混合技术的PWM逆变器非线性系统的研究

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报2（2015）86基于混合技术的PWM逆变器非线性系统V. M. Deshmukha， A.J. 帕蒂尔baSSBT工程学院电子&技术中心系。技术人员：贾尔冈b新加坡工程学院技术人员：贾尔冈2015年4月3日在线发布摘要提出了一种基于最优神经网络控制器（ONC）的逆变器非线性系统闭环控制方法。所提出的方法的新颖性在于混合技术，这是两者的组合性能，粒子群优化（PSO）技术和径向基函数神经网络（RBFNN）。它有效地优化了可行的解决方案，通过更新的代，通过更少的时间与更高的可靠性。在所提出的方法中，粒子群算法根据不同的加载条件生成数据集。通过使用目标控制信号以及相应的输入负载电压误差和误差变化来训练RBFNN根据负载的变化，RBFNN预测的逆变器在测试时间的准确控制信号由于对此类逆变器模型进行硬件实验和比较的成本相对较高，因此在MATLAB/Simulink平台上实现了该方法，并通过与传统方法的比较分析对比结果证明了该方法的优越性©2015 作 者 。 ElsevierB.V. 制 作 和 托 管 这 是 CCBY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：最优神经控制器;粒子群优化;径向基函数神经网络;负载电压;控制信号1. 介绍可再生能源（RES）和电网之间的低成本高效接口现在是满足终端用户需求的基本要求，因为存在RES的大量集成（Yang等人，2011年）。IEEE标准可以通过RES和网格接口的控制来维护（Kyritsis等人，2008;Sun，2011;Castilla等人， 2009年）。 电能质量主要取决于逆变器输出电流和降压/升压设备，它们在向电网提供高质量电能方面起着至关重要的作用（Siva Prasad等人，2008; Sha等人，2011; Wang和Chang，2008）。单相和三相是基于电源的两大类并网逆变器。恒功率是三相逆变器相对于单相逆变器的显著优点，因此它减少了电容值，*通讯作者。电子邮件地址：deshvm123@yahoo.co.in（V.M. Deshmukh），Anilj48@gmail.com（A.J.帕蒂尔）。电子研究所（ERI）负责同行评审。http://dx.doi.org/10.1016/j.jesit.2015.03.0082314-7172/© 2015作者。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）8687∞∞命名法VdcVoutVLVLVLβγθf直流环节电压交流输出电压负载电压误差负载电压参考负载电压误差电压变化负载电压角功率角负载电压负载电阻负载电感P型逆变器 逆变器输出功率开关用于三相系统（Jou等人，2008;Turner等人，2010;Chen和MaSmedley，2008）。低谐波和高功率因数是电力平滑传输的要求，并且为此使用LCL滤波器（Chen和Smedley，2008; Agorreta等人，2011; Wang等人，2010年; Shen等人， 2010年）。 LCL滤波器在成本和动态特性方面具有优势，但由于电感值较低，导致了谐振的缺点，因此LCL滤波器的控制系统较为复杂。 为了减轻低次谐波，已经使用了各种典型的电流控制器（Kadri等人，2011年;Lee等人，2012;Shen等人，2008;Dasgupta等人，2011 a;Castilla等人，2008年）。双环结构用于根据电压环给出的参考信号调节直流母线电压和逆变器输出电流（Castelló Moreno等人， 2009年）。 比例控制器的目的是向电网注入清晰的正弦电流，即使存在非线性、不平衡、电网电压失真（Hornik和Zhong，2011年）。从研究工作的回顾来看，逆变器是作为电网和RES之间的接口，并在独立（孤岛）和并网模式下运行该接口的主要目的是在两种模式下支持本地负载的实用程序在不平衡负载、非线性负载、突发负载扰动和系统不确定性情况下，它应按照IEEE标准支持具有单位功率因数和低谐波电流注入的电网使逆变器对上述条件更具鲁棒性的关键是其输出电流控制策略。