一种多变压器推挽型光伏逆变器制造技术

一种多变压器推挽型光伏逆变器，它包括DSP及依次连接的DC/DC变换器、DC/AC变换器和滤波器，所述DSP内设置有由DC/AC变换器的PI控制器、人工神经网络模型和前馈运算器构成的复合控制器，所述人工神经网络模型的输入端接DC/AC变换器第个采样周期时的状态变量，其输出的第个采样周期时输出电压的预测值接前馈运算器的负输入端，所述前馈运算器的正输入端接时刻的电压设定值，其输出信号与PI控制器的输出信号叠加后控制DC/AC变换器的占空比。本发明专利技术利用神经网络模型预测逆变器下一时刻的输出电压，并通过前馈运算器及时对当前时刻的占空比进行补偿，从而克服了PI控制器的滞后性，提高了逆变系统的鲁棒性。

【技术实现步骤摘要】
【专利摘要】一种多变压器推挽型光伏逆变器，它包括DSP及依次连接的DC/DC变换器、DC/AC变换器和滤波器，所述DSP内设置有由DC/AC变换器的PI控制器、人工神经网络模型和前馈运算器构成的复合控制器，所述人工神经网络模型的输入端接DC/AC变换器第个采样周期时的状态变量，其输出的第个采样周期时输出电压的预测值接前馈运算器的负输入端，所述前馈运算器的正输入端接时刻的电压设定值，其输出信号与PI控制器的输出信号叠加后控制DC/AC变换器的占空比。本专利技术利用神经网络模型预测逆变器下一时刻的输出电压，并通过前馈运算器及时对当前时刻的占空比进行补偿，从而克服了PI控制器的滞后性，提高了逆变系统的鲁棒性。【专利说明】一种多变压器推挽型光伏逆变器
本专利技术涉及一种适用于独立光伏发电系统的多变压器推挽型两级逆变器装置，属光伏发电
。
技术介绍
随着能源危机和环境污染问题日益严重，太阳能光伏发电作为清洁的绿色能源，成为世界各国关注和研究的热点。逆变器是一种把直流电能变换为交流电能的电力电子装置，是实现独立光伏发电应用的重要组成部分。由于单块光伏电池组件输出的直流电压较低，所以需要先通过DC/DC变换器将低直流电压升压，然后再经DC/AC变换电路输出标准的交流电压。 现有的光伏逆变器多采用简单的PID控制器进行控制，存在响应速度慢、输出电能质量差的缺点，其根本原因在于PID控制器是一种线性控制器，对非线性程度较高的系统难以取得较好的控制品质。随着人们对电能质量要求的不断提高，如何进一步提高光伏发电系统的控制品质成为了一个亟待解决的问题。此外，常见的升压DC/DC变换器可分为B00ST、CUK以及推挽、反激等类型，这些DC/DC变换器普遍存在电压、电流应力大、隔离特性差、负载能力有限、输出电压瞬态控制特性较差等缺点，有必要进行改进。
技术实现思路
本专利技术的目的在于针对现有技术之弊端，提供一种多变压器推挽型光伏逆变器，以提高光伏发电系统的控制品质，满足人们对电能质量的要求。本专利技术所述问题是以下述技术方案实现的: 一种多变压器推挽型光伏逆变器，构成中包括DSP及依次连接的DC/DC变换器、DC/AC变换器和滤波器，所述DSP内设置有由DC/AC变换器的PI控制器、人工神经网络模型和前馈运算器构成的复合控制器，所述人工神经网络模型的输入端接DC/AC变换器第k个采样周期时的状态变量，其输出的第汸+ 1、个采样周期时输出电压的预测值接前馈运算器的负输入端，所述前馈运算器的正输入端接时刻的电压设定值，其输出信号与PI控制器的输出信号叠加后控制DC/AC变换器的占空比。上述多变压器推挽型光伏逆变器，所述复合控制器的构造方法包括如下步骤: a.建立系统等效模型 将由DC/AC变换器、滤波器和负载组成的逆变系统等效为一个四输入单输出的模型，其输入变量为第i个采样周期时的直流母线电压『4(芍、PI控制器输出占空比乃(幻、输出电流狀)、输出交流电压L⑷，输出变量为第沐+ 1)个采样周期时的预测电压F(t + 1)； b.训练样本数据的采集 在逆变器装置平台上，通过闭环控制DC/DC变换器的占空比，得到逆变直流母线波动电压uk,随机给定DC/AC变换器功率管的占空比，采集对应的输出电流反馈值M幻和输出电压反馈值匕沐)，连续采集样本数据集汉组； c.建立DC/AC变换器的静态人工神经网络模型神经网络包含一个输入层、一个隐含层、一个输出层，输入层包括四个神经元，隐含层包括六个神经元并使用1gsig转移函数/0) = 1/(1^e-x，输出层包括一个神经元并使用purelin转移函数y = x ;利用步骤b获取的训练样本数据，采用变学习速率的误差反传算法对人工神经网络模型进行训练，确定其中的各个神经元的权系数和阈值； d.构造前馈运算器 前馈运算器的输入信号为第k +1个采样周期时电压设定值u(k + 1；) 及第(k + 1；)个采样周期时电压预测值v(k+1),前馈运算器输出占空比Dk/为:【权利要求】1.