電網(wǎng)不平衡情況下并網(wǎng)逆變器多目標(biāo)協(xié)調(diào)控制策略研究

陽同光 桂衛(wèi)華

(1.湖南城市學(xué)院信息科學(xué)與工程學(xué)院 益陽 413000 2.中南大學(xué)信息科學(xué)與工程學(xué)院 長沙 410083)

?

電網(wǎng)不平衡情況下并網(wǎng)逆變器多目標(biāo)協(xié)調(diào)控制策略研究

陽同光1，2桂衛(wèi)華2

(1.湖南城市學(xué)院信息科學(xué)與工程學(xué)院 益陽 413000 2.中南大學(xué)信息科學(xué)與工程學(xué)院 長沙 410083)

在電網(wǎng)電壓不平衡情況下，并網(wǎng)逆變器輸出有功功率和電流將存在二次脈動(dòng)和畸變。為了提高電網(wǎng)不平衡時(shí)并網(wǎng)逆變器并網(wǎng)電流質(zhì)量，有效降低并網(wǎng)逆變器對(duì)電網(wǎng)的沖擊，提出了一種基于神經(jīng)網(wǎng)絡(luò)的電網(wǎng)不平衡情況下并網(wǎng)逆變器多目標(biāo)協(xié)調(diào)控制策略。該策略根據(jù)瞬時(shí)功率計(jì)算參考電流矢量，建立多控制目標(biāo)的統(tǒng)一解析表達(dá)式，并利用ADALINE神經(jīng)網(wǎng)絡(luò)對(duì)參考電流矢量表達(dá)式系數(shù)進(jìn)行優(yōu)化。為了提高系統(tǒng)的抗干擾性能，采用增量式PI控制器進(jìn)行電流控制，并利用RBF神經(jīng)網(wǎng)絡(luò)在線調(diào)整PI控制器參數(shù)。仿真和實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性和適用性。

電網(wǎng)不平衡 并網(wǎng)逆變器 多目標(biāo)協(xié)調(diào)控制 神經(jīng)網(wǎng)絡(luò)

0 引言

近年來，隨著光伏、風(fēng)力發(fā)電等新能源技術(shù)的不斷發(fā)展，有關(guān)綠色能源并網(wǎng)的相關(guān)技術(shù)成為研究熱點(diǎn)。并網(wǎng)逆變器作為可再生能源發(fā)電、大規(guī)模儲(chǔ)能系統(tǒng)的并網(wǎng)接口，其控制是實(shí)現(xiàn)電能高效安全應(yīng)用的基礎(chǔ)。電網(wǎng)不平衡是電力系統(tǒng)中最常見的故障之一，大功率單相負(fù)載的接入、單相負(fù)載在三相系統(tǒng)中的不均衡分配和單相負(fù)載用電的隨機(jī)性等因素，都會(huì)造成電網(wǎng)三相電壓不平衡[1]。當(dāng)電網(wǎng)電壓不平衡時(shí)，電網(wǎng)電壓中將含有負(fù)序分量，由于基于平衡電網(wǎng)情況下的并網(wǎng)逆變器控制策略缺乏負(fù)序電壓控制，導(dǎo)致并網(wǎng)逆變器并網(wǎng)電流失去單純正弦特性[2]，諧波含量急劇增加[3]，并將在直流母線電壓、有功和無功功率中產(chǎn)生不可控的二次脈動(dòng)，嚴(yán)重時(shí)會(huì)引起系統(tǒng)性能急劇惡化[4]。此時(shí)，如果不調(diào)整基于電網(wǎng)電壓平衡情況設(shè)計(jì)的控制策略，并網(wǎng)逆變器的輸出性能將嚴(yán)重下降，電網(wǎng)不平衡進(jìn)一步惡化并對(duì)并網(wǎng)負(fù)載產(chǎn)生很大影響。

