[发明专利]一种基于粒子群算法和神经网络学习算法的光伏逆变器的控制方法在审
| 申请号： | 201910850684.7 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110518819A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 陈亮;王玉龙;黄帅;金尚忠;徐时清;张淑琴;杨凯;谷振寰;杨家军;祝晓明;徐瑞 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | H02M7/48 | 分类号： | H02M7/48;H02J3/38 |
| 代理公司： | 33333 杭州杭欣专利代理事务所(普通合伙) | 代理人： | 尚竹亚<国际申请>=<国际公布>=<进入 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 粒子群算法 光伏逆变器 神经网络学习算法 逆模型 减小 逆变器控制 光伏系统 神经网络 系统状态 控制器 逆变器 离线 寻优 算法 样本 | ||
【权利要求书】：
1.一种基于粒子群算法和反向传播神经网络学习算法的光伏逆变器的控制方法，其特征在于，包括在逆变器基础上加上一种基于粒子群算法和神经网络学习算法相结合的逆变器控制算法，具体包括如下步骤：
S1、通过粒子群算法中的群体中粒子间的合作与群体智能指导优化搜索，在每一次迭代中，粒子通过2个极点来更新自己的位置和速度，得到最优位置和速度的PI控制器参数：
S101、将当前的粒子所代表的PI控制器参数输入逆变系统模型中，得到负载电压；
S102、将负载电压带入到目标函数当中得到适应值；
S103、将适应值输回粒子群算法中进行优化处理；
S104、若迭代次数达到最大则直接输出相应的PI控制器参数，得到最佳的PI控制器参数；反之，则将迭代次数加1，重复S101-S103，得到最优的PI控制器参数；
S2、利用神经网络算法对样本进行训练，得到神经网络逆模型，对变化的负载进行补偿，减小负载误差对系统的影响。
2.根据权利要求1所述的基于粒子群算法和神经网络学习算法的光伏逆变器的控制方法，其特征在于，S1中所述的PI控制器参数包括比例系数、积分系数和电容电流反馈系数。
3.根据权利要求1所述的基于粒子群算法和神经网络学习算法的光伏逆变器的控制方法，其特征在于，S102中所述的目标函数为：
所述的目标函数值越小，寻优区域越优。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910850684.7/1.html，转载请声明来源钻瓜专利网。
