[发明专利]一种离网型风力发电逆变器

权利要求书

1.一种离网型风力发电逆变器，其特征是，构成中包括MPU控制器以及依次连接于风力发电机与负载之间的整流器、储能电容(C1)、反激变换器、工频逆变桥和LCL滤波器，所述MPU控制器通过第一电压传感器(UT1)和第二电压传感器(UT2)分别采集储能电容电压和逆变器输出电压，通过电流传感器(CT)采集LCL滤波器的工频逆变桥侧电感电流，并通过两个驱动模块分别控制反激变换器和工频逆变桥，所述MPU控制器按以下方式运作：

①通过第一电压传感器(UT1)采集储能电容电压V_d，通过第二电压传感器(UT2)采集逆变器输出电压V_o，通过电流传感器(CT)采集LCL滤波器的工频逆变桥侧电感电流i_L；以逆变器作为对象，建立并训练相应的神经网络逆模型，具体如下：

a.选取三层BP神经网络建立系统的逆模型，其中，输入层神经元节点数为9个，隐含层神经元节点数为10个，输出层神经元节点数为1个，隐含层神经元转移函数使用双曲正切函数，输出层神经元转移函数使用S型函数；

b.在逆变器上采集运行数据；

使得风机分别处于额定风速、80％额定风速、60％额定风速、40％额定风速和20％额定风速的条件下，每种风速条件下通过改变负载使得逆变器分别工作于额定功率、80％额定功率、60％额定功率、40％额定功率和20％额定功率的工况，共计25种工况，每种工况下均利用单回路PI控制器进行逆变器输出电压控制，并连续采集N组储能电容电压V_d、逆变器输出电压V_o、反激变换器PWM信号占空比D、LCL滤波器的工频逆变桥侧电感电流i_L，共构成25N组运行数据；

c.利用采集的运行数据构造样本；

对于k时刻，所构造的样本为{V_o(k+1)，V_o(k)，V_o(k-1)，V_o(k-2)，i_L(k)，i_L(k-1)，D(k-1)，D(k-2)，V_d(k)，D(k)}，其中，V_o(k+1)为k+1时刻的逆变器输出电压，V_o(k)为k时刻的逆变器输出电压，V_o(k-1)为k-1时刻的逆变器输出电压，V_o(k-2)为k-2时刻的逆变器输出电压，i_L(k)为k时刻的LCL滤波器的工频逆变桥侧电感电流，i_L(k-1)为k-1时刻的LCL滤波器的工频逆变桥侧电感电流，D(k-1)为k-1时刻的反激变换器PWM信号占空比，D(k-2)为k-2时刻的反激变换器PWM信号占空比，V_d(k)为k时刻的储能电容电压，D(k)为k时刻的反激变换器PWM信号占空比，25N组运行数据共构成25N个样本；

d.随机抽取25N个样本数据中的20N个作为训练样本，其余5N个作为检验样本，训练建立的三层BP神经网络；训练过程中，对于k时刻的样本，取BP神经网络的第一个输入端为k时刻的逆变器输出电压V_o(k)，第二个输入端为k-1时刻的逆变器输出电压V_o(k-1)，第三个输入端为k-2时刻的逆变器输出电压V_o(k-2)，第四个输入端为k时刻的LCL滤波器的工频逆变桥侧电感电流i_L(k)，第五个输入端为k-1时刻的LCL滤波器的工频逆变桥侧电感电流i_L(k-1)，第六个输入端为k+1时刻的逆变器输出电压V_o(k+1)，第七个输入端为k时刻的储能电容电压V_d(k)，第八个输入端为k-1时刻的反激变换器PWM信号占空比D(k-1)，第九个输入端为k-2时刻的反激变换器PWM信号占空比D(k-2)，BP神经网络的输出为k时刻的反激变换器PWM信号占空比D(k)；

②利用训练好的BP神经网络逆模型与PI控制器对逆变器进行控制，具体步骤为：

a.利用训练好的BP神经网络逆模型进行反激变换器PWM信号占空比的计算，对于当前k时刻，取第一个输入端为k时刻的逆变器输出电压V_o(k)，第二个输入端为k-1时刻的逆变器输出电压V_o(k-1)，第三个输入端为k-2时刻的逆变器输出电压V_o(k-2)，第四个输入端为k时刻的LCL滤波器的工频逆变桥侧电感电流i_L(k)，第五个输入端为k-1时刻的LCL滤波器的工频逆变桥侧电感电流i_L(k-1)，第六个输入端为k+1时刻的逆变器输出电压设定值V^*_o(k+1)，第七个输入端为k时刻的储能电容电压V_d(k)，第八个输入端为k-1时刻的反激变换器PWM信号占空比D(k-1)，第九个输入端为k-2时刻的反激变换器PWM信号占空比D(k-2)，得出BP神经网络的输出为d(k)；

b.将下一时刻逆变器输出电压设定值V^*_o(k+1)与当前k时刻逆变器输出电压V_o(k)的偏差送入PI控制器，得到闭环控制量d_C(k)，即

$d_C\left(k\right)=K_{p}e\left(k\right)+K_i\underset{j=0}{\overset{k}{\Σ}}e\left(k\right)$

其中：e(k)＝V^*_o(k+1)-V_o(k)，K_p表示比例系数，K_i表示积分系数；

c.将神经网络逆模型与PI控制器构成复合控制器，其输出为神经网络逆模型的输出d(k)和PI控制器的输出d_C(k)按照比例K:(1-K)叠加，作为最终的反激变换器PWM信号占空比D(k)，即：

D(k)＝Kd(k)+(1-K)d_C(k)

其中，K的取值为：

$K=\left\{\begin{array}{cc}0.9& \begin{array}{cc}if& \[(-\frac{1}{12}\mathrm{\π}\<\mathrm{\θ}\<\frac{1}{12}\mathrm{\π})or(-\mathrm{\π}\<\mathrm{\θ}\<-\frac{11}{12}\mathrm{\π})or(\frac{11}{12}\mathrm{\π}\<\mathrm{\θ}\<\mathrm{\π})\]\end{array}\\ 0.1& \begin{array}{cc}if& \[(-\frac{7}{12}\mathrm{\π}\<\mathrm{\θ}\<-\frac{5}{12}\mathrm{\π})or(\frac{5}{12}\mathrm{\π}\<\mathrm{\θ}\<\frac{7}{12}\mathrm{\π})\]\end{array}\\ 0.5& else\end{array}\right.$

式中θ为逆变器输出电压设定值的相位。