因子的并网逆变器锁相环参数辨识方法所涉及的拓扑图。由图1可见，所述并网逆变器锁相环参数辨识方法所涉及的拓扑结构包括并网逆变器10、电网40和锁相环参数辨识装置；所述锁相环参数辨识装置包括阻抗测量及计算单元20和参数估计及数据处理单元30；所述阻抗测量及计算单元20包括采样单元201和计算单元202，所述采样单元201接入电网40与并网逆变器10相连接的公共耦合点pcc处，实现对
公共耦合点pcc处电压和电流的采样，所述计算单元202与采样单元201的输出端相连接，计算单元202与参数估计及数据处理单元30在算法内部实现数据交互。
[0073]
图2为本实施例中建立的基于参数敏感性因子的并网逆变器锁相环参数辨识方法仿真电路结构图，并网逆变器10直流电压v
dc
＝1500v，额定功率pn＝300kw，滤波器电感l＝1.4mh，电网40频率f1＝60hz，电网线电压有效值vg＝690v，电流控制器输入为pcc点处三相电流iy，锁相环输入为pcc点处三相线电压uy，输出为相角θ
pll
。
[0074]
图3为本发明方法的流程图。由该图可见，本发明是一种基于参数敏感性因子的并网逆变器锁相环参数辨识方法，所述锁相环参数包括锁相环比例系数和锁相环积分系数。所述参数辨识方法建立含有未知并网逆变器锁相环参数的待估计阻抗，提出用参数敏感性因子得到锁相环带宽段下参数敏感性因子满足要求的频率段，然后使用粒子群优化算法结合在锁相环带宽段下参数敏感性因子满足要求的频率段内测量得到的阻抗进行参数估计，获得多组并网逆变器锁相环估计参数，对多组并网逆变器锁相环估计参数进行处理，确定锁相环参数估计值的平滑频段，最终获得参数辨识结果，具体的，包括以下步骤：
[0075]
步骤1，参数设定
[0076]
包括以下参数：锁相环比例系数辨识下限k
ppllmin
，锁相环比例系数辨识上限k
ppllmax
，锁相环积分系数辨识下限k
ipllmin
，锁相环积分系数辨识上限k
ipllmax
。
[0077]
在本实施例中，k
ppllmin
＝0，k
ppllmax
＝10，k
ipllmin
＝0，k
ipllmax
＝1000。
[0078]
步骤2，记并网逆变器10的正序阻抗为z
ip
(k
ppll
，k
ipll
，f)，其中，k
ppll
为待辨识锁相环比例系数，k
ipll
为待辨识锁相环积分系数，f为频率，即正序阻抗z
ip
(k
ppll
，k
ipll
，f)仅包含待辨识锁相环比例系数k
ppll
和待辨识锁相环积分系数k
ipll
这2个未知参数。
[0079]
步骤3，求解参数敏感性因子满足要求的频率段fsfs
[0080]
步骤3.1，记锁相环比例系数参数敏感性因子为f
p
(f)，锁相环积分系数参数敏感性因子为fi(f)，其表达式如下：
[0081][0082][0083]
式中的re()表示对()中的参数取实部，im()表示对()中的参数取虚部，k
ppllt
为实际锁相环比例系数，k
ipllt
为实际锁相环积分系数，其表达式分别如下：
[0084][0085][0086]
其中，v1是基波相电压的峰值，f
bw
是锁相环带宽；
[0087]
设锁相环带宽f
bw
的取值范围为[f
bwmin
，f
bwmax
]，并记为锁相环带宽段f
bwd
，其中，f
bwmin
是锁相环带宽段f
bwd
的取值下限，f
bwmax
是锁相环带宽段f
bwd
的取值上限；
[0088]
步骤3.2，将锁相环带宽f
bw
下锁相环比例系数参数敏感性因子f
p
(f)的最大值记为fpmax
，将锁相环带宽f
bw
下，由f
p
(f)＞μ％
·fpmax
确定的频率范围认定为锁相环带宽f
bw
下锁相环比例系数参数敏感性因子满足要求的频率段，并记为第一频率段fsfs
ps
(f
bw
)，其中的μ是常数；
[0089]