逆变器的控制策略必须保证其输出波形为含有基波的正弦为此，闭环电流控制策略，如H重复控制器，双闭环反馈控制，自适应电压控制和同步参考坐标系比例积分（SRFPI）控制器已被用来满足IEEE互联标准的电能质量要求。H重复控制器的设计是相当复杂的，由于其计算和其他技术也有复杂性，如使用无功功率理论和同步参考系（SRF）理论的输出电流的分解这些复杂性给逆变器的闭环控制算法设计带来了困难在文献中，一些并网逆变器的技术论文，他们没有考虑其输出电压总谐波失真（THD）和大多数算法没有测试下的非线性负载和系统的不确定性。本文介绍了利用混合系统对逆变器连接的非线性系统进行闭环控制。2. 建议的闭环控制策略具有所提出的控制拓扑的三相逆变器的结构如图1所示。三相逆变器由三个桥臂（A、B、C）组成，即，每个支路用于每个相和六个绝缘栅双极晶体管（IGBT）开关。每个支路由两个开关组成;上侧开关为正开关，下侧开关为负开关。逆变器的输入dcVdc通常从DC电源获得，并且它将三相AC输出电压Vout输送到线性或非线性负载。逆变器后接LC滤波器，用于消除高频脉宽调制（PWM）信号。逆变器控制拓扑结构取决于逆变器的输出性能，如图所示。1.一、88V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86L-+V*L负载VoutCBCos乘法器=| | =.+直流电源三相逆变器一LC滤波器切换信号C VVPWM脉冲发生器控制信号建议的ONC技术VFig. 1.所提出的闭环控制拓扑结构。VL峰值VL值VLRmsZ，VL图二.误差电压评估的结构。上述控制策略用于产生逆变器中存在的开关的控制脉冲。这里，双极PWM方案用于驱动逆变器开关，因为它提供较低的THD和功率损耗。所提出的ONC技术占用两个输入，例如误差负载电压V和误差电压变化CV，其用于控制信号生成。误差电压评估如图所示。二、所提出的ONC技术主要优化控制信号以最小化实际负载电压与参考负载电压之间的误差优化后的信号可以最小化THD，提高功率因数。系统在所提出的技术中，误差负载电压Δ VL，即，根据实际负载电压VL和参考负载电压VLV和CVL获得的电压是输入参数。这里，所需的参考负载电压可以通过使用负载电压的峰值（Vp2（VL））和cosφ来计算。cosφ的计算可以用方程描述。（一）.cosφ= cos（β+γ+θ）（1）其中，β为负载电压角，从锁相环（PLL）中找到;γ为功率角，θ为功率因数角。功率角评估在（Dasguptaetal.，2011年b）。（|V2|/|Z|）cosθ−Pi nv erterγ=L|/|Z|Z|（二）其中θ= tan−1（2πfL/R）且Z R2（2πfL）2，其中f为负载电压的频率;R为负载电阻;L为负载电感，P为逆变器输出功率。所获得的参数允许作为+-等式+++PLLVV*LPinvVLV.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86891 2 3n==InPInP=提出的ONC技术。这里，ONC技术是PSO技术和RBFNN技术的组合性能。首先，PSO技术被用来开发RBFNN的训练数据集。根据这些数据集，可以对RBNN进行训练，并预测逆变器的最优控制信号。3. 基于粒子群算法的训练数据集生成作为优化装置的PSO提供了基于群体的搜索过程，其中命名为粒子的个体随时间修改其位置（状态）（Sharma等人， 2013年）。在PSO系统中，粒子通过在多维搜索空间中飞行来改变它们的位置，直到遇到相对不变的位置，或者直到超出计算限制（Smita和Vaidya，2012）。在此，采用粒子群优化技术对负载电压的最小平方误差（SE）进行优化，该SE是通过使用增益参数kp、ki和kd得到的。从误差最小的角度出发，预测了逆变器的最佳控制信号通过使用不同类型的误差负载电压和相应的控制信号，训练数据集已经开发。PSO技术输入定义如下：和平 =[X（t），X（t），X（t）. . . X（t）]（3）其中X（t）=[V，C V]是输入误差负载电压和误差负载电压的变化，随机选择增益参数kp、ki和kd以找到应满足适应度函数的控制信号使用以下关系式（4）来计算所需的适应度函数。