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