吉林省教育廳“十二五”科學(xué)技術(shù)研究項(xiàng)目(吉教科合字2013第293號(hào))

張運(yùn)波

(長(zhǎng)春工程學(xué)院電氣與信息工程學(xué)院，長(zhǎng)春 130012)

神經(jīng)網(wǎng)絡(luò)控制算法在光伏并網(wǎng)逆變器控制中的應(yīng)用

吉林省教育廳“十二五”科學(xué)技術(shù)研究項(xiàng)目(吉教科合字2013第293號(hào))

張運(yùn)波

(長(zhǎng)春工程學(xué)院電氣與信息工程學(xué)院，長(zhǎng)春 130012)

摘要：針對(duì)太陽(yáng)能光伏發(fā)電并網(wǎng)逆變器的特點(diǎn)，分析了傳統(tǒng)PID控制方法的局限性，詳細(xì)介紹了基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制系統(tǒng)的設(shè)計(jì)方法，編寫了光伏發(fā)電并網(wǎng)逆變器控制程序，并進(jìn)行了計(jì)算機(jī)仿真實(shí)驗(yàn)。仿真結(jié)果證明，基于BP神經(jīng)網(wǎng)絡(luò)PID控制的光伏并網(wǎng)逆變系統(tǒng)具有抗干擾能力強(qiáng)、并網(wǎng)電流正弦波波形質(zhì)量好等特點(diǎn)，完全能夠?qū)崿F(xiàn)與電網(wǎng)電壓同頻同相。

關(guān)鍵詞：光伏發(fā)電；并網(wǎng)逆變器；BP神經(jīng)網(wǎng)絡(luò)；PID控制

逆變器是并網(wǎng)光伏發(fā)電系統(tǒng)的核心部件，它直接影響到發(fā)電系統(tǒng)的輸出波形、動(dòng)態(tài)性能、抗干擾能力和并網(wǎng)電流與電網(wǎng)電壓的同步等。因此，研究逆變器的控制方法，對(duì)于提高系統(tǒng)的發(fā)電效率與發(fā)電質(zhì)量、降低成本具有極其重要的意義。

逆變器的控制方法很多，目前處于主導(dǎo)地位的仍然是PID控制技術(shù)。但是，常規(guī)PID控制器存在著參數(shù)一經(jīng)選取即固定不變的缺點(diǎn)。當(dāng)光照強(qiáng)度和環(huán)境溫度發(fā)生變化時(shí)，光伏發(fā)電系統(tǒng)的工作條件發(fā)生變化，若PID控制器的參數(shù)固定不變，將導(dǎo)致逆變跟蹤電網(wǎng)電壓的精度降低，難以實(shí)現(xiàn)平滑并網(wǎng)的要求。本文在深入研究神經(jīng)網(wǎng)絡(luò)控制技術(shù)的基礎(chǔ)上，從光伏發(fā)電自身的特點(diǎn)出發(fā)，設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)PID控制器，并應(yīng)用于并網(wǎng)電流的控制中。數(shù)字仿真表明，該控制器通過(guò)實(shí)時(shí)改變PID控制器參數(shù)值，有效改善了并網(wǎng)電流波形和光伏系統(tǒng)并網(wǎng)控制的動(dòng)態(tài)過(guò)程，實(shí)現(xiàn)了光伏發(fā)電系統(tǒng)的平滑并網(wǎng)。

1光伏發(fā)電并網(wǎng)逆變器的結(jié)構(gòu)和數(shù)學(xué)模型

1.1光伏發(fā)電并網(wǎng)逆變器的結(jié)構(gòu)

兩級(jí)式并網(wǎng)逆變器的主電路結(jié)構(gòu)如圖1所示，前級(jí)DC/DC為Boost電路，其作用是得到系統(tǒng)功率點(diǎn)，即光伏陣列工作點(diǎn)；后級(jí)為逆變和濾波電路，完成光伏逆變系統(tǒng)對(duì)電網(wǎng)的跟蹤，實(shí)現(xiàn)電能由直流電變?yōu)榕c電網(wǎng)電壓同頻、同相的交流電的任務(wù)，是整個(gè)并網(wǎng)系統(tǒng)的重點(diǎn)，它決定著光伏發(fā)電系統(tǒng)輸入到電網(wǎng)的電能質(zhì)量。