令锁相环带宽段f
bwd
下锁相环比例系数参数敏感性因子满足要求的频率段fsfs
p
是锁相环带宽段f
bwd
内每个第一频率段fsfs
ps
(f
bw
)的并集频率段，其表达式如下：
[0090]
fsfs
p
＝∪fsfs
ps
(f
bw
)
[0091]
步骤3.3，将锁相环带宽f
bw
下锁相环积分系数参数敏感性因子fi(f)的最大值记为f
imax
，将锁相环带宽f
bw
下，由fi(f)＞μ％
·fimax
确定的频率范围记为锁相环带宽f
bw
下锁相环积分系数参数敏感性因子满足要求的频率段，并记为第二频率段fsfs
is
(f
bw
)；
[0092]
令锁相环带宽段f
bwd
下锁相环积分系数参数敏感性因子满足要求的频率段fsfsi是锁相环带宽段f
bwd
内每个第二频率段fsfs
is
(f
bw
)的并集频率段，其表达式如下：
[0093]
fsfsi＝∪fsfs
is
(f
bw
)
[0094]
步骤3.4，定义参数敏感性因子满足要求的频率段fsfs为锁相环带宽段f
bwd
下锁相环比例系数参数敏感性因子满足要求的频率段fsfs
p
和锁相环带宽段f
bwd
下锁相环积分系数参数敏感性因子满足要求的频率段fsfsi两者的并集频率段，其表达式如下：
[0095]
fsfs＝fsfs
p
∪fsfsi。
[0096]
在本实施例中，锁相环带宽段f
bwd
为[10，30]，由此得到的参数敏感性因子满足要求的频率段fsfs为[55，99]，μ＝80。
[0097]
步骤4，将锁相环参数辨识装置接入公共耦合点pcc，并通过采样单元201对公共耦合点pcc处的三相线电压和三相电流进行n次采样，采样的频率范围是步骤3得到的参数敏感性因子满足要求的频率段fsfs，将n次采样中的任意一次采样记为第y次采样，与第y次采样对应的频率记为阻抗测量频率fy，与阻抗测量频率fy对应的三相线电压采样值记为三相线电压uy，与阻抗测量频率fy对应的三相电流采样值记为三相电流iy，y＝1，2，...，n，n为正整数。
[0098]
在本实施例中，n＝45。
[0099]
步骤5，将步骤4采样得到的n个三相线电压uy和n个三相电流iy送入计算单元202，得到n个测量正序阻抗z
rpy
，y＝1，2，...，n。
[0100]
在本实施例中，共得到45个测量正序阻抗z
rpy
[0101]
步骤6，将n个阻抗测量频率fy和n个测量正序阻抗z
rpy
送入参数识别及数据处理单元30，使用n个测量正序阻抗z
rpy
进行参数识别；
[0102]
步骤6.1，定义待估计正序阻抗z
ipdy
(k
pplldy
，k
iplldy
，f
ddy
)，其中的k
pplldy
为待估计锁相环比例系数，k
iplldy
为待估计锁相环积分系数，f
ddy
为待估计正序阻抗z
ipdy
中的频率，y＝1，2，...，n；
[0103]
令f
ddy
＝fy，则待估计正序阻抗z
ipdy
表达为：z
ipdy
(k
pplldy
，k
iplldy
，fy)；
[0104]
步骤6.2，使用粒子群优化算法使待估计正序阻抗z
ipdy
的实部和虚部与测量正序阻抗z
rpy
的实部和虚部一一逼近，直至满足估计条件，得到锁相环比例系数估计值k
ppllfy
和锁相环积分系数估计值k
ipllfy
，具体的，建立粒子群优化算法函数fo(k
pplldy
，k
iplldy
)，通过计算得到粒子群群体最佳位置gbest，gbest＝(gbest
1 gbest2)，其中gbest1为粒子群群体最佳位置第一列，gbest2为粒子群群体最佳位置第二列；
[0105]
则锁相环比例系数估计值k
ppllfy
和锁相环积分系数估计值k
ipllfy
分别为：
[0106]kppllfy
＝gbest1[0107]kipllfy
＝gbest2[0108]
