一种基于神经网络的环境自适应光伏电流观测方法技术

本发明专利技术涉及一种基于神经网络的环境自适应光伏电流观测方法，属于电力电子技术中控制技术领域。现有技术中，存在着观测模型依赖于电路寄生参数或负载等效阻值，光伏系统缺乏恒流或恒功率输出能力或仍需要额外的光照、温度等环境传感器等问题。本发明专利技术所述的方法通过精确辨识Boost直流变换器等效损耗电阻，实现光伏电流的在线实时精确观测，从而避免了光储直流微网系统中电流传感器存在的损耗大、易受干扰以及成本高的问题。无需获取精确的电路元器件参数、无需环境传感器，仅需要变换器输入、输出侧的电压采样电路，并利用样本数据进行神经网络的离线训练，即可实现具有环境自适应性的光伏电流观测。从而显著降低光伏系统体积与经济成本，进一步提高光伏系统的综合性能。进一步提高光伏系统的综合性能。进一步提高光伏系统的综合性能。

【技术实现步骤摘要】
一种基于神经网络的环境自适应光伏电流观测方法


[0001]本专利技术涉及电力电子技术中控制
具体涉及一种基于神经网络的环境自适应光伏电流观测方法。

技术介绍

[0002]光储直流微网系统中分布式光伏阵列分别通过Boost直流变换器连接至直流母线，为储能电池以及负载供能。因此，光储直流微网系统的稳定性以及能量利用效率很大程度上取决于对Boost直流变换器的高效运行控制。许多文献对光伏最大功率点跟踪技术(MPPT)进行了深入研究，通过恒定电压法、扰动观察法、增量电导法以及其他优化智能算法，实现光伏运行在最大功率工作点。此外，针对光储直流微网系统的运行需求，一些文献中提出了多模式的光储直流微网系统运行控制方法，以维持稳定的系统直流母线电压以及实现对光伏输出功率的精确控制。
[0003]上述控制策略需要通过对光伏电压电流、直流母线电压进行采样，经模数转换电路(ADC)输入到数字控制器后，产生对Boost直流变换器功率开关的控制信号，从而实现对光储直流微网系统能量流动的管控。其中，电压采样电路通常由并联分压电阻与隔离运算放大器构成，而电流采样需要采用霍尔传感器或串联采样电阻来实现。霍尔传感器通过电流产生的磁场来对电流隔离采样。然而，霍尔传感器一方面价格较贵，且当电流过大时易产生退磁，另一方面对外部磁场非常敏感，很容易受到外部或杂散磁场的影响。Boost直流变换器中功率开关的高频开关动作会在电流采样信号上叠加噪声，造成电流采样误差。采用串联电阻进行采样则增大了功率回路的损耗，产生了额外的热量与压降。若采用阻值较小的串联采样电阻，虽然损耗相对减小了，但是其端电压也更小，对后级运算放大器的性能提出更高要求。此外，由于采样电阻与功率回路串联，一旦采样电阻故障开路，光伏阵列将会导致直接与直流母线脱离。综上所述，现有的电流采样方案在成本、效率、可靠性等方面存在局限性。因此，研究无电流采样电路的电流观测方法，对提升光储直流微网系统的综合性能具有重要意义。
[0004]相关专利申请的参照：
[0005]已有的电流观测技术根据变换器运行模态建立电路中电感电流与电容电压的数学模型，仅利用电压传感器实现电流观测。[1]中专利技术了一种基于非光滑观测技术的功率变换器电流检测方法。通过对电路的输出电压进行采样，并建立主电路的数学模型，利用非光滑技术构造电流观测器，实现了对Buck变换器中电感电流的检测。[2]中专利技术了一种基于模型预测的DAB变换器无电流传感器控制方法。通过获取变换器的输入和输出电压，结合电流补偿器输出的移相角，实现对负载电流的模型预测。[3]中专利技术了一种单传感器光伏组件优化器及其控制方法。通过仅检测变换器输出电压，继而调节占空比，实现光伏最大功率工作点的跟踪。
[0006]目前已有的无电流传感器观测方法主要存在着以下三个问题：(1)观测模型依赖于电路寄生参数或负载等效阻值来参与计算，而实际应用中寄生参数往往难以精确获取，
负载等效阻值具有波动性与不可预知性。(2)电流观测器能够满足电压控制或MPPT控制性能，但是电流观测值与实际值存在误差，使得光伏系统缺乏恒流或恒功率输出能力。(3)虽然可以免去电流采样电路，但是需要额外的光照、温度等环境传感器参与控制。
[0007][1]马莉,倪媛媛,丁世宏.基于模型预测的DAB变换器无电流传感器控制方法[P].陕西省：CN106526299B,2019
‑
03
‑
05.
[0008][2]吴旋律,涂文聪,姜宇,杨卫平.非隔离型低电流纹波高电压增益软开关DC
‑
DC变换器[P].天津市：CN114844364A,2022
‑
08
‑
02.
[0009][3]毕强,周国华,冷敏瑞,田庆新.一种单传感器光伏组件优化器及其控制方法[P].四川省：CN109546961B,2020
‑
09
‑
01.