近年來，不平衡電網(wǎng)狀態(tài)下并網(wǎng)逆變器控制引起廣大學(xué)者的重視，成為研究熱點(diǎn)。文獻(xiàn)[5]為解決電網(wǎng)電壓跌落情況下并網(wǎng)逆變器輸出功率波動(dòng)的問題，在同步旋轉(zhuǎn)坐標(biāo)系下分別對(duì)正負(fù)序電流分量進(jìn)行控制，即雙矢量電流控制(Dual Vector Current Control，DVCC)。但當(dāng)逆變器容量較高、不平衡電流較大時(shí)將導(dǎo)致直流側(cè)電容電壓產(chǎn)生脈動(dòng)[6]，降低并網(wǎng)功率質(zhì)量。此外，在靜止坐標(biāo)系下由于無需坐標(biāo)變換便可實(shí)現(xiàn)電網(wǎng)不平衡下并網(wǎng)逆變器控制，得到越來越多的重視，但在靜止坐標(biāo)系下并網(wǎng)逆變器輸出電流為正弦量，此時(shí)，采用傳統(tǒng)PI控制器會(huì)存在穩(wěn)態(tài)誤差的問題[7]。為改進(jìn)這種不足，文獻(xiàn)[8，9]采用諧振控制器PR代替PI控制器，取得較好的控制效果。上述方法雖然是直接電流控制，但從本質(zhì)上講，這些控制算法都屬于恒定輸入功率調(diào)節(jié)，因此，如何根據(jù)給定功率計(jì)算電流參考矢量成為實(shí)現(xiàn)控制目標(biāo)的關(guān)鍵。文獻(xiàn)[10，11]采用虛擬導(dǎo)納方法根據(jù)不同并網(wǎng)導(dǎo)則對(duì)并網(wǎng)逆變器提出5種有功功率和無功功率控制策略。文獻(xiàn)[6-8]則根據(jù)電網(wǎng)不平衡情況下瞬時(shí)功率分別實(shí)現(xiàn)保持輸出有功功率恒定、消除無功功率波動(dòng)和消除負(fù)序電流3種控制目標(biāo)。但這些控制方法都屬于極端控制[12]，即只能滿足其中一種控制目標(biāo)，無法取得多個(gè)控制目標(biāo)之間優(yōu)化?；诖?，文獻(xiàn)[12-14]提出協(xié)調(diào)控制的方法，對(duì)5種控制策略采用統(tǒng)一的參考電流表達(dá)式，通過設(shè)置參數(shù)取得不同控制目標(biāo)之間的平衡，使控制性能達(dá)到最優(yōu)。

本文提出一種基于ADALINE神經(jīng)網(wǎng)絡(luò)的電網(wǎng)不平衡情況下并網(wǎng)逆變器的多控制目標(biāo)的協(xié)調(diào)控制策略。該方法采用瞬時(shí)功率直接計(jì)算電流參考矢量，建立基于不同控制目標(biāo)的統(tǒng)一電流參考矢量解析表達(dá)式，并利用ADALINE神經(jīng)網(wǎng)絡(luò)對(duì)表達(dá)式系數(shù)進(jìn)行優(yōu)化。電流控制采用增量式PI控制，并利用RBF神經(jīng)網(wǎng)絡(luò)PI控制器參數(shù)進(jìn)行在線調(diào)整。

1 電網(wǎng)不平衡時(shí)并網(wǎng)逆變器數(shù)學(xué)模型

三相電壓型并網(wǎng)逆變器主電路拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 并網(wǎng)逆變器主電路拓?fù)浣Y(jié)構(gòu)圖Fig.1 Topology of the grid-connected inverter

圖1中，ea、eb、ec分別為電網(wǎng)電壓；ia、ib、ic分別為逆變器輸出電流；Udc為直流側(cè)電壓；C為直流側(cè)電容。

三相電網(wǎng)不平衡時(shí)，若只考慮基波，則電網(wǎng)電動(dòng)勢(shì)為[14]

(1)

(2)

根據(jù)圖1，可得并網(wǎng)逆變系統(tǒng)的電壓為

(3)

將式(2)代入式(3)可得到兩個(gè)解耦的表達(dá)式

(4)

(5)

當(dāng)三相電網(wǎng)不平衡時(shí)，并網(wǎng)逆變器網(wǎng)側(cè)的復(fù)功率為

(6)

將式(2)代入式(6)，則瞬時(shí)有功功率和無功功率為

P(t)=P0+Pc2cos(2ωt)+Ps2sin(2ωt)

(7)

Q(t)=Q0+Qc2cos(2ωt)+Qs2sin(2ωt)

(8)

式中，P0、Q0為有功、無功功率平均值；Pc2、Ps2、Qc2、Qs2分別為二次有功、無功的正弦余弦峰值。

(9)

(10)

(11)

(12)

(13)

(14)

通過式(9)～式(14)，可以發(fā)現(xiàn)上述功率方程組有6個(gè)表達(dá)式，采用4個(gè)參考電流給定值無法同時(shí)控制6個(gè)功率值，因此，采用一個(gè)控制策略無法同時(shí)實(shí)現(xiàn)所有控制目標(biāo)。

2 電網(wǎng)不平衡時(shí)并網(wǎng)逆變器控制策略

2.1 參考電流計(jì)算

根據(jù)式(9)～式(14)選取不同控制目標(biāo)，可計(jì)算不同控制目標(biāo)的參考電流矢量。3個(gè)不同控制目標(biāo)下參考電流矢量表達(dá)式分別描述如下[9]。