一种多变压器推挽型光伏逆变器，其特征是，它包括数字信号处理器(DSP)及依次连接的DC/DC变换器、DC/AC变换器和滤波器(LB)，所述数字信号处理器(DSP)内设置有DC/AC变换器的PI控制器、人工神经网络模型(ANN)和前馈运算器(Ο? )构成的复合控制器，所述人工神经网络模型(ANN)的输入端接DC/AC变换器第t个采样周期时的状态变量，其输出的第汸+1)个采样周期时输出电压的预测值接前馈运算器(CO))的负输入端，所述前馈运算器(Cf(Z))的正输入端接I；时刻的电压设定值，其输出信号与PI控制器的输出信号叠加后控制DC/AC变换器的占空比。2.根据权利要求1所述的一种多变压器推挽型光伏逆变器，其特征是，所述复合控制器按如下步骤构造: a.建立系统等效模型 将由DC/AC变换器、滤波器(LB)和负载(Z)组成的逆变系统等效为一个四输入单输出的模型，其输入变量为第i个采样周期时的直流母线电压句、PI控制器输出占空比rm、输出电流I(A)、输出交流电压UAO，输出变量为第汰+1)个采样周期时的预测电压r(*+i); b.训练样本数据的采集 在逆变器装置平台上，通过闭环控制DC/DC变换器的占空比，得到逆变直流母线波动电压I,随机给定DC/AC变换器功率管的占空比，采集对应的输出电流反馈值V(A)和输出电压反馈值匕沐)，连续采 集样本数据集 > 组； c.建立DC/AC变换器的静态人工神经网络模型(ANN) 神经网络包含一个输入层、一个隐含层、一个输出层，输入层包括四个神经元，隐含层包括六个神经元并使用1gsig转移函数/(X) = 1/(1.^，，输出层包括一个神经元并使用purelin转移函数F = Z ;利用步骤b获取的训练样本数据，采用变学习速率的误差反传算法对人工神经网络模型(ANN)进行训练，确定其中的各个神经元的权系数和阈值； d.构造前馈运算器() 前馈运算器(O(Z))的输入信号为第i +1个采样周期时电压设定值ε/(λ+τ)φ及第(k + ?)个采样周期时电压预测值+1),前馈运算器输出占空比为: _ =」^,——^*D(k) U\k +1) 其中I力前馈控制器控制权值； e.构造复合控制器 将pi控制器输出占空比D(i)与前馈运算器输出占空比叠加即为复合控制器的输出。3.根据权利要求1或2所述的一种多变压器推挽型光伏逆变器，其特征是，所述DC/DC变换器包括六个场效应管、功率驱动器(U1)、三个推挽变压器、整流桥(ZQ)、电池电压传感器(Vl)和第一信号调理电路(TL1)，第一场效应管(Ql)和第二场效应管(Q2)的源极接光伏电池(B)的负极，漏极分别通过第一推挽变压器(Tl)的两个初级线圈与光伏电池(B)的正极相连，栅极分别与功率驱动器(Ul)的两个输出端相连，第一电阻(Rl)与第一电容(Cl)串接后并联在第一推挽变压器(Tl)的一个初级线圈上，第二电阻(R2)与第二电容(C2)串接后并联在第一推挽变压器(Tl)的另一初级线圈上；第三场效应管(Q3)和第四场效应管(Q4)的源极接光伏电池(B)的负极，漏极分别通过第二推挽变压器(T2本文档来自技高网...

【技术保护点】
一种多变压器推挽型光伏逆变器，其特征是，它包括数字信号处理器（DSP）及依次连接的DC/DC变换器、DC/AC变换器和滤波器（LB），所述数字信号处理器（DSP）内设置有DC/AC变换器的PI控制器、人工神经网络模型（ANN）和前馈运算器（                                                ）构成的复合控制器，所述人工神经网络模型（ANN）的输入端接DC/AC变换器第个采样周期时的状态变量，其输出的第个采样周期时输出电压的预测值接前馈运算器（）的负输入端，所述前馈运算器（）的正输入端接时刻的电压设定值，其输出信号与PI控制器的输出信号叠加后控制DC/AC变换器的占空比。2013106859654100001dest_path_image001.jpg,2013106859654100001dest_path_image002.jpg,2013106859654100001dest_path_image003.jpg,83340dest_path_image001.jpg,480dest_path_image001.jpg,2013106859654100001dest_path_image004.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：马良玉，马云龙，刘卫亮，林永君，刘长良，马进，陈文颖，马永光，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13