圖1　兩級(jí)式并網(wǎng)逆變器電路圖

1.2光伏發(fā)電并網(wǎng)逆變器的數(shù)學(xué)模型

并網(wǎng)光伏發(fā)電系統(tǒng)采用由并網(wǎng)電流內(nèi)環(huán)和直流電壓外環(huán)組成的雙閉環(huán)結(jié)構(gòu)，分別完成逆變控制和直流側(cè)電壓穩(wěn)定控制。在本系統(tǒng)中，電壓環(huán)采用常規(guī)PID控制器，而并網(wǎng)電流內(nèi)環(huán)采用BP神經(jīng)網(wǎng)絡(luò)PID控制器。

在圖1中，選取逆變器輸出端流經(jīng)濾波電感L的電流iL為狀態(tài)變量，得如下方程：

(1)

式(1)經(jīng)過(guò)拉普拉斯變換，解出IL(s)為：

(2)

式中：RL為電感及交流進(jìn)線的等效電阻；uab為未經(jīng)濾波的逆變器輸出電壓。

如果忽略死區(qū)時(shí)間的非線性影響和功率開(kāi)關(guān)器件T1～T4的開(kāi)關(guān)延時(shí)，采用SPWM控制方式來(lái)實(shí)現(xiàn)控制，則橋式逆變環(huán)節(jié)是一個(gè)純滯后環(huán)節(jié)，可等效為一個(gè)小慣性環(huán)節(jié)，其傳遞函數(shù)為：

(3)

式中：Ka為逆變器增益，與PID調(diào)節(jié)器的最大限幅值有關(guān)；Tp為一個(gè)開(kāi)關(guān)周期，當(dāng)開(kāi)關(guān)頻率取20kHz時(shí)，Tp為50μs。

由式(2)和(3)可得系統(tǒng)的并網(wǎng)電流閉環(huán)結(jié)構(gòu)圖，如圖2所示。其中，a是反饋系數(shù)，L是逆變器濾波電感。

圖2　系統(tǒng)并網(wǎng)電流閉環(huán)結(jié)構(gòu)圖

由圖2可得系統(tǒng)被控對(duì)象的傳遞函數(shù)為：

(4)

本系統(tǒng)中，a=15，Ka=45，L=4mH，RL=2Ω，Tp=50μs，于是得到：

(5)

對(duì)式(5)進(jìn)行z變換，可得到：

IL(k)=0.614IL(k-1)+7.58×10-10IL(k-2)+1.249u(k-1)+0.504u(k-2)。

(6)

2BP神經(jīng)網(wǎng)絡(luò)的PID整定理論研究

2.1BP神經(jīng)網(wǎng)絡(luò)的基本思想

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層，如圖3所示。其基本思想可概括為：利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，從而獲得所有其它各層的誤差估計(jì)。即是一種信號(hào)的正向傳播和誤差的反向傳播算法。

1)BP的傳播對(duì)象是誤差，傳播的目的是得到所有層的估計(jì)誤差，后向是說(shuō)由后層誤差推導(dǎo)前層誤差。

2)BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目的是希望得到一個(gè)模型，保證對(duì)某個(gè)輸入，能夠輸出一個(gè)期望的輸出；學(xué)習(xí)的方式是在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值；學(xué)習(xí)的本質(zhì)是對(duì)各連接權(quán)值進(jìn)行動(dòng)態(tài)調(diào)整；學(xué)習(xí)的核心是權(quán)值調(diào)整規(guī)則，即在學(xué)習(xí)過(guò)程中，網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值變化所依據(jù)的一定的調(diào)整規(guī)則。

圖3　三層BP網(wǎng)絡(luò)結(jié)構(gòu)圖

2.2基于BP網(wǎng)絡(luò)的PID控制理論

2.2.1BP網(wǎng)絡(luò)PID控制系統(tǒng)的結(jié)構(gòu)