1)控制目標(biāo)1：負(fù)序電流為零，實(shí)現(xiàn)并網(wǎng)逆變器正弦電流并網(wǎng)，消除諧波電流。聯(lián)立式(9)～式(12)可得

(15)

根據(jù)式(15)可求得正序電流參考矢量為

(16)

2)控制目標(biāo)2：抑制直流電壓脈動(dòng)，保持并網(wǎng)有功功率恒定，消除有功功率二次脈動(dòng)，即Pc2=Ps2=0。聯(lián)立式(9)～式(12)可得到參考電流矢量為

(17)

3)控制目標(biāo)3：在為電網(wǎng)提供無功支撐的情況下，保持無功功率恒定，即Qc2=Qs2=0。聯(lián)立式(9)、式(12)～式(14)可求得參考電流矢量為

(18)

(19)

式中，0≤k≤1；0≤γ≤1。

通過分析式(19)發(fā)現(xiàn)，選取不同系數(shù)，將實(shí)現(xiàn)3個(gè)不同控制目標(biāo)。當(dāng)k=1、γ=1時(shí)，實(shí)現(xiàn)控制目標(biāo)1；當(dāng)k=0、γ=0時(shí)，實(shí)現(xiàn)控制目標(biāo)2；當(dāng)k=1、γ=0時(shí)，則實(shí)現(xiàn)控制目標(biāo)3。參數(shù)γ主要和負(fù)序電流有關(guān)，當(dāng)γ=1時(shí)，參考電流矢量不包含負(fù)序分量，但并網(wǎng)有功和無功功率存在較大波動(dòng)；而γ=0時(shí)，能結(jié)合k值有效消除并網(wǎng)有功和無功功率的波動(dòng)，實(shí)現(xiàn)恒功率并網(wǎng)，但并網(wǎng)電流諧波較大。

2.2 基于神經(jīng)網(wǎng)絡(luò)多目標(biāo)協(xié)調(diào)控制設(shè)計(jì)

上述控制目標(biāo)通常用有功功率脈動(dòng)、無功功率脈動(dòng)和總諧波(Total Harmonic Distortion，THD)3個(gè)控制指標(biāo)衡量[12]。但3個(gè)控制目標(biāo)互相沖突，一個(gè)控制目標(biāo)性能改善往往導(dǎo)致另一個(gè)控制目標(biāo)性能下降[12]。因此，有必要設(shè)計(jì)一種控制策略能夠根據(jù)實(shí)際情況在多控制目標(biāo)之間進(jìn)行協(xié)調(diào)，通過對(duì)表達(dá)式系數(shù)k、γ進(jìn)行優(yōu)化，兼顧多個(gè)控制指標(biāo)。

自適應(yīng)線性神經(jīng)元(AdaptiveLinearNeuron，ADALINE)是由美國Standford大學(xué)B.Widrow等[15]提出。ADALINE是一種多輸入、單輸出的具有自適應(yīng)學(xué)習(xí)特性的單層線性神經(jīng)元。由于其具有結(jié)構(gòu)簡單、易于實(shí)現(xiàn)的特點(diǎn)，被廣泛用于諧波電流檢測(cè)[16]和電機(jī)參數(shù)辨識(shí)[17]等。ADALINE自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。圖2中，X1、X2、X3分別為神經(jīng)網(wǎng)絡(luò)輸入，W1、W2、W3分別為神經(jīng)網(wǎng)絡(luò)權(quán)值，O為輸出函數(shù)。

圖2 神經(jīng)網(wǎng)絡(luò)單元結(jié)構(gòu)Fig.2 Block diagram of neural network

為便于分析，式(19)可寫為

(20)

式中

將式(20)轉(zhuǎn)換為矩陣形式可得

(21)

Ii=Wi1X1+Wi2X2，i=1, 2, 3, 4

(22)

(23)

(24)

基于ADALINE神經(jīng)網(wǎng)絡(luò)的參考電流正負(fù)序分量和最優(yōu)系數(shù)辨識(shí)單元結(jié)構(gòu)如圖3所示。辨識(shí)器由4個(gè)神經(jīng)網(wǎng)絡(luò)單元組成，分別辨識(shí)參考電流的4個(gè)分量和2個(gè)系數(shù)。

圖3 基于神經(jīng)網(wǎng)絡(luò)參數(shù)辨識(shí)結(jié)構(gòu)圖Fig.3 Block diagram of parameter identification based on neural network

神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整算法采用Wirdow-Hoff學(xué)習(xí)規(guī)則[15]。在采樣點(diǎn)n時(shí)刻，令誤差為