步骤6.3，按照步骤6.1-步骤6.2方法得到n个阻抗测量频率fy对应的n个锁相环比例系数估计值k
ppllfy
和n个锁相环积分系数估计值k
ipllfy
，y＝1，2，...，n。
[0109]
步骤7，参数估计及数据处理单元30根据预存的算法，对步骤6得到的n个锁相环比例系数估计值k
ppllfy
和锁相环积分系数估计值k
ipllfy
进行处理，得到锁相环比例系数辨识结果k
ppllf
和锁相环积分系数辨识结果k
ipllf
。
[0110]
步骤7.1，参数估计及数据处理单元30根据预存的算法，对步骤6得到的n个锁相环比例系数估计值k
ppllfy
进行处理，得到锁相环比例系数辨识结果k
ppllf
，具体如下：
[0111]
将n个锁相环比例系数估计值k
ppllfy
按阻抗测量频率fy的值从小到大依次进行重新排序，并将其中任意一个重新排序后的锁相环比例系数估计值记为重排锁相环比例系数估计值其中a
p
为重排锁相环比例系数估计值的序号，并记为第一重排序号a
p
，a
p
＝1，2，...，n；
[0112]
考察n个重排锁相环比例系数估计值的分布状态，设在n个重排锁相环比例系数估计值中有γ
p
个满足条件e的第一待选频段，所述条件e为：在该第一待选频段中，所有的重排锁相环比例系数估计值均围绕其中的一个重排锁相环比例系数估计值上下波动，且上下波动的值小于该重排锁相环比例系数估计值的σ％，σ为设定的常数；γ
p
为正整数且γ
p
≥1；
[0113]
若γ
p
＝1，则选择第一待选频段为第一平滑频段sfs
p
；若γ
p
＞1，则在γ
p
个满足条件e的第一待选频段中选择重排锁相环比例系数估计值个数最多的第一待选频段记为第一平滑频段sfs
p
；
[0114]
记录第一平滑频段sfs
p
的以下参数：第一平滑频段sfs
p
中第一重排序号a
p
的最小值a
pmin
和第一重排序号a
p
的最大值a
pmax
，第一平滑频段sfs
p
中阻抗测量频率fy的最小值f
pmin
和阻抗测量频率fy的最大值f
pmax
；
[0115]
锁相环比例系数辨识结果k
ppllf
的表达式如下：
[0116][0117]
在本实施例中，σ＝0.5。
[0118]
图4为锁相环比例系数辨识结果的辨识示意图，横坐标是阻抗测量频率fy，纵坐标是重排锁相环比例系数估计值由图4可见，第一平滑频段sfs
p
为[76，89]，即f
pmin
＝76，f
pmax
＝89，第一重排序号a
p
的最小值a
pmin
＝22，第一重排序号a
p
的最大值a
pmax
＝35，锁相环比例系数辨识结果k
ppllf
为0.192。为了佐证，对结果进行了仿真，仿真中待辨识锁相环比例系数k
ppll
设置值为0.193。
[0119]
步骤7.2，参数估计及数据处理单元30根据预存的算法，对步骤6得到的n个锁相环积分系数估计值k
ipllfy
进行处理，得到锁相环积分系数辨识结果k
ipllf
，具体如下：
[0120]
将n个锁相环积分系数估计值k
ipllfy
按阻抗测量频率fy的值从小到大依次进行重新排序，并将其中任意一个重新排序后的锁相环积分系数估计值记为重排锁相环积分系数估计值其中ai为重排锁相环积分系数估计值的序号，并记为第二重排序号ai，ai＝1，2，...，n；
[0121]
考察n个重排锁相环积分系数估计值的分布状态，设在n个重排锁相环积分系数估计值中有γi个满足条件f的第二待选频段，所述条件f为：在该第二待选频段中，所有的重排锁相环积分系数估计值均围绕其中的一个重排锁相环积分系数估计值上下波动，且上下波动的值小于该重排锁相环积分系数估计值的σ％，σ为设定的常数；γi为正整数且γi≥1；
[0122]
若γi＝1，则选择第二待选频段为第二平滑频段sfsi；若γi＞1，则在γi个满足条件f的第二待选频段中选择重排锁相环积分系数估计值个数最多的第二待选频段记为第二平滑频段sfsi；
