光伏并网逆变器的模糊神经全局快速终端滑模控制方法技术

本发明专利技术公开了一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，首先建立逆变器数学模型，然后考虑逆变器中实际存在的干扰及不确定性，对逆变器模型进行修正。电压控制型并网逆变器的控制目标是逆变器输出电压对电网参考电压的无差跟踪，为了使跟踪误差在有限的时间内收敛到零，本发明专利技术采用全局快速终端滑模控制策略。本发明专利技术针对系统中存在的不确定性，采用模糊神经网络系统进行在线补偿，使得逆变器对外界干扰具有一定的适应性，大大增强了系统的鲁棒性。设计基于Lyapunov的自适应律，保证了系统的稳定性。本发明专利技术采用模糊神经全局快速终端滑模控制策略控制并网逆变器，使得系统鲁棒性增强，且控制律抖振小。

Fuzzy neural global fast terminal sliding mode control method for photovoltaic grid connected inverter

The invention discloses a fuzzy neural global photovoltaic inverter fast terminal sliding mode control method, first establish the mathematical model of the inverter, and then consider the actual existence of interference in the inverter and the uncertainty of the inverter model. The control target of voltage controlled grid connected inverter is no difference tracking of inverter output voltage on the power grid reference voltage, in order to make the tracking error in finite time convergence to zero, the invention uses a global fast terminal sliding mode control strategy. In view of the uncertainty existing in the system, the fuzzy neural network system is used for on-line compensation, so that the inverter has certain adaptability to the external interference, and greatly enhances the robustness of the system. The adaptive law based on Lyapunov is designed to guarantee the stability of the system. The invention adopts the fuzzy neural global fast terminal sliding mode control strategy to control the grid connected inverter, so that the robustness of the system is enhanced, and the control law is small chattering.