PID控制要取得較好的控制效果，就必須從變化無(wú)窮的非線性組合中找出比例、積分和微分三種控制作用的最佳組合關(guān)系。神經(jīng)網(wǎng)絡(luò)具有的任意非線性組合能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。

基于BP網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖4所示，控制器由2部分組成：一部分是經(jīng)典的PID控制器，它直接對(duì)被控對(duì)象進(jìn)行閉環(huán)控制，并且三個(gè)參數(shù)kp、ki、kd為在線調(diào)整方式；另一部分為BP神經(jīng)網(wǎng)絡(luò)，它根據(jù)系統(tǒng)的運(yùn)行狀態(tài)，調(diào)整PID控制器的參數(shù)，使被控系統(tǒng)的性能指標(biāo)達(dá)到最優(yōu)。BP神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)如圖3所示，輸出層神經(jīng)元的輸出y1、y2、y3對(duì)應(yīng)于PID控制器的三個(gè)可調(diào)參數(shù)kp、ki、kd。通過(guò)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整，形成kp、ki、kd的最優(yōu)組合。

圖4　BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)結(jié)構(gòu)如圖

2.2.2BP網(wǎng)絡(luò)PID控制算法

本文采用圖3所示的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以下計(jì)算中的上角標(biāo)1)、2)、3)分別代表輸入層、隱含層和輸出層。

1)BP神經(jīng)網(wǎng)絡(luò)的輸入層

BP神經(jīng)網(wǎng)絡(luò)的輸入層的輸入為：

(7)

式中j=1，2……M，輸入變量的個(gè)數(shù)M取決于被控對(duì)象的復(fù)雜程度。

2)BP神經(jīng)網(wǎng)絡(luò)的隱含層

(8)

(9)

式(8)、式(9)中，i=1，2……Q。

隱含層神經(jīng)元的活化函數(shù)取正負(fù)對(duì)稱的Sigmoid函數(shù)，即：

(10)

3)BP神經(jīng)網(wǎng)絡(luò)的輸出層

網(wǎng)絡(luò)輸出層的輸入輸出為：

(11)

(12)

(13)

(14)

(15)

輸出層輸出節(jié)點(diǎn)分別對(duì)應(yīng)3個(gè)可調(diào)參數(shù)kp、ki、kd。由于kp、ki、kd不能為負(fù)值，所以輸出層神經(jīng)元的活化函數(shù)取非負(fù)的Sigmoid函數(shù)：

(16)

取性能指標(biāo)函數(shù)為：

(17)

按照梯度下降法修正網(wǎng)絡(luò)權(quán)系數(shù)，即按照E(k)對(duì)加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整，并附加一個(gè)使搜索快速收斂全局最小的慣性項(xiàng)：

(18)

式中：η為學(xué)習(xí)速率；α為慣性系數(shù)。

(19)

(20)

由上式可得：

(21)

(22)

(23)

由此可得出網(wǎng)絡(luò)輸出層權(quán)的學(xué)習(xí)算法為：

(24)

(25)

同理：可得到隱含層的加權(quán)系數(shù)學(xué)習(xí)算法：

(26)

(27)

3BP神經(jīng)網(wǎng)絡(luò)PID控制算法的程序設(shè)計(jì)

按照2.2.2節(jié)推導(dǎo)的BP網(wǎng)絡(luò)PID控制算法和式(6)所示的光伏并網(wǎng)逆變器數(shù)學(xué)模型，設(shè)計(jì)BP網(wǎng)絡(luò)PID控制系統(tǒng)程序。基于BP網(wǎng)絡(luò)的PID控制系統(tǒng)的程序設(shè)計(jì)步驟可歸納如下：

1)確定BP網(wǎng)絡(luò)的結(jié)構(gòu)，即確定輸入層節(jié)點(diǎn)數(shù)M和隱含層節(jié)點(diǎn)數(shù)Q，并給出各層加權(quán)系數(shù)的初值，選定學(xué)習(xí)速率和慣性系數(shù)，此時(shí)，k=1；

2)采樣得到r(k)和y(k)，計(jì)算該時(shí)刻誤差e(k)=r(k)-y(k);