(25)

定義能量函數(shù)為

(26)

學(xué)習(xí)過程中神經(jīng)網(wǎng)絡(luò)權(quán)值變化可表示為

(27)

式中，i=1、2。則神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練表達(dá)式為

(28)

式中，η為學(xué)習(xí)率；α為動(dòng)量因子。

2.3 基于神經(jīng)網(wǎng)絡(luò)的PI控制器整定

并網(wǎng)逆變器控制器電流內(nèi)環(huán)控制一般采用PI控制器[1-6]、PR控制器[8，9]。為進(jìn)一步提高電網(wǎng)不平衡情況下并網(wǎng)逆變器控制性能，一些非線性控制方法也被用于并網(wǎng)逆變器內(nèi)環(huán)電流控制，如無差拍控制[12]、滑?？刂芠18]、預(yù)測(cè)控制[19]和無源控制[20]等。本文選用增量式PI控制器，為提高其魯棒性，利用RBF神經(jīng)網(wǎng)絡(luò)在線自適應(yīng)調(diào)整控制器參數(shù)。

RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，其中中間層由徑向基函數(shù)構(gòu)成，輸出為中間節(jié)點(diǎn)的線性函數(shù)，表示為被控對(duì)象的辨識(shí)信息。中間節(jié)點(diǎn)的基函數(shù)選取高斯函數(shù)

(29)

式中，X為n維輸入矢量；cj=[cj1,cj2,…，cjn]T為基函數(shù)中間矢量；σj為j個(gè)基函數(shù)的基寬。

圖4 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.4 Block diagram of RBF neural network

并網(wǎng)逆變器電流控制誤差定義為式(26)，PI控制器的輸入為

xe(1)=e(n)-e(n-1)

(30)

xe(2)=e(n)

(31)

增量式PI控制器的輸出為

u(n)=u(n-1)+KPxe(1)+λKIxe(2)

(32)

式中，λ為積分度，0≤λ≤1；KP、KI分別為比例積分系數(shù)。

神經(jīng)網(wǎng)絡(luò)整定PI控制器的目標(biāo)函數(shù)為

(33)

采用梯度下降法調(diào)整系數(shù)KP、KI為

(34)

(35)

設(shè)RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)誤差和能量函數(shù)分別為

(36)

(37)

則采用梯度下降法可求得RBF神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)整為

(38)

(39)

σj(n)=σj(n-1)+ηΔσj+α[σj(n-1)-σj(n-2)]

(40)

(41)

cji(n)=cji(n-1)+ηΔcji+α[cji(n-1)-cji(n-2)]

(42)

(43)

式中，α為動(dòng)量因子。

基于RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)PI控制器結(jié)構(gòu)如圖5所示。

圖5 神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)整定PI控制器結(jié)構(gòu)圖Fig.5 Block diagram of turning PI by neural network

電網(wǎng)不平衡情況下并網(wǎng)逆變器控制系統(tǒng)結(jié)構(gòu)如圖6所示。采用二階廣義積分器(Second-OrderGenerali-zedIntegrator，SOGI)進(jìn)行電壓和電流的正負(fù)序分量提取，具體設(shè)計(jì)參見文獻(xiàn)[21，22]，電網(wǎng)電壓同步信號(hào)由鎖相環(huán)PLL求取。電壓正負(fù)序分量輸入ADALINE神經(jīng)網(wǎng)絡(luò)，用于辨識(shí)參考電流矢量和參數(shù)優(yōu)化，電流正負(fù)序分量與ADALINE神經(jīng)網(wǎng)絡(luò)辨識(shí)的參考電流矢量一起用于電流控制。電流控制采用增量式PI控制器，并通過RBF神經(jīng)網(wǎng)絡(luò)在線自適應(yīng)調(diào)整PI控制器參數(shù)。

圖6 并網(wǎng)逆變器控制器結(jié)構(gòu)圖Fig.6 Block diagram of the grid-connected inverter controller

3 仿真及結(jié)果分析

為驗(yàn)證電網(wǎng)不平衡情況下基于ADALINE神經(jīng)網(wǎng)絡(luò)控制策略的有效性，基于Matlab/Simulink建立并網(wǎng)逆變器系統(tǒng)模型進(jìn)行仿真。系統(tǒng)主要技術(shù)參數(shù)如表1所示。

