[发明专利]一种基于最速下降法的逆变器模型参数自适应辨识方法

说明书

本发明针对LCL型并网逆变器滤波器参数失配影响逆变器控制鲁棒性的问题，提出一种基于最速下降法的逆变器模型预测控制参数自适应辨识方法。该方法通过计算当前时刻状态向量预测值与采样值之间的误差，以最小化误差向量为目的建立目标函数，基于最速下降法对目标函数在参数矩阵方向上梯度求导，寻找目标函数最小值，并通过自适应算法实时地调整参数矩阵，使得参数矩阵逐渐地收敛至其真实值附近，从而实现滤波器电感和电容参数在线辨识，在线修正控制器中的滤波器参数，提高了并网逆变器的鲁棒性。

技术领域

本发明属于电力电子和参数辨识技术领域，具体涉及一种基于最速下降法的逆变器模型参数自适应辨识方法。

背景技术

随着能源危机与环境恶化，我国越来越重视可再生能源领域的发展。在新能源发电中，并网逆变器作为把直流电能转化为高质量交流电能的桥梁，其性能的好坏直接影响着并网电能的质量，并网逆变器的鲁棒性研究也是新能源并网发电的重要研究课题。

电力电子系统的参数是影响系统控制性能的重要因素，与之相关的理论研究和实际应用也越来越受关注。一方面电力电子系统运行环境的突变，如老化、温升、系统过载、磁耦合等情况，均会导致电力电子变换器中的电阻、电感、电容等元件参数发生改变，将这种现象称为参数失配。滤波器参数失配对于并网逆变器的可靠运行有着不可忽视的负面影响，会影响滤波效果导致输出波形变差，功率因数降低，甚至影响系统的稳定性；另一方面，电子电子系统中可能存在忽略的建模部分，控制器的非线性特性等，也会影响系统的性能。非线性因素难以用数学模型精确描述。我们将上述的不确定性统一归纳为参数不确定性予以补偿。因此，对逆变器的滤波器参数辨识十分重要。

相比于L滤波器，LCL滤波器由于具有体积小、质量轻、高频谐波衰减强等优势，在电力电子变流器领域应用更为广泛。但目前现有参数辨识方法多针对L滤波器，而对于LCL型滤波器的研究较少，但是，在模型预测控制中，为了实现系统的精确建模，需要知道滤波电路的精确参数，所以迫切需要完备LCL型参数辨识方法。

发明内容

为了解决上述背景技术提出的问题，本发明针对LCL型并网逆变器，提出一种基于最速下降法的在线参数自适应辨识方法，在线修正预测模型的滤波器参数。该方法通过计算当前时刻状态向量预测值与观测值之间的误差，以最小化该误差向量为目的并通过自适应算法实时地调整参数矩阵，使得参数矩阵逐渐地收敛至其真实值附近，实现滤波器电感和电容参数在线辨识。

为了实现上述技术目的，本发明的技术方案为：

一种基于最速下降法的逆变器模型预测控制参数自适应辨识方法，包括以下步骤：

(1)建立逆变器的数学模型，离散化得到机侧电流、网侧电流和电容电压预测模型；

(2)将当前时刻的机侧电流、网侧电流、电容电压和电网电压代入预测模型，遍历开关管所有状态矢量得到对应的8种预测值；

(3)根据控制目标建立目标函数，选择使目标函数值最小的开关管状态矢量作为最优矢量，并将该最优矢量直接应用于逆变器的控制系统中；

(4)将上一时刻的机侧电流、网侧电流、电容电压、电网电压和机侧电压代入状态向量预测方程中得到当前时刻预测值，将之与采样值作差，得到误差向量；

(5)以最小化误差向量为目的建立目标函数，基于最速下降法对目标函数在参数矩阵方向上梯度求导，寻找目标函数最小值，并通过自适应算法实时地调整参数矩阵，使滤波器观测参数快速逼近真实工作参数，从而实现滤波器电感和电容参数在线辨识；

(6)由参数辨识观测器得到滤波器参数在线修正参考值和预测模型中的对应参数。

步骤(1)的具体实现过程如下，三相并网逆变器的数学模型如下所示：