3)計(jì)算神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元的輸入、輸出，輸出層的輸出即為PID控制器的三個(gè)可調(diào)參數(shù)kp、ki、kd；

4)計(jì)算PID控制器的輸出u(k);

5)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在線調(diào)整加權(quán)系數(shù)，實(shí)現(xiàn)PID控制器參數(shù)的自適應(yīng)調(diào)整；

6)置k=k+1，返回步驟(1)。

在本系統(tǒng)的程序設(shè)計(jì)中，選取輸入層節(jié)點(diǎn)數(shù)M=4，隱含層節(jié)點(diǎn)數(shù)Q=5，輸出層節(jié)點(diǎn)數(shù)O=3，學(xué)習(xí)速率η=0.20，慣性系數(shù)α=0.06，加權(quán)系數(shù)初始值取區(qū)間[-0.5，+0.5]上的隨機(jī)數(shù)，輸入指令信號(hào)取正弦函數(shù)r(k)=sin(2πt)，初始權(quán)值取隨機(jī)值，運(yùn)行穩(wěn)定后用穩(wěn)定權(quán)值代替隨機(jī)值。

4仿真實(shí)驗(yàn)和結(jié)論

運(yùn)行基于MATLAB語(yǔ)言編寫的BP神經(jīng)網(wǎng)絡(luò)PID控制算法程序，得到仿真曲線如圖5所示。為了便于觀察，將輸出量放大了2倍。由圖5可以看出，基于BP神經(jīng)網(wǎng)絡(luò)PID控制的光伏并網(wǎng)逆變系統(tǒng)具有抗干擾能力強(qiáng)、動(dòng)態(tài)特性好、并網(wǎng)電流正弦波波形質(zhì)量高等特點(diǎn)，完全能夠?qū)崿F(xiàn)與電網(wǎng)電壓同頻同相。

圖5　神經(jīng)網(wǎng)絡(luò)PID控制正弦輸入響應(yīng)曲線

參考文獻(xiàn)

[1] 陳年，王宏華，韓偉.基于GA-BP神經(jīng)網(wǎng)絡(luò)的光伏陣列MPPT研究[J].電測(cè)與儀表，2014(2)：40-42.

[2] 呂天光，艾芊，韓學(xué)山，等.基于模糊理論的并網(wǎng)型含光伏微電網(wǎng)功率控制[J].電網(wǎng)技術(shù)，2014(9)：2404-2409.

[3] 黃慶豐，楊紅培，翟登輝.基于Simulink的兩級(jí)式單相光伏逆變器的系統(tǒng)仿真[J].電力系統(tǒng)保護(hù)與控制，2014(19)：58-61.

[4] 賀運(yùn)勝.光伏發(fā)電系統(tǒng)的并網(wǎng)模糊PID控制[J].電網(wǎng)與清潔能源，2013(2)：86-89.

doi:10.3969/j.issn.1009-8984.2015.02.001

收稿日期：2015-03-03

基金項(xiàng)目：吉林省科技廳重點(diǎn)科技攻關(guān)項(xiàng)目(20130206083SF)

作者簡(jiǎn)介：張運(yùn)波(1964—)，男(漢)，遼寧丹東，教授主要研究電氣自動(dòng)化。

中圖分類號(hào)：TM464

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1009-8984(2015)02-0001-03

The application of BP neural networks algorithms in
photovoltaic grid connected control systems

ZHANG Yun-bo

(SchoolofElectrical&InformationEngineering，

Changchuninstituteoftechnology，Changchun130012，China)

Abstract：According to the characteristics of solar photovoltaic grid connected inverter，the paper analyzes the limitations of traditional PID control method.The BP neural network PID control system design method is described in detail，the photovoltaic inverter control program are compiled，and the simulation is carried.The simulation results prove that the PID control photovoltaic grid connected control system based on the BP neural network the inverter has the characteristics of strong anti-interference ability and grid-connected current sine wave of good quality.The simulation waveform can achieve the same frequency and phase with grid voltage.

Key words：photovoltaic grid；connected control systems；the BP neural network；PID control