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撲，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