【技术实现步骤摘要】
光伏并网逆变器的模糊神经全局快速终端滑模控制方法
本专利技术涉及一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，属于逆变器控制方法
，具体涉及模糊神经网络，终端滑模控制。
技术介绍
随着国家对光伏发电产业的大力支持，光伏发电技术研究越来越火热，光伏电能已渐渐在电力能源配给中占据着重要作用，逆变器是光伏发电系统不可或缺的一部分，光伏系统易受环境变化影响的特点，对于逆变器控制提出了较高的要求。逆变器是一种将直流电转换成交流电的电力设备，目前常用的控制策略是电流型控制策略，通过控制并网电流和电网电压同频同相。近年来，有学者提出电压型控制策略，其目标是控制逆变器输出电压，使其与电网电压保持一致，包括大小、幅值和相位。传统的控制方式如PID、PR、滞环、下垂控制等控制效果并不理想，系统鲁棒性较弱。滑模控制是一种非线性控制方法，其滑动模态的设计与对象参数及扰动无关，滑模控制对参数变化及扰动不灵敏，物理实现简单。常规的滑模控制并不能使跟踪误差在有限的时间内收敛到零。终端滑模策略通过在滑模面中引入非线性项，使得系统跟踪误差能在有限的时间内收敛到零。普通终端滑模控制在远离平衡点时具有较快的收敛速度，但靠近平衡点时收敛速度变慢，全局快速终端滑模控制能具有全局快速性。模糊神经网络综合了模糊逻辑和神经网络结构，具有很强的自适应学习能力。
技术实现思路
目的：为了克服现有技术中存在的不足，将全局快速终端控制引入到逆变器中，然后使用模糊神经网络在线补偿系统不确定性，提供一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，使得逆变器鲁棒性大大增强，提高了并网性能。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，包括以下步骤：步骤一、根据电路定理，建立光伏并网逆变器数学模型；步骤二、考虑外界干扰及不确定性，对光伏并网逆变器数学模型进行修正；步骤三、设计全局快速终端滑模面；步骤四、设计控制律，并针对系统中存在的不确定性，采用模糊神经网络进行在线逼近；步骤五、对步骤四中网络逼近误差进行补偿；步骤六、设计自适应律，得到模糊神经全局快速终端滑模控制器的控制律方程；步骤七、利用所得控制律方程，产生控制信号，控制逆变器的各个电力开关管。所述步骤一中的一个周期内的光伏并网逆变器数学模型为：其中，udc为逆变器直流侧电压，uac为逆变器并网电压，D为逆变器上呈对角关系的开关管S1、S4占空比，Cac、Lac分别为逆变器交流侧电容及电感，RL为交流侧负载。所述步骤二中的修正后的光伏并网逆变器数学模型为：其中，g(t)为集总参数，表示系统不确定性及外界干扰，以下简称不确定性。所述步骤三中，全局快速终端滑模面为：其中，e＝uac-uacr为电压跟踪误差，uac为逆变器输出电压，uacr为电网参考电压；α,β为正常数，p,q(p＞q)为正奇数。所述步骤四中，滑模控制器的控制律为：其中，g为系统不确定性，k·s为线性补偿项，k为一正常数；采用模糊神经网络逼近系统不确定性，具体为：其中，为不确定性g的估计值，w为网络连接权，ξ从网络输入层到规则层的函数。所述步骤五中，对网络逼近误差进行补偿，具体为：-εmsgn(s)(6)其中，εm为网络逼近误差上界，sgn为符号函数。所述自适应律为：其中，为最优连接权的估计值的导数，r为一正常数，s为滑模函数，ξ为网络输入层到规则层的函数向量；最终模糊神经全局快速终端滑模控制器的控制律为：其中为不确定性g的估计值，其中，为最优连接权的估计值，ξ从网络输入层到规则层的函数；εm为网络逼近误差上界，sgn为符号函数。所述步骤七包括如下步骤：根据步骤六所得占空比D，通过与三角载波比较，产生4路PWM波控制信号，其中S1,S4占空比为D，S2,S3占空比为1-D，控制逆变器4个开关管的通断，实现DC-AC变换并完成并网。有益效果：本专利技术提供的光伏并网逆变器的模糊神经全局快速终端滑模控制方法，由于使用了全局快速终端滑模控制，使得逆变器对电网电压跟踪误差在有限时间内收敛到零；模糊神经网络在线补偿系统不确定性，增强了系统鲁棒性，且系统抖振小；另外，并网电压对直流侧电压的变化不敏感，这样就不必使用大电容来稳定直流侧电压，从而节约了成本。附图说明图1所示为本专利技术一种具体实施的主电路结构示意图。图2所示为本专利技术一种具体实施的方法结构示意图。图3所示为逆变器电压跟踪效果图。图4所示为电压跟踪误差图。图5所示为控制量D变化图。图6所示为跟逆变器并网电压频谱图。图1中，S1-S4—电力开关管，udc—直流侧电压，uac—逆变器输出电压，uacr—电网参考电压，Cdc—直流侧电容，Lac—逆变器交流侧电感，Cac—逆变器交流侧电容，RL—负载。具体实施方式下面结合附图对本专利技术作更进一步的说明。参见图1，本专利技术的逆变器控制结构使用H桥结构，由4个电力开关管S1、S2、S3、S4构成。Cdc为直流侧电容，Cac、Lac分别为逆变器交流侧电容及电感，RL为交流侧负载。通过控制电力开关管占空比，完成逆变器输出电压对电网电压的跟踪。参见图2，一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，包括以下步骤：步骤一、根据电路定理，建立光伏并网逆变器数学模型；步骤二、考虑外界干扰及不确定性，对光伏并网逆变器数学模型进行修正；步骤三、设计全局快速终端滑模面；步骤四、设计控制律，并针对系统中存在的不确定性，采用模糊神经网络进行在线逼近；步骤五、对步骤四中网络逼近误差进行补偿；步骤六、设计自适应律，得到模糊神经全局快速终端滑模控制器的控制律方程；步骤七、利用所得控制律方程，产生控制信号，控制逆变器的各个电力开关管。实施例一(1)根据电路理论，建立两组开关管分别导通时的电路方程，采用状态空间平均法，建立逆变器平均数学模型：其中，uac为逆变器并网电压，udc为直流侧电压，D为逆变器上呈对角关系的开关管S1、S4占空比，Cac、Lac分别为逆变器交流侧电容及电感，RL为交流侧负载。由于实际运行中，逆变器受到建模误差及外界干扰的影响，需对(1)式的光伏并网逆变器数学模型修正。考虑系统不确定性及外界干扰的实际逆变器数学模型为：其中，g(t)为系统不确定性及外界干扰。(2)设计全局快速终端滑模控制律定义全局快速终端滑模面为其中，e＝uac-uacr为电压跟踪误差，uac为逆变器输出电压，uacr为电网参考电压。α,β为正常数，p,q(p＞q)为正奇数。为了保证系统的稳定性，定义Lyapunov函数为根据Lyapunov稳定性定理，要使控制系统稳定，需设计基于Lyapunov稳定性定理的控制律为其中，g为系统不确定性，k·s为线性补偿项，k为一正常数。此时系统稳定。(3)模糊神经网络补偿系统不确定性由于系统不确定性无法获知，即式(4)中的控制律无法实现，故采用模糊神经系统对系统不确定性进行估计。其中，为不确定性g的估计值，w为网络连接权，ξ从网络输入层到规则层的函数。(4)对网络逼近误差进行补偿，具体为：-εmsgn(s)(6)其中，εm为网络逼近误差上界，sgn为符号函数。(5)设计基于Lyapunov稳定性定理的自适应律为了证明系统稳定性，重新定义Lyapunov函数为其中为权值估计误差，w*为网络本文档来自技高网...

