【CN109960307A】一种光伏离网逆变器MPPT自抗扰控制方法【专利】

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910156517.2

(22)申请日 2019.03.01

(71)申请人 湖南诺诚光伏能源有限公司

地址 410000 湖南省长沙市长沙高新开发

区文轩路518号

(72)发明人 向小龙 

(74)专利代理机构 广州嘉权专利商标事务所有

限公司 44205

代理人 伍传松

(51)Int.Cl.

G05F 1/67(2006.01)

(54)发明名称

一种光伏离网逆变器MPPT自抗扰控制方法

(57)摘要

本发明公开了一种光伏离网逆变器MPPT自

抗扰控制方法,包括步骤:以电流及电压数据作

为输入,建立包括输入层、隐含层和输出层的三

层神经网络模型,其中输入层神经元节点数量为

2个,分别与输入数据相对应,所述输出层神经元

节点数量为1个;构建生成对抗网络,采用卷积函

数作为判别函数,进行循环迭代,修正神经网络

模型的权值、阈值;对修正后的神经网络模型进

行EM迭代优化,然后采用ADRC控制方法,计算输

出的控制信号。该方法具有很强的自适应、自调

整能力,能很好地跟踪光伏逆变器的最大功率

点。权利要求书1页 说明书3页 附图1页CN 109960307 A 2019.07.02

C N 109960307

A

1.一种光伏离网逆变器MPPT自抗扰控制方法,其特征在于,包括步骤:

S1、以电流及电压数据作为输入,建立包括输入层、隐含层和输出层的三层神经网络模型,其中输入层的神经元节点数量为2个,与电流及电压数据相对应,所述输出层的神经元节点数量为1个;

S2、构建生成对抗网络,采用卷积函数作为判别函数,进行循环迭代,修正神经网络模型的权值、阈值;

S3、对修正后的神经网络模型进行EM迭代优化,然后采用ADRC控制方法,输出控制信号。

2.根据权利要求1所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,各神经元节点的计算公式如下:

y i =f(k i x i +b i )(1),

其中,y i 代表神经元节点的输出,x i 代表神经元节点的输入,k i 代表神经元节点的权值,b i 代表神经元节点的阈值,f为Sigmoid函数。

3.根据权利要求2所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,所述隐含层的神经元节点的数量为10个。

4.根据权利要求1-3任意一项所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,EM迭代优化方法包括步骤:

S31、设Xi代表修正后的神经网络模型的两个输入和一个输出,构建Xi、输入输出联合概率密度分布z i 和分布参数θ的三元数组集合{X i ;z i ;θ};

S32、计算z i 的后验概率Q i (z i ),如式(2)所示:

Q i (z i )=p(z i |X i ,θ)(2),

式中,p为服从t分布的概率密度函数;

S33、将p的似然函数最大化,

并进行如下迭代:

至相邻两次迭代结果的误差满足要求,得到参数值θ;

S34、进行时间序列建模,

得到式(4)所示的解析模型:

式中,k是指模型的延迟步数;N1、N2、N3是指各个线性、非线性相的阶次;h 0指模型的常数项;a是指输出延迟的各次系数;b是指输入延迟的各次系数;u ′为输入信号;C是指输入信号非线性阶次系数。

5.根据权利要求4所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,步骤S33中,误差不超过1‰。

6.根据权利要求4所述的光伏离网逆变器MPPT自抗扰控制方法,其特征在于,采用二阶ADRC控制方法输出控制信号。

权 利 要 求 书1/1页2CN 109960307 A

相关文档
最新文档