基于径向基函数神经网络的PI-准比例谐振控制方法技术

本发明专利技术公开了一种基于径向基函数神经网络的PI‑准比例谐振控制方法，在分析PI与准比例谐振控制原理的基础上，通过径向基函数神经网络的自适应控制能力，根据系统运行状态对改进型PI‑准比例谐振控制器参数进行在线整定，解决了传统PI控制器存在稳态误差和准比例谐振控制器参数难整定的问题。本发明专利技术采用Matlab/Simulink平台进行仿真研究，实现了电流的无静差跟踪，降低了输出电流的总谐波畸变率，提高了系统的抗干扰能力，增强了系统的稳定性。

PI-Quasi-proportional Resonance Control Method Based on Radial Basis Function Neural Network

The invention discloses a PI quasi-proportional resonance control method based on radial basis function neural network. On the basis of analyzing the principle of PI and quasi-proportional resonance control, the parameters of the improved PI quasi-proportional resonance controller are adjusted online according to the system operation state through the adaptive control ability of the radial basis function neural network. It solves the problem that the traditional PI controller has steady-state error and the parameters of quasi-proportional resonant controller are difficult to tune. The invention adopts the platform of matlab/Simulink for simulation research, realizes the current tracking without static error, reduces the total harmonic distortion rate of the output current, improves the anti-interference ability of the system, and enhances the stability of the system.