[0123]
记录第二平滑频段sfsi的以下参数：第二平滑频段sfsi中第二重排序号ai的最小值a
imin
和第二重排序号ai的最大值a
imax
，第二平滑频段sfsi中阻抗测量频率fy的最小值f
imin
和阻抗测量频率fy的最大值f
imax
；
[0124]
锁相环积分系数辨识结果k
ipllf
的表达式如下：
[0125][0126]
图5为锁相环积分系数辨识结果的辨识示意图，横坐标是阻抗测量频率fy，纵坐标是重排锁相环积分系数估计值由图5可见，第二平滑频段sfsi为[63，77]，即f
imin
＝63，f
imax
＝77，第二重排序号ai的最小值a
imin
＝9，第二重排序号ai的最大值a
imax
＝23，锁相环积分系数辨识结果k
ipllf
为36.361。为了佐证，对结果进行了仿真，仿真中待辨识锁相环积分系数k
ipll
设置值为36.400。
[0127]
至此，并网逆变器锁相环参数辨识结束。
[0128]
在以上步骤中，步骤6.2所述的粒子群群体最佳位置gbest获取方式如下：
[0129]
建立粒子群优化算法函数fo(k
pplldy
，k
iplldy
)，其表达式如下：
[0130]fo
(k
pplldy
，k
iplldy
)＝||re(z
rpy
)-re[z
ipdy
(k
pplldy
，k
iplldy
，fy)]| |im(z
rpy
)-im[z
ipdy
(k
pplldy
，k
iplldy
，fy)]||
[0131]
使用粒子群优化算法寻找满足要求的待估计锁相环比例系数k
pplldy
和待估计锁相环积分系数k
iplldy
，使粒子群优化算法函数fo(k
pplldy
，k
iplldy
)的值最小，具体步骤如下：
[0132]
步骤6.2.1，设置粒子群规模为n，粒子群优化函数变量个数d为2，粒子群优化算法学习因子1为c1，粒子群优化算法学习因子2为c2，粒子群优化算法速度权重w1，粒子群优化算法位置权重w2，粒子群优化迭代次数k，粒子速度最小值v
min
，粒子速度最大值v
max
；
[0133]
步骤6.2.2，随机生成n行2列的二维矩阵记为粒子群优化算法粒子种群xn×2，且第一列元素的随机数范围在锁相环比例系数辨识下限k
ppllmin
到锁相环比例系数辨识上限k
ppllmax
之间，粒子群优化算法粒子种群xn×2第二列元素的随机数范围在锁相环积分系数辨识下限k
ipllmin
到锁相环积分系数辨识上限k
ipllmax
之间，其中，记n行中任意一行为第a行，a＝
1，2，...，n，a为正整数，2列中任意一列为第b列，b＝1，2，b为正整数，粒子群优化算法粒子种群xn×2中的任意一个粒子记为x
ab
，a＝1，2，...，n，b＝1，2，粒子群优化算法粒子种群xn×2中的任意一行粒子记为xa，a＝1，2，...，n，任意一行粒子xa包含任意一行第一列的粒子x
a1
，a＝1，2，...，n和任意一行第二列的粒子x
a2
，a＝1，2，...，n；
[0134]
粒子群优化算法粒子种群xn×2和粒子群优化算法粒子种群xn×2中的任意一行粒子xa如下：
[0135][0136]
xa＝(x
a1 x
a2
)；
[0137]
随机生成n行2列的二维矩阵记为粒子群优化算法粒子速度vn×2，且每个元素的随机数范围在粒子速度最小值v
min
和粒子速度最大值v
max
之间，其中，粒子群优化算法粒子速度vn×2中的任意一个粒子速度记为v
ab
，a＝1，2，...，n，b＝1，2，粒子群优化算法粒子速度vn×2中的任意一行粒子速度记为va，a＝1，2，...，n，任意一行粒子速度va包含任意一行第一列的粒子速度v
a1
，a＝1，2，...，n和任意一行第二列的粒子v
a2
