【技术实现步骤摘要】
一种基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法
[0001]本专利技术涉及电网预测控制
,具体涉及一种基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法。
技术介绍
[0002]并网逆变器大多数都是电压源型两电平的逆变器,其主要分为单相逆变器和三相逆变器,三相电压源大多数应用于再生能源系统,因此对逆变器的输出电压和输出电流有很高的要求,因此研究并网逆变器的控制尤为重要。
[0003]并网逆变器模型预测控制,有着设计简单、容易实现。动态响应快等优点被广泛运用,但考虑到温度、老化以及各种因素会导致电感、电阻、电容等元器件发生变化,进而导致模型预测性能变差,增大预测误差,降低并网控制精度,提高谐波含量。
[0004]为了解决模型预测控制中电路参数对系统的影响,国内外学者首先提出对传统模型预测进行改进,主要分为基于权重系数校正的模型预测、基于电流误差校正的的模型预测和基于滑模控制的模型预测。再此基础上加入一些辨识方法进行控制,如梯度法、最小二乘法等对参数进行辨识,保证提高系统鲁棒性,其中滑模控制有着能够克服系统不确定性,对干扰和未建模动态具有很强的鲁棒性的优点,被广泛运用,但在达到滑模面的过程中容易产生抖振。并且由于在实际运行过程中电路电感会因为温度、老化以及电流变化等各种原因发生变化,而传统模型预测控制中的电感参数值会一直保持不变,则导致预测电流与实际电流出现偏差,当误差变大就会降低模型预测的准确性,进而增加电流畸变率。因此,找到一种合适的方法对系统控制和参数辨识尤为重要。
专利技 ...
【技术保护点】
【技术特征摘要】
1.一种基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法,其特征在于,包括以下步骤:步骤1:通过采样,获得并网逆变器的三相电网电压和输出电流,经过Clark变化得到αβ轴分量,将αβ轴的电压和电流通过超螺旋滑模观测器;步骤2:根据步骤1得到的输出电流与实际电流作误差,加入模糊控制形成模糊超螺旋滑模观测器,通过模糊控制得到滑模观测器的增益;步骤3:根据步骤2的增益,再次运行超螺旋滑模观测器得到输出电压;步骤4:根据观测后的电压和实际电网电压相结合,通过PI控制利用李雅普诺夫定理推出实际电感;步骤5:根据步骤4所获得的结果,输入到延时模块、电流预测模块、模糊超螺旋滑模观测器中;步骤6:重复上述步骤再次运行,将电流预测模块输出的电流通过代价函数来对并网逆变器进行信号控制。2.根据权利要求1所述的基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法,其特征在于,所述步骤1中,首先推导出并网逆变器的数学模型:其中,i
αβ
为输出电流,u
αβ
为逆变器输出电压,L为滤波电感,R为寄生电阻,e
αβ
为电网电压;考虑到电网电压为正弦信号,可以得到:其中,w表示为电网的角频率;设计出超螺旋滑模观测器:其中,w表示为电网的角频率;设计出超螺旋滑模观测器:其中,为观测后的电流,为观测后的电压,k1,k2为观测器增益,sign(.)为符号函数,为观测后的电流与实际电流的误差,w表示为电网的角频率。3.根据权利要求2所述的基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法,其特征在于,所述步骤2中,对输出电流与实际电流作误差模糊化,得到滑模观测器的增益具体为:在模糊控制中,采用三角函数,采用2输入1输出的模式,将误差和误差变化量作为模糊控制的输入,其电流误差的论域选取为[
‑
1010],分为{负大,负小,零,正小,正大},分为记为{NB,NS,ZO,PS,PB},隶属度函数选择为Trimf型;输出滑模增益的论域选取为[20200],输入的模糊语言分为{负大,负小,零,正小,正大},分别记为{NS,S,ZO,PS,PB},隶属度函数选择为Trimf型,使用Mamdani语句控制规则;模糊控制的输入为αβ估计电流与实际电流之差,由于加入了超螺旋算法增加了运算
量,因此,在电流误差的论域选取内,模糊控制输入的电流之差在正负5到正负10之间增加滑模增益k1以提升控制速度使之误差变小,反之,当模糊控制的输入电流差在正负5之间应减小滑模增益k1用于控制超调量;同理,当电流差变化率大于50%,提高k1,当电流差变化率小于50%,降低k1使超调平稳;由于超螺旋滑模观测还存在一定的抖振,积分项中k2的取值可以削弱抖振,并且k2的取值取决于扰动上界,当大于实际电流的5%时,提高k2的值,反之,小于实际电流的5%,减小k2的值。4.根据权利2所述的基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法,其特征在于,所述步骤3...
【专利技术属性】
技术研发人员:王业琴,林嶒,杨艳,袁香语,冯晓龙,李正豪,卢智强,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。