表1 仿真參數(shù)Tab.1 Simulation parameters

圖7為電網(wǎng)電壓A相在跌落20%的穩(wěn)態(tài)情況下，k=1、γ=1時(shí)仿真結(jié)果圖，電網(wǎng)電壓在0.5 s時(shí)發(fā)生單相跌落，跌落后電流波形保持較好，但直流電容電壓脈動(dòng)較大，并網(wǎng)逆變器輸送電網(wǎng)的有功功率和無功功率存在較大的波動(dòng)，實(shí)現(xiàn)抑制負(fù)序電流的控制目標(biāo)。圖8為k=1、γ=0時(shí)仿真結(jié)果圖，抑制并網(wǎng)逆變器輸出無功功率波動(dòng)，但存在較大的負(fù)序電流和有功功率波動(dòng)，此時(shí)控制策略實(shí)現(xiàn)控制目標(biāo)3。圖9為k=0、γ=0時(shí)仿真結(jié)果圖，由圖9可知，發(fā)生電網(wǎng)跌落后，有功功率的脈動(dòng)得到明顯抑制，但無功功率脈動(dòng)較為嚴(yán)重，而且并網(wǎng)電流存在較大的負(fù)序電流。綜合圖7～圖9可以發(fā)現(xiàn)，3種控制策略都是極端控制，即只能滿足某一個(gè)控制目標(biāo)，無法在3個(gè)控制目標(biāo)之間取得平衡，與前面理論分析比較吻合。

圖7 參數(shù)k=1、γ=1時(shí)仿真結(jié)果圖Fig.7 Simulation results with k=1 and γ=1

圖8 參數(shù)k=1、γ=0時(shí)仿真結(jié)果圖Fig.8 Simulation results with k=1 and γ=0

圖9 參數(shù)k=0，γ=0時(shí)仿真結(jié)果圖Fig.9 Simulation results with k=0 and γ=0

圖10為電流表達(dá)式中參數(shù)k和γ分別從0變化到1時(shí)的仿真結(jié)果。由圖10可見，隨著參數(shù)k從0到1發(fā)生變化，有功功率脈動(dòng)不斷增加。而當(dāng)k=1時(shí)，使γ從0到1變化，并網(wǎng)逆變器無功功率脈動(dòng)發(fā)生明顯變化。圖10較好地驗(yàn)證了前面的理論分析，參考電流表達(dá)式中兩個(gè)參數(shù)對(duì)并網(wǎng)質(zhì)量有很大影響，因此，可通過優(yōu)化兩個(gè)系數(shù)，實(shí)現(xiàn)3個(gè)控制目標(biāo)之間協(xié)調(diào)優(yōu)化，從而使并網(wǎng)逆變器發(fā)電系整體性能達(dá)到最優(yōu)。

圖10 參數(shù)k、γ分別從0變化到1時(shí)仿真結(jié)果圖Fig.10 Simulation results with k and γ from 0 to 1

圖11為A相電壓跌落20%時(shí)，自適應(yīng)整定PI控制器參數(shù)KP、KI的變化仿真結(jié)果，由圖11可見，電網(wǎng)電壓發(fā)生跌落后，ADALINE神經(jīng)網(wǎng)絡(luò)PI能夠自適應(yīng)調(diào)整PI參數(shù)。

圖11 自適應(yīng)調(diào)整KP、KI參數(shù)時(shí)仿真結(jié)果圖Fig.11 Simulation results of adaptive PI

4 實(shí)驗(yàn)及結(jié)果分析

為驗(yàn)證本文提出控制策略的有效性，搭建基于DSP控制板實(shí)驗(yàn)系統(tǒng)，系統(tǒng)采用TI公司的TMS320F28335 作為核心控制器，采用兩組自耦變壓器產(chǎn)生不平衡電壓。實(shí)驗(yàn)系統(tǒng)參數(shù)如表2所示。

表2 實(shí)驗(yàn)參數(shù)Tab.2 Experiment parameters

圖12～圖14分別為電網(wǎng)電壓A相跌落20%情況下，系統(tǒng)穩(wěn)態(tài)時(shí)控制策略的三相交流側(cè)電流、有功及無功功率實(shí)驗(yàn)波形。為分析問題方便，選取有功功率波動(dòng)、無功功率波動(dòng)[11]及總電流諧波畸變率[12]為驗(yàn)證控制策略性能的指標(biāo)，詳細(xì)分析和求取方法參見文獻(xiàn)[11，12]。圖12為k=1、γ=1時(shí)實(shí)驗(yàn)結(jié)果圖，由圖12可知，此時(shí)控制策略只實(shí)現(xiàn)控制目標(biāo)1，三相電流平衡且保持良好正弦度，但有功功率和無功功率存在二倍頻波動(dòng)，與前面理論分析和仿真結(jié)果一致。

圖12 參數(shù)k=1，γ=1時(shí)實(shí)驗(yàn)結(jié)果圖Fig.12 Experiment results with k=1 and γ=1