，a＝1，2，...，n；
[0138]
粒子群优化算法粒子速度vn×2和粒子群优化算法粒子速度vn×2中的任意一行粒子速度va如下：
[0139][0140]va
＝(v
a1 v
a2
)；
[0141]
步骤6.2.3，计算粒子群优化算法粒子种群xn×2中的任意一行粒子xa的种群适应度，记为粒子群适应度fita，a＝1，2，...，n，粒子群适应度fita的值如下：
[0142]
fita＝fo(x
a1
，x
a2
)；
[0143]
记粒子群任意一行最佳位置为pbesta，a＝1，2，...，n，pbesta＝(pbest
a1 pbest
a2
)，其中，粒子群任意一行最佳位置第一列为pbest
a1
，a＝1，2，...，n，粒子群任意一行最佳位置第二列为pbest
a2
，a＝1，2，...，n，粒子群任意一行最佳位置为pbesta如下：
[0144]
pbest
a1
＝x
a1
[0145]
pbest
a2
＝x
a2
[0146]
pbesta＝xa；
[0147]
寻找fita中的最小值记为粒子群最小适应度fit
amin
，粒子群最小适应度fit
amin
所对应的那一行粒子，记为粒子群最小适应度行粒子x
amin
，x
amin
＝(x
a1min
x
a2min
)，其中，x
a1min
为粒子群最小适应度行第一列粒子，x
a2min
为粒子群最小适应度行第二列粒子；
[0148]
记粒子群群体最佳位置为gbest，gbest＝(gbest
1 gbest2)，其中gbest1为粒子群群体最佳位置第一列，gbest2为粒子群群体最佳位置第二列，粒子群群体最佳位置为gbest如下：
[0149]
gbest1＝x
a1min
[0150]
gbest2＝x
a2min
[0151]
gbest＝x
amin
；
[0152]
步骤6.2.4，更新粒子群优化算法粒子种群xn×2和粒子群优化算法粒子速度vn×2，并进行k次更新，记k次更新中任意一次更新为第k次更新，k＝1，2，...，k，k为正整数；
[0153]
记第k次更新时的粒子群优化算法粒子种群为xn×
2k
，第k次更新时的粒子群优化算法粒子种群xn×
2k
中的任意一个粒子记为x
abk
，a＝1，2，...，n，b＝1，2，第k次更新时的粒子群优化算法粒子种群xn×
2k
中的任意一行粒子记为x
ak
，a＝1，2，...，n，任意一行粒子x
ak
包含任意一行第一列的粒子x
a1k
，a＝1，2，...，n和任意一行第二列的粒子x
a2k
，a＝1，2，...，n，第k次更新时的粒子群优化算法粒子速度为vn×
2k
，第k次更新时的粒子群优化算法粒子速度vn×
2k
中的任意一个粒子速度记为v
abk
，a＝1，2，...，n，b＝1，2，第k次更新时的粒子群优化算法粒子速度vn×
2k
中的任意一行粒子速度记为v
ak
，a＝1，2，...，n，任意一行粒子速度v
ak
包含任意一行第一列的粒子速度v
a1k
，a＝1，2，...，n和任意一行第二列的粒子v
a2k
，a＝1，2，...，n，k＝1，2，...，k；
[0154]
第k次更新时的粒子群优化算法粒子种群xn×
2k
和第k次更新时的粒子群优化算法粒子种群xn×
2k
中的任意一行粒子x
ak
如下：
[0155][0156]
x
ak
＝(x
a1k x
a2k
)；
[0157]
第k次更新时的粒子群优化算法粒子速度vn×
2k
和第k次更新时的粒子群优化算法粒子速度vn×
2k
中的任意一行粒子v
ak
如下：
[0158][0159]vak
＝(v
a1k v
a2k
)；
[0160]
第k次更新的步骤如下：
[0161]
(1)记第k次更新时的粒子群优化算法粒子速度为vn×
2k
，更新公式如下：
[0162]vak
＝w1×va(k-1)