n健身SE1[V2Lt=1（t）−VL（t）]2（4）式中，VL和VL分别为实际和参考负载电压。使用以下目标函数（5）从适应度函数中选择最小化的SE。Φ=Min最小值（V（t））（五）1，2.n然后修改当前粒子位置，即， 更新（6）中所述的误差负载电压和误差电压的变化。X p+1=X（t）p+ v k+1，k =1，2. . . n（6）这里，粒子和速度修改在（7）和（8）中描述。X p+1=[X（t +1）1，X（t +1）2，X（t +1）3. . . X（t +1）n]（7）其中Xp+1是更新后的粒子;vk+1是更新后的速度。vk+1=w·vk+c1rand（Pbest−Xp）+c2rand（Gbest−Xp）（8）其中w是代理k的速度的权重函数，c1和c2是正常数，rand* 是随机数[0，1]，惯性权重w由以下等式定义：（九）、w（k） wmax（wmax−wmin）k（9）最大ITER在那里，MaxIter是迭代的最大次数在这里，PSO生成最佳训练数据集，该数据集由不同类型的误差电压、误差电压的变化和相应的控制信号组成。4. 基于RBFNN的RBFNN基于训练和测试算法，克服了人工神经网络的缺点，即，ANN没有提供更好的识别性能。输入层、隐层和输出层是RBFNN的三层结构网络输出单元是所有加权的不可见单元的总和由于非线性建模，RBFNN可以应用于复杂的建模（Tamboli和Khot，2013; Cheng Lee等人， 1999年）。在这里，X90V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86图三. RBNN的结构表1执行参数。参数值电池电压100 VPV电压150 VLL（R）10▲内阻1e−3▲缓冲电阻1e−5▲RBFNN可以基于误差负载电压和误差电压的变化来预测控制参数。在该网络中，神经元用各种操作条件、电压误差和特定目标控制信号下的误差电压变化的输入来训练反向传播算法已被用于训练过程。RBFNN网络的结构如图所示。3.第三章。一旦训练过程完成，网络就被很好地训练以提供目标输出，即逆变器控制信号。在测试情况下，测量的误差电压和误差电压的变化被施加为输入以确定控制信号。控制信号被转换成PWM脉冲以操作逆变器开关。所提出的ONC结构在图1的流程图中描述。 四、5. 结果和讨论在这里，三相逆变器在不同类型的负载条件下进行测试，例如线性负载（LL）和非线性负载（NLL）以及不同类型的输入源，例如光伏（PV）和电池，以验证所提出的ONC技术的性能。然后通过与传统的无控制器逆变器和采用闭环PID控制器的逆变器的比较分析，分析了所提出的ONC方法的有效性表1中列出了实施参数。V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）8691见图4。所提出的混合方法的框图。92V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86图五.使用PV源的三相逆变器：（a）LL，（b）NLL。5.1. 三相逆变器与光伏电源图图5（a）和（b）示出了使用所提出的ONC技术的具有输入PV源的三相逆变器。它还表明，逆变器的输出连接到不同类型的负载，如LL和NLL。图图6和图7描述了采用该方法的逆变器在LL和NLL情况下的输出功率，并与PID控制器和无控制器的普通逆变器进行了比较分析。它清楚地表明，所提出的方法具有更好的功率相比，其他技术。比较了采用不同技术的三相逆变器THD和功率因数（PF）。分别为8和9。见图6。LL时的输出功率比较V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）8693见图7。NLL时的输出功率比较见图8。 THD比较所提出的方法的性能进行了分析，通过比较与那些不同的技术，如PID控制器和正常的逆变器没有控制器，这是在表2中描述。在这里，所提出的方法包含更少的THD和改进的PF值相比，其他技术。对比分析使用了不同类型的系统参数，如THD和PF。