圖13 參數(shù)k=0，γ=0時(shí)實(shí)驗(yàn)結(jié)果圖Fig.13 Experiment results with k=0 and γ=0

圖14 參數(shù)k和γ分別從0到1發(fā)生變化時(shí)實(shí)驗(yàn)結(jié)果圖Fig.14 Experiment results with parameter k and γ adjusted from 0 to 1

圖13為k=0、γ=0時(shí)實(shí)驗(yàn)結(jié)果圖，從圖13中可看出，有功功率保持恒定，三相并網(wǎng)電流雖然保持正弦但失去平衡，無功功率仍存在波動(dòng)，此時(shí)實(shí)現(xiàn)控制目標(biāo)2。圖14為兩個(gè)參數(shù)k、γ分別從0變化到1時(shí)實(shí)驗(yàn)結(jié)果圖。從圖14中可看出，隨著兩個(gè)參數(shù)的不斷變化，控制的效果也明顯不同，當(dāng)k值不斷增大，系統(tǒng)的諧波不斷增加，而當(dāng)γ的不斷增加，使得有功功率的波動(dòng)不斷加強(qiáng)。因此，有必要根據(jù)實(shí)際工作要求，求解兩個(gè)參數(shù)的最優(yōu)解。

圖15為電網(wǎng)電壓發(fā)生單相跌落20%時(shí)RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)整定PI控制器參數(shù)KP、KI變化波形和并網(wǎng)電流波形，從圖中可以看出，當(dāng)電網(wǎng)電壓發(fā)生變化時(shí)，并網(wǎng)逆變器的并網(wǎng)電流較之傳統(tǒng)PI控制器性能得到改善。控制器參數(shù)KP、KI隨電網(wǎng)電壓變化在線自適應(yīng)整定，電網(wǎng)電壓跌落后，參數(shù)KP變化不大，但KI發(fā)生較明顯的變化，由正常情況下KI=0.007 94變化到0.009 14。

表3為k、γ不同數(shù)值下逆變器有功功率變化、無功功率變化以及總諧波畸變率的計(jì)算值。當(dāng)k=0.874、γ=0.227時(shí)，ΔP為15.6%、ΔQ為21.3%，而THD(i)為4.5%，在所有參數(shù)組合中間整體性能最優(yōu)。結(jié)果表明在最優(yōu)參數(shù)情況下，能較好兼顧各控制指標(biāo)，使得整體性能達(dá)到最優(yōu)。

圖15 電網(wǎng)電壓跌落20%時(shí)自適應(yīng)整定PI實(shí)驗(yàn)結(jié)果圖Fig.15 Experiment results of adaptive PI under grid voltage dip with 20%

γkΔP(%)ΔQ(%)THD(i)(%)0035.620.113.400111.268.39.851132.465.83.200.1240.91619.835.75.170.2270.87415.621.34.500.4030.80220.536.26.300.5120.76228.744.67.800.6070.65423.232.56.500.7310.50228.935.67.100.8550.38734.533.56.20

實(shí)驗(yàn)過程中，暫未考慮電網(wǎng)電壓負(fù)序分量對(duì)鎖相環(huán)性能影響。事實(shí)上，網(wǎng)側(cè)電壓有負(fù)序時(shí)，鎖相環(huán)算法產(chǎn)生的相位信號(hào)也會(huì)出現(xiàn)波動(dòng)，如何消除電網(wǎng)不平衡情況下鎖相環(huán)性能對(duì)坐標(biāo)變換和相序分離的影響，有待進(jìn)一步研究。

5 結(jié)論

針對(duì)不平衡電網(wǎng)情況下并網(wǎng)逆變器控制無法同時(shí)實(shí)現(xiàn)有功功率恒定、消除負(fù)序電流和消除無功功率脈動(dòng)3個(gè)控制目標(biāo)的問題，提出一種基于ADA-LINE神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的多目標(biāo)協(xié)調(diào)控制策略。建立基于多控制目標(biāo)統(tǒng)一參考電流矢量表達(dá)式，利用ADALINE神經(jīng)網(wǎng)絡(luò)在線辨識(shí)表達(dá)式最優(yōu)系數(shù)，從而實(shí)現(xiàn)多控制目標(biāo)協(xié)調(diào)控制。為提高內(nèi)環(huán)電流控制的自適應(yīng)性，采用RBF神經(jīng)網(wǎng)絡(luò)在線整定PI控制器參數(shù)。仿真和實(shí)驗(yàn)結(jié)果表明該方法能較好兼顧多個(gè)控制目標(biāo)，使整體控制性能達(dá)到最優(yōu)，并具有較強(qiáng)的魯棒性。

[1] 王萌，夏長亮，宋戰(zhàn)鋒，等.不平衡電網(wǎng)電壓條件下PWM 整流器功率諧振補(bǔ)償控制策略[J].中國電機(jī)工程學(xué)報(bào)，2012，32(21)：46-53. Wang Meng，Xia Changliang，Song Zhanfeng，et al.A power resonance compensation control strategy for PWM rectifiers under unbalanced grid voltage conditions[J].Proceedings of the CSEE，2012，32(21)：46-53.