【技术实现步骤摘要】
基于径向基函数神经网络的PI-准比例谐振控制方法
本专利技术涉及三相并网逆变器控制
，更具体的说是涉及一种基于径向基函数神经网络的PI-准比例谐振控制方法。
技术介绍
随着光伏、风力发电等新能源技术的发展，绿色分布式电源DG(distributedgeneration)并网技术的研究也越发深入。并网逆变器作为DG与公共电网连接的重要接口装置，其控制是实现电能高效利用的基础。已有学者对并网控制器的优化设计做了大量的研究，其中，比例积分-降阶谐振(proportionintegralplusreducedorderresonant，PI-ROR)调节器可直接对输出电流无差控制，能改善并网逆变器的动态性能，提高系统在不平衡电压条件下的运行能力；PI与QPR联合控制策略，能实现电流的无静差跟踪，抑制直流分量，但是系统的自适应能力差，仍无法改善传统PI控制器存在稳态误差以及QPR控制器参数难整定等问题。因此，如何提供一种具有在线自适应参数整定能力的基于径向基函数神经网络的PI-准比例谐振控制方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术针对三相并网逆变器在电网电压波动时存在电流畸变等问题，在分析了比例谐振控制器缺点的基础上，提出了一种基于RBF神经网络的改进型PI-准比例谐振复合控制方法。为了实现上述目的，本专利技术采用如下技术方案：一种基于径向基函数神经网络的PI-准比例谐振控制方法，一种基于径向基函数神经网络的PI-准比例谐振控制方法，所述控制方法包括：S1、采用PI-QPR控制器对逆变器进行电流内环控制，其中QPR控制器的传递函数Gpr(s)为式中：Kp1、Kr分别为QPR控制器的比例参数和谐振参数；ωc为频带宽度；ω0为谐振基波角频率；将Gpr(s)中的谐振部分分解为3个积分y(s)、m(s)、n(s)，表示为将模拟信号数字离散化，得第k次采样时刻QPR控制器的输出为式中：Ts为采样周期；PI-QPR控制器由PI控制器与QPR控制器组成，输入电流iref通过QPR控制器滤掉谐波，实现电流的无静差跟踪，此时的输出电压与电网电压进行反馈控制，得到逆变器的输出电流iout，iout通过PI控制后的输出作为负反馈和iref构成闭合回路，提高控制系统的稳定性。S2、将PI-QPR控制器复合控制下的电流控制分为PI-QPR复合控制和RBF神经网络参数整定两个部分；其中，PI-QPR控制器对逆变器进行电流内环控制，RBF神经网络用于对QPR控制器参数进行在线整定，最终得到整定后的输出电流。优选的，所述RBF神经网络输入层的3个神经元分别为逆变器的输出电流iout、参考电流iref和电流误差ei；输出层的神经元分别对应QPR控制器参数Kp、Kr、ωc。优选的，所述RBF神经网络控制算法通过Matlab/Simulink仿真平台生成S-Funcation模块；所述PI-QPR控制器对逆变器的输出电流进行内环控制；电网电压同步信号通过锁相环PLL得出。逆变器的输出电流和输出电压经过电流内环控制系统的调节，得到稳定的电流信号，然后通过正弦脉冲调制系统的解调，反馈到逆变器中，构成整个并网逆变器的控制回路。经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于径向基函数神经网络的PI-准比例谐振控制方法，改善了传统PI控制器存在稳态误差以及QPR控制器参数难整定等问题；在实现电流的无静差跟踪的同时，减少电流畸变率，并通过RBF神经网络的在线自适应参数整定能力，当电流信号发生波动时能迅速跟踪，在线得出PI-QPR复合控制器的最优参数，并网逆变器采用此种复合控制方法得到的电能质量更高，同时提高了系统的自适应力和抗干扰能力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术提供的PI-QPR控制器控制框图；图2为本专利技术提供的基于径向基函数神经网络的PI-准比例谐振控制下的电流控制框图；图3为本专利技术提供的三相并网逆变电流内环控制框图；图4为本专利技术提供的PI控制的输出电流跟踪效果；图5为本专利技术提供的基于径向基函数神经网络的PI-准比例谐振控制下的输出电流跟踪效果；图6为本专利技术提供的PI控制下并网电流；图7为本专利技术提供的基于径向基函数神经网络的PI-准比例谐振控制下的并网电流；图8为本专利技术提供的PI控制下并网电流波形FFT分析；图9为本专利技术提供的基于径向基函数神经网络的PI-准比例谐振控制下并网电流波形FFT分析。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种基于径向基函数神经网络的PI-准比例谐振控制方法，在分析PI与准比例谐振控制原理的基础上，通过径向基函数神经网络的自适应控制能力，根据系统运行状态对改进型PI-准比例谐振控制器参数进行在线整定，解决了传统PI控制器存在稳态误差和准比例谐振控制器参数难整定的问题。传统PI控制器具有改善系统幅频特性和稳态性能的优点，其传递函数GPI(s)为式中，Kp、Ki分别为PI控制器的比例参数和积分参数。PI控制器的基波频率(50Hz)前幅值增益较大，到达基波频率及以上时，幅值频率保持不变，其频率控制范围有限，系统存在稳态误差。为了改善传统PI控制器存在的稳态误差，实现逆变器输出电流的无静差跟踪，本文提出一种PI-QPR复合控制方法，其中准比例谐振QPR(quasiproportionalresonant)控制属于内模控制，其传递函数Gpr(s)为式中：Kp1、Kr分别为QPR控制器的比例参数和谐振参数；ωc为频带宽度；ω0为谐振基波角频率。QPR控制器在基波频率处QPR控制器的增益较小，控制频率范围较大，减少了电网频率波动带来的影响，具有很好的稳定裕度，能实现电流的无静差跟踪。为了易于实现QPR的数字控制，将式(2)中的谐振部分分解为3个简单积分y(s)、m(s)、n(s)，可表示为将模拟信号数字离散化，可得第k次采样时刻控制器的输出为式中：Ts为采样周期。最后可得PI-QPR控制器控制框图如图1所示。RBF神经网络具有学习速度快、非线性逼近能力强等优点，因此在自适应控制技术中得到了广泛的应用。该神经网络是一种具有单隐层的3层前馈网络，能以任意精度逼近任意连续函数。如图2所示，本专利技术将基于RBF神经网络的改进型PI-QPR复合控制下的电流控制分为PI-QPR复合控制和RBF神经网络参数整定两个部分。PI-QPR控制器对逆变器进行电流内环控制，其中PI控制器主要用于提高系统响应速度，增强系统稳定性，QPR控制器负责消除系统稳态误差。RBF神经网络用于对QPR参数进行在线整定。RBF神经网络输入层的3个神经元分别为逆变器的输出电流iout、参考电流iref和电流误差ei；输出层的神经元分别对应QPR控本文档来自技高网...

【技术保护点】
1.一种基于径向基函数神经网络的PI‑准比例谐振控制方法，其特征在于，所述控制方法包括：S1、采用PI‑QPR控制器对逆变器进行电流内环控制，其中QPR控制器的传递函数Gpr(s)为

【技术特征摘要】
1.一种基于径向基函数神经网络的PI-准比例谐振控制方法，其特征在于，所述控制方法包括：S1、采用PI-QPR控制器对逆变器进行电流内环控制，其中QPR控制器的传递函数Gpr(s)为式中：Kp1、Kr分别为QPR控制器的比例参数和谐振参数；ωc为频带宽度；ω0为谐振基波角频率；将Gpr(s)中的谐振部分分解为3个积分y(s)、m(s)、n(s)，表示为将模拟信号数字离散化，得第k次采样时刻QPR控制器的输出为式中：Ts为采样周期；S2、将PI-QPR控制器复合控制下的电流控制分为PI-QPR复合控制和RBF神经网络参数整定两个部分；其中，PI-QPR控制器对逆变器进行电流内环控制，RB...

【专利技术属性】
技术研发人员：李圣清，张茜，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南,43