【技术保护点】
一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：包括以下步骤：步骤一、根据电路定理，建立光伏并网逆变器数学模型；步骤二、考虑外界干扰及不确定性，对光伏并网逆变器数学模型进行修正；步骤三、设计全局快速终端滑模面；步骤四、设计控制律，并针对系统中存在的不确定性，采用模糊神经网络进行在线逼近；步骤五、对步骤四中网络逼近误差进行补偿；步骤六、设计自适应律，得到模糊神经全局快速终端滑模控制器的控制律方程；步骤七、利用所得控制律方程，产生控制信号，控制逆变器的各个电力开关管。

【技术特征摘要】
1.一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：包括以下步骤：步骤一、根据电路定理，建立光伏并网逆变器数学模型；步骤二、考虑外界干扰及不确定性，对光伏并网逆变器数学模型进行修正；步骤三、设计全局快速终端滑模面；步骤四、设计控制律，并针对系统中存在的不确定性，采用模糊神经网络进行在线逼近；步骤五、对步骤四中网络逼近误差进行补偿；步骤六、设计自适应律，得到模糊神经全局快速终端滑模控制器的控制律方程；步骤七、利用所得控制律方程，产生控制信号，控制逆变器的各个电力开关管。2.根据权利要求1所述的一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：所述步骤一中的一个周期内的光伏并网逆变器数学模型为：其中，udc为逆变器直流侧电压，uac为逆变器并网电压，D为逆变器上呈对角关系的开关管S1、S4占空比，Cac、Lac分别为逆变器交流侧电容及电感，RL为交流侧负载。3.根据权利要求1所述的一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：所述步骤二中的修正后的光伏并网逆变器数学模型为：其中，g(t)为集总参数，表示系统不确定性及外界干扰，以下简称不确定性。4.根据权利要求1所述的一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：所述步骤三中，全局快速终端滑模面为：其中，e＝uac-uacr为电压跟踪误差，uac为逆变器输出电压，uacr为电网参考电压；α,β为正常数，p,q(p＞q)为正奇数。5.根据权利要求1所述的一种光伏并网逆变器的模糊神经全局快速终端滑模控制方法，其特征在于：所述步骤四中，滑模控制器的控制律为：

【专利技术属性】
技术研发人员：朱云凯，费峻涛，刘倪宣，吕欣欣，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏,32