[2] Castilla M，Miret J，Camacho A，et al.Modeling and design of voltage support control schemes for three-phase inverters operating under unbalanced grid conditions[J].IEEE Transactions on Power Electronics，2014，29(11)：6139-6150.

[3] 劉偉增，周洪偉，張磊，等.電網(wǎng)不平衡條件下光伏并網(wǎng)控制策略研究[J].太陽能學(xué)報(bào)，2013，34(4)：647-653. Liu Weizeng，Zhou Hongwei，Zhang Lei，et al.Study on control strategy of grid connected PV inverter under unbalance grid conditions[J].Acta Energiae Solaris Sinica，2013，34(4)：647-653.

[4] 耿強(qiáng)，夏長亮，閻彥，等.電網(wǎng)電壓不平衡情況下PWM 整流器恒頻直接功率控制[J].中國電機(jī)工程學(xué)報(bào)，2010，30(36)：79-85. Geng Qiang，Xia Changliang，Yan Yan，et al.Direct power control in constant switching frequency for pwm rectifier under unbalanced grid voltage conditions[J].Proceedings of the CSEE，2010，30(36)：79-85.

[5] Song H S，Nam K.Dual current control scheme for PWM converter under unbalanced input voltage conditions[J].IEEE Transactions on Industrial Electronics，1999，46(5)：953-959.

[6] 年珩，程鵬.電網(wǎng)電壓不平衡時(shí)PWM 整流器的諧振直接功率控制策略[J].電工技術(shù)學(xué)報(bào)，2013，28(11)：86-95. Nian Heng，Cheng Peng.Resonant based direct power control strategy for PWM rectifier under unbalanced grid voltage condition[J].Transactions of China Electrotechnical Society，2013，28(11)：86-95.

[7] Castilla M，Miret J，Sosa J L，et al.Grid-fault control scheme for three-phase photovoltaic inverters with adjustable power quality characteristics[J].IEEE Transactions on Power Electronics，2010，25(12)：2930-2940.

[8] 郭小強(qiáng)，鄔偉揚(yáng)，漆漢宏.電網(wǎng)電壓畸變不平衡情況下三相光伏并網(wǎng)逆變器控制策略[J].中國電機(jī)工程學(xué)報(bào)，2013，33(3)：22-29. Guo Xiaoqiang，Wu Weiyang，Qi Hanhong.Control strategies of three-phase PV grid-connected inverter under distorted and unbalanced voltage conditions[J].Proceedings of the CSEE，2013，33(3)：22-29.

[9] 趙新，金新民，周飛，等.基于比例積分-降階諧振調(diào)節(jié)器的并網(wǎng)逆變器不平衡控制[J].中國電機(jī)工程學(xué)報(bào)，2013，33(19)：84-92. Zhao Xin，Jin Xinmin，Zhou Fei，et al.Unbalanced control of grid-connected inverters based on proportion integral and reduced order resonant controllers[J].Proceedings of the CSEE，2013，33(19)：84-92.

[10]Rodriguez P，Timbus A V.Flexible active power control of distributed power generation systems during grid faults[J].IEEE Transactions on Industrial Electronics，2007，54(5)：2583-2592.

[11]Wang F，Duarte J L，Hendrix M A M.Design and analysis of active power control strategies for distributed generation inverters under unbalanced grid faults[J].Generation Transmission & Distribution，IET，2010，4(8)：905-916.

[12]王強(qiáng)鋼，周念成，顏偉，等.電網(wǎng)電壓不平衡下光伏發(fā)電系統(tǒng)的改進(jìn)功率控制[J].中國電機(jī)工程學(xué)報(bào)，2013，33(z1)：30-37. Wang Qianggang，Zhou Niancheng，Yan Wei，et al.Improved power control of photovoltaic generation system under unbalanced grid voltage conditions[J].Proceedings of the CSEE，2013，33(z1)：30-37.

[13]Mohamed Y A R I，El-Saadany E F.A robust natural-frame-based interfacing scheme for grid-connected distributed generation inverters[J].IEEE Transactions on Energy Conversion，2011，26(3)：728-736.

