论文部分内容阅读
并网逆变器作为能量回馈系统的重要组成部分,直接影响到并网系统的输出电能质量。本文所提的逆变器控制策略可以有效抑制并网电流谐波分量,提高并网系统的稳定性,有助于缓解能源紧张,发展可再生能源,具有重要的社会意义与经济意义。本文主要研究了以下内容:(1)首先介绍了并网逆变器的发展现状,对并网逆变器的拓扑结构进行分类,为解决现有逆变器控制策略适应性差、控制特性单一的问题,将近似动态规划(ADP)方法应用于逆变器控制领域。简要介绍了近似动态规划(ADP)方法的研究进展,结合文献阐释了ADP算法在并网逆变器控制方面的应用,交代了本文所做控制算法的实际意义。(2)对动态规划(DP)和近似动态规划(ADP)的原理进行介绍,根据不同的评价网络设计方法对ADP算法进行分类,介绍了6种典型的ADP算法控制方案,根据评价网络输入端口有无控制输入将控制方案分为执行依赖(Action-Dependent,AD)式控制和无执行依赖式控制;根据输出端口是否包含代价值和代价值的偏导对其进行分类,分为启发式(HDP)、双启发式(DHP)和混合式(GDHP)控制方案。但以上典型的ADP控制方案必须首先对评价网络模块进行设计和优化,而评价模块的设计没有统一的方法,对模块的训练又增加了系统的运算负担。为对ADP控制方案进行简化,本文改变了近似动态规划的近似方式,将动态规划的无穷级数转化为有穷级数,采集多个逆变器输出电流值来计算性能指标,从而规避了评价网络模块的训练。(3)设计LCL滤波器参数,建立了并网逆变器系统的近似离散化系统模型和混杂系统模型,并对混杂模型的参数矩阵进行参数辨识,根据辨识出的混杂模型搭建并网逆变器的模型网络模块。参数辨识算法使用粒子群算法。粒子群算法等搜索类算法在低维空间有很强的全局寻优能力,对适应度函数要求不高。传统的最小二乘算法只能对下一时刻的状态值进行预测,其适应度函数只能使用线性函数,而粒子群算法可以将预测时刻顺延,本文通过搭建灵敏度较高的非线性适应度函数,有效提高了辨识参数的准确度。但传统粒子群算法不仅包含位置参数,还包含速度参数,粒子的辨识效率较低。本文为降低粒子群算法的阶数,提出了只包含位置参数的改进粒子群算法,提高了辨识效率,减少了算法参数;针对传统粒子群算法迭代后期易陷入早熟收敛,全局搜索能力差的问题,改进算法引入服从指数分布的随机参数,保证粒子始终具有一定的全局搜索能力,并使用改进的粒子群算法辨识出逆变器的混杂模型,搭建了ADP方法的模型网络模块。(4)设计ADP算法的动作网络模块,并使用优化算法对动作模块进行训练;首先对动作网络模块的拓扑结构进行设计,设计完成的动作网络控制器与评价模块、模型模块相结合,搭建基于ADP控制方案的序列神经网络,使用BPPT训练算法对动作网络控制器的权值进行优化。文末在simulink中搭建系统的仿真实验平台,将基于ADP控制方法的神经网络控制器与PI控制进行对比,仿真实验设置了不同采样频率、不同系统参数、电网电压畸变等多种工况,仿真结果证明了基于近似动态规划算法的控制器能够有效抑制并网电流谐波,有效提高了并网逆变器的可靠性,改善了逆变器的输出电能质量。