[发明专利]一种离网型风力发电逆变器

说明书

技术领域

本发明涉及一种基于复合控制的离网型风力发电逆变装置，属于发电技术领域。

背景技术

风力发电因具有储量大、清洁可再生等特性，已成为当前新能源发电的主要方向之一。离网型风力发电系统具有成本低、安装灵活的特点，广泛应用于偏远山区、岛屿等大电网无法提供电力的地区，并多采用小型永磁直驱电机加逆变器的简单结构。与并网型风力发电系统不同的是，离网型风力发电系统必须实施有效的逆变器输出电压控制，以保证系统的稳定运行。

现有的离网型风机逆变器多采用简单的PI控制器，存在输出电压谐波含量高、抗扰动能力差的缺点。通过配置多级滤波单元可以在一定程度上抑制谐波，但是该方法使得系统输出阻抗阶次过高，容易导致系统不稳定。现代社会对电能质量提出的要求越来越高，必须不断提高离网型风机逆变器的控制水平。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种离网型风力发电逆变器，以有效提高离网型风力发电系统的电能质量。

本发明所述问题是以下述技术方案实现的：

一种离网型风力发电逆变器，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、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和第二电压传感器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采集储能电容电压V_d，通过第二电压传感器采集逆变器输出电压V_o，通过电流传感器采集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；