[14]郭小強(qiáng)，張學(xué)，盧志剛，等.不平衡電網(wǎng)電壓下光伏并網(wǎng)逆變器功率/電流質(zhì)量協(xié)調(diào)控制策略[J].中國電機(jī)工程學(xué)報(bào)，2014，34(3)：346-353. Guo Xiaoqiang，Zhang Xue，Lu Zhigang，et al.Coordinate control of power and current quality for grid-connected PV inverters under unbalanced grid voltage[J].Proceedings of the CSEE，2014，34(3)：346-353.

[15]Widrow B，Lehr M A.30 years of adaptive neural networks：percentron，madaline，and back propagation[J].Proceedings of the IEEE，1990，78(9)：1415-1442.

[16]Abdeslam D O，Wira P，Merckle J，et al.A unified artificial neural network architecture for active power filters[J].IEEE Transactions on Industrial Electron，2007，54(1)：61-76.

[17]劉侃，章兢.基于自適應(yīng)線性元件神經(jīng)網(wǎng)絡(luò)的表面式永磁同步電機(jī)參數(shù)在線辨識(shí)[J].中國電機(jī)工程學(xué)報(bào)，2010，30(30)：68-73. Liu Kan，Zhang Jing.Adaline neural network based online parameter estimation for surface-mounted permanent magnet synchronous machines[J].Proceedings of the CSEE，2010，30(30)：68-73.

[18]郭旭剛，金新民，馬添翼，等.電網(wǎng)不平衡下基于滑模變結(jié)構(gòu)的三相電壓型PWM整流器恒頻控制[J].電力系統(tǒng)保護(hù)與控制，2013，41(10)：126-133. Guo Xugang，Jin Xinmin，Ma Tianyi，et al.Constant frequency control for three-phase voltage PWM rectifier under unbalanced grid voltage conditions based on sliding mode control[J].Power System Protection and Control，2013，41(10)：126-133.

[19]年珩，於妮颯，曾嶸.不平衡電壓下并網(wǎng)逆變器的預(yù)測(cè)電流控制技術(shù)[J].電網(wǎng)技術(shù)，2013，37(5)：1223-1229. Nian Heng，Yu Nisa，Zeng Rong.Predictive current control for grid-connected inverters under unbalanced grid voltage[J].Power System Technology，2013，37(5)：1223-1229.

[20]王久和，楊秀嬡.電網(wǎng)不平衡時(shí)電壓型PWM整流器控制策略[J].中國電機(jī)工程學(xué)報(bào)，2011，31(18)：14-20. Wang Jiuhe，Yang Xiuyuan.Control strategy of voltage source PWM rectifiers under unbalanced voltage conditions[J].Proceedings of the CSEE，2011，31(18)：14-20.

[21]Rodriguez P，Luna A，Santiago Munoz-Aguilar R S，et al.A stationary reference frame grid synchronization system for three-phase grid-connected power converters under adverse grid conditions[J].IEEE Transactions on Power Electronics，2012，27(1)：99-112.

[22]周林，張林強(qiáng)，李懷花，等.光伏并網(wǎng)逆變器負(fù)序分量補(bǔ)償法控制策略[J].高電壓技術(shù)，2013，39(5)：1197-1203. Zhou Lin，Zhang Linqiang，Li Huaihua，et al.Negative component compensation control scheme for photovoltaic grid-connected inverter[J].High Voltage Engineering，2013，39(5)：1197-1203.

Research on Multi-objective Coordinated Control Strategies of Grid-connected Inverter Under Unbalanced Voltage Conditions

YangTongguang1，2GuiWeihua2

(1.College of Information Science and Engineering Hunan City University Yiyang 413000 China 2.College of Information Science and Engineering Central South University Changsha 410083 China)

Under unbalanced power grid voltage conditions，the fluctuating active power and current have quadratic ripples and distortions in the grid-connected inverters.In order to improve the quality of the grid-connected current，and reduce the impacts to the grid caused by the grid-connected inverter effectively，a grid-connected inverter control strategy based on the neural network is proposed.The unified analytic formula of the control target is established based on the instantaneous power and the accordingly derived output reference current.An ADALINE neural network is use to optimize the coefficient of the reference current vector formula.In order to improve the system anti-interference capability，a RBF neural network is used to adjust the parameters of the PI controller on-line.The effectiveness and applicability of the proposed strategy are finally verified by simulation and experimental results.

Grid voltage unbalance，grid-connected inverter，multi-objective coordinated control，neural network

國家自然科學(xué)基金重點(diǎn)項(xiàng)目(61321003)，國家自然科學(xué)基金(51377050)和湖南省教育廳重點(diǎn)項(xiàng)目(13A011)資助。

2014-11-21 改稿日期2015-02-17

TM315