c1×
rand
×
[pbest-x
a(k-1)
] c2×
rand
×
[gbest-x
a(k-1)
]
[0163]
其中，rand为0到1之间的随机数，k＝1，2，...，k；
[0164]
当第一次更新即k＝1时，v
a(k-1)
＝v
a0
＝va，x
a(k-1)
＝x
a0
＝xa；
[0165]
若v
a1k
和v
a2k
中有一个大于v
max
则其值替换成v
max
，若v
a1k
和v
a2k
中有一个小于v
min
则其值替换成v
min
；
[0166]
(2)第k次更新时的粒子群优化算法粒子种群xn×
2k
，更新公式如下：
[0167]
x
ak
＝x
a(k-1)
w2×va(k-1)
[0168]
其中，k＝1，2，...，k；
[0169]
当第一次更新即k＝1时，x
a(k-1)
＝x
a0
＝xa；
[0170]
若x
a1k
和x
a2k
中有一个大于k
ppllmax
则其值替换成k
ppllmax
，x
a1k
和x
a2k
中有一个小于k
ppllmin
则其值替换成k
ppllmin
；
[0171]
(3)重新计算适应度，第k次更新时的粒子群优化算法粒子种群xn×
2k
任意一行粒子x
ak
的种群适应度，记为粒子群适应度fit
ak
，a＝1，2，...，n，粒子群适应度fit
ak
的值如下：
[0172]
fit
ak
＝fo(x
a1k
，x
a2k
)
[0173]
其中，k＝1，2，...，k；
[0174]
若fit
ak
＜fo(pbest
a1
，pbest
a2
)，则pbest
a1
＝x
a1k
，pbest
a2
＝x
a2k
，pbesta＝x
ak
；反之，粒子群任意一行最佳位置pbesta保持不变；
[0175]
寻找fit
ak
中的最小值记为第k次更新时粒子群最小适应度fit
amink
，粒子群最小适应度fit
amink
所对应的那一行粒子，记为第k次更新时粒子群最小适应度行粒子x
amink
，x
amink
＝(x
a1mink
x
a2mink
)，其中，x
a1mink
为第k次更新时粒子群最小适应度行第一列粒子，x
a2mink
为第k次更新时粒子群最小适应度行第二列粒子；
[0176]
若fit
amink
＜fo(gbest1，gbest2)，则gbest1＝x
a1mink
，gbest2＝x
a2mink
，gbest＝x
amink
；反之，粒子群群体最佳位置gbest保持不变；
[0177]
步骤6.2.5，输出粒子群群体最佳位置gbest。
[0178]
相对于传统的参数辨识方法因建模和扰动选择等方面的问题，无法对锁相环参数进行辨识以及因阻抗测量存在误差的问题，锁相环参数辨识不准确。而本发明所提出的基于参数敏感性因子的并网逆变器锁相环参数辨识方法，首先，建立了并网逆变器序阻抗模型，在建模上考虑了锁相环参数的影响；其次，提出用参数敏感性因子得到锁相环带宽段下参数敏感性因子满足要求的频率段，缩短了阻抗测量的频率范围，同时减小了阻抗测量的误差对参数辨识结果的影响；然后，使用阻抗测量的方法测量锁相环带宽段下参数敏感性因子满足要求的频率段内的序阻抗；接着，选用粒子群优化算法进行参数估计；最后处理多组并网逆变器锁相环估计参数，确定锁相环参数估计值的平滑频段，得出锁相环参数的辨识结果。本方法能够在线辨识锁相环参数，不影响系统的稳定运行，辨识出的锁相环参数为系统稳定性分析奠定了基础。
[0179]
综上所述，该方法实现简单，只需建立含有未知锁相环参数的正序阻抗模型，利用提出的参数敏感性因子预处理得到阻抗测量的频率范围，使用粒子群优化算法结合测量阻抗进行参数估计，获得多组并网逆变器锁相环估计参数，处理多组并网逆变器锁相环估计参数，确定锁相环参数估计值的平滑频段，最终获得参数辨识结果，具有一定的可行性。