一种基于WOA-BP的并网逆变器智能PI调节算法制造技术

本发明专利技术涉及一种基于WOA

【技术实现步骤摘要】
一种基于WOA
‑
BP的并网逆变器智能PI调节算法


[0001]本专利技术属于电网控制
，涉及逆变器并网控制，尤其是一种基于WOA
‑
BP的并网逆变器智能PI调节算法。

技术介绍

[0002]输出电压波形质量是并网逆变器的重要性能指标。在实际的并网逆变器中，由于通常采用滤波单元，输出阻抗具有二阶甚至更高阶的特性，各种非线性负载很可能导致逆变器输出电压的畸变。PI控制方法以其简单的优点被广泛应用于逆变器控制中，但对于非线性负载情况，很难达到理想的控制效果。
[0003]基于精确数学模型的传统控制方法往往难以获得良好的控制效果。如何更精确地获得逆变器数学模型是单偏差电网微电网储能逆变器系统建模与控制的关键，也是目前迫切需要解决的问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其通过误差反向传播算法调整隐含层节点的权重，使网络更符合实际系统模型，具有控制精度高、稳定性强且响应速度快等特点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其特征在于：包括以下步骤：步骤1、建立带LCL滤波器的并网逆变器模型，选择基于并网逆变器模型的BP神经网络逆系统的参数；步骤2、采用WOA算法优化BP神经网络结构；步骤3、建立基于WOA
‑
BP神经网络的PI控制器，并对逆变器系统的输出电压进行控制。2.根据权利要求1所述的一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其特征在于：所述带LCL滤波器的并网逆变器模型包括如下变量：逆变器直流母线电压u
dc
、负载电压u
o
、滤波电容电压u
c
、逆变器输出电流i1、负载电流i2、负载电压u
o
和PWM的占空比信号d。3.根据权利要求2所述的一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其特征在于：所述基于并网逆变器模型的BP神经网络逆系统的参数包括：当前采样周期的变量：逆变器直流母线电压u
dc
(k)、负载电压u
o
(k)、滤波电容电压u
c
(k)和逆变器输出电流i1(k)、负载电流i2(k)；下一采样周期的变量：负载电压u
o
(k+1)；将上一个采样周期的PWM信号的占空比d(k
‑
1)作为BP神经网络逆模型的输入，将当前采样周期的PWM信号的占空比d(k)作为其输出。4.根据权利要求1所述的一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其特征在于：所述BP神经网络结构包括如下三层：输入层、隐藏层和输出层；所述输入层有7个节点，输出层有一个对应于逆模型结构的节点，隐藏层节点数为6个，将logsig函数f(x)＝1/(1
‑
e
‑
x
)作为隐藏层的节点传递函数，将纯线性函数作为输出层的节点传输函数。5.根据权利要求1或4所述的一种基于WOA
‑
BP的并网逆变器智能PI调节算法，其特征在于：所述步骤2的具体实现方法包括以下步骤：
⑴
设置鲸鱼数量N和算法的最大迭代次数t
max
，初始化加权系数信息；
⑵
计算每条鲸鱼的适应度，找到当前最优鲸鱼的位置并保留，代入BP神经网络：w
i*
(t)和w
j*
(t)；
⑶
计算参数a、p和系数向量A、C；判断捕食机制概率p是否小于50％，是则直接转入步骤
⑷
，否则采用气泡网捕食机制，然后更新位置；
⑷
判断系数向量A的绝对值是否小于1，是则包围猎物，然后更新位置；否则全局随机搜索猎物，然后更新位置；
⑸
位置更新结束，计算每条鲸鱼的适应度，并与先前保留的最优鲸鱼的位置比较，若优于，则利用新的最优解替换；
⑹
判断当前计算是否达到最大迭代次数，如果是，则获得全局最优权值w
ibest
(0)和w
jbest
(0)...

【专利技术属性】
技术研发人员：李蕊，盛万兴，刘伟，李鹏丽，刘姝嫔，赵阳，王铭，惠慧，闫涛，王昕萌，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：