技术实现思路

[0010]针对现有技术中存在的缺陷，本专利技术的目的是实现光伏电流的实时精确观测，避免电流传感器存在的损耗大、易受干扰以及成本高的问题，进一步提升光伏系统的综合性能。
[0011]为达到以上目的，本专利技术采用的技术方案是：一种基于神经网络的环境自适应光伏电流观测方法，包括以下步骤：
[0012](1)在Boost直流变换器输出侧设置已知阻值的负载电阻R
load
，计算出各环境对应工况下的等效损耗电阻值R
EQ
，与电压采样数据和占空比共同构成样本集，作为神经网络的训练数据；
[0013](2)构建并训练神经网络，在光伏系统运行时，利用获取的神经网络模型对各工况下的变换器等效损耗电阻进行在线辨识，获取等效损耗电阻的辨识值R
EQ
*；
[0014](3)利用辨识出的等效损耗电阻R
EQ
*进行光伏电流的在线实时观测，从而实现光伏系统的高效运行控制。
[0015]进一步，步骤(1)中，样本数据集是基于实际电路与电压采样获取的。在数据采集过程中，改变功率开关的占空比，同时对各工况下的光伏电压U
pv
、母线电压U
bus
采样值进行数据采集。
[0016]进一步，步骤(1)中，神经网络的样本数据集由光伏电压U
pv
，母线电压等效损耗电阻值R
EQ
构成。
[0017]更进一步，样本数据集中的等效损耗电阻R
EQ
由功率开关占空比D、光伏电压U
pv
、母线电压U
bus
与母线负载值R
load
计算，R
EQ
的数学模型如下式所示：
[0018][0019]式中，D
’
为占空比的互补值，即D
’
＝1
‑
D。
[0020]更进一步，样本数据集中的光伏电池的I
‑
V输出特性曲线的斜率由光伏电压
U
pv
、母线电压U
bus
、占空比D根据下式计算：
[0021][0022]式中，k为采样周期数，D
’
为占空比的互补值，即D
’
＝1
‑
D。
[0023]进一步，步骤(2)中，建立了一个以功率开关占空比D、光伏电压U
pv
、母线电压U
bus
、光伏电池的I
‑
V输出特性曲线的斜率为输入，等效损耗电阻R
EQ
为输出的四输入、一输出的神经网络结构。
[0024]更进一步，神经网络的内部具体结构通过实际训练效果决定。基于实验获取的样本数据集，对不同结构的神经网络进行多次训练，利用误差函数对训练结果进行评价与比较，选取结果最优的神经网络作为等效损耗电阻R
EQ
的辨识模型，嵌入到数字控制器中。...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的环境自适应光伏电流观测方法，包括以下步骤：(1)在Boost直流变换器输出侧设置已知阻值的负载电阻R
load
，计算出各环境对应工况下的等效损耗电阻值R
EQ
，与电压采样数据和占空比共同构成样本集，作为神经网络的训练数据；(2)构建并训练神经网络，在光伏系统运行时，利用获取的神经网络模型对各工况下的变换器等效损耗电阻进行在线辨识，获取等效损耗电阻的辨识值R
EQ
*；(3)利用辨识出的等效损耗电阻R
EQ
*进行光伏电流的在线实时观测，从而实现光伏系统的高效运行控制。2.如权利要求1所述的一种基于神经网络的环境自适应光伏电流观测方法，其特征在于：步骤(1)中，样本数据集是基于实际电路与电压采样获取的。在数据采集过程中，改变功率开关的占空比，同时对各工况下的光伏电压U
pv
、母线电压U
bus
采样值进行数据采集。3.如权利要求1所述的一种基于神经网络的环境自适应光伏电流观测方法，其特征在于：步骤(1)中，神经网络的样本数据集由光伏电压U
pv
，母线电压U
bus
、占空比D、光伏电池的I
‑
V输出特性曲线的斜率以及变换器的等效损耗电阻值R
EQ
构成。4.如权利要求3所述的一种基于神经网络的环境自适应光伏电流观测方法，其特征在于：样本数据集中的等效损耗电阻R
EQ
由功率开关占空比D、光伏电压U
pv
、母线电压U
bus
与母线负载值R
load
计算，R
EQ
的数学模型如下式所示：式中，D
’
为占空比的互补值，即D
’
＝1
‑
D。5.如权利要求3所述的一种基于神经网络的环境自适应光伏电流观测方法，其特征在于：样本数据集中的光伏电池的I
‑
V输出特性曲线...

【专利技术属性】
技术研发人员：张云，高胜寒，朱新山，
申请(专利权)人：天津大学，
类型：发明
国别省市：