从表中，我们可以理解，所提出的方法相比于其他技术，THD值降低到5.67%，PF值提高到0.9779。见图9。 PF比较94V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86表2采用所提出的方法，三相逆变器的性能与光伏电源负载参数没有控制器PID控制器该方法低总谐波12.7011.324.66PF0.95200.95810.9779NLLTHD18.347.696.10PF0.96990.97210.9865见图10。使用电池电源的三相逆变器：（a）线性负载，（b）非线性负载。5.2. 带电池电源的三相逆变器在这里，三相逆变器与输入电池电源使用建议的ONC技术进行了描述。逆变器的输出与不同类型的负载（例如LL和NLL）连接具有不同类型负载的三相逆变器的结构如图10（a）和（b）所示。图图11和图12分别示出了使用所提出的方法的具有LL和NLL的逆变器的输出功率。比较了采用THD和PF等不同技术的三相逆变器。分别是13和14。在这里，所提出的方法包含更少的THD和改进的PF值相比，其他技术。所提出的方法的性能进行了分析，通过比较不同的技术，如PID控制器和正常的逆变器没有控制器，这是在表3中描述。评估评估采用了THD和PF等各种系统约束。从表中可以看出，我们确信我们的杰作技术与同行方法相比，THD降低了5.97%，PF值增加到0.9797表3采用所提出的方法，三相逆变器的性能与电池电源负载参数没有控制器PID控制器该方法低总谐波14.968.624.93PF0.95520.95920.9780NLLTHD16.678.165.97PF0.94260.96960.9797V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）8695见图11。LL时的输出功率比较见图12。NLL时的输出功率比较96V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86图十三. THD比较见图14。 PF比较6. 结论本文介绍了基于混合技术的逆变器非线性系统的闭环控制。在这里，粒子群优化技术优化逆变器的控制信号，为不同的负载条件。选项。利用得到的数据集对RBFNN进行训练，预测出逆变器在不同负载条件下的精确控制信号。 所提出的算法的优点是，它有效地估计逆变器的效率在非线性操作条件下，具有高精度，通过考虑入侵的水平。通过与其他现有技术的对比分析，分析了该方法的有效性.比较结果表明，该方法是降低谐波失真、提高效率和功率的最有效的技术V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）8697在线性和非线性负载条件下的逆变器的因素，它是竞争超过其他技术。引用Agorreta，J.L.，Borrega，M.，López，J.，马罗约湖2011. 光伏电站中由于电网阻抗而耦合的具有LCL滤波器的V中N-并联电网的建模和控制。IEEETrans. PowerwerElectron.26（March（3）），770-785.Castello Moreno，J.，Espí Huerta，J.M.，Garcia Gil，R.，Alejandro，G.S.，2009. 三相并网逆变器的鲁棒预测电流控制。IEEETrans.Ind.Electron.56（June（6）），1993-2004.卡斯蒂利亚，M.，Miret，J.，马塔斯，J.，de VicunBella，L.G.，Guerrero，J.M.，2008年单相光伏并网发电系统串联谐振谐波补偿器的线性电流控制方案。IEEETrans. Ind.Electron.55（July（7）），2724-2733.卡斯蒂利亚，M.，Miret，J.，马塔斯，J.，de VicunBella，L.G.，Guerrero，J.M.，2009年 具有阻尼谐振谐波补偿器的单相并网光伏发电机的控制设计指南。IEEETrans. Ind.Electron.56（Nov.（11）），4492-4501.陈玉，Ma Smedley，K.，2008年 单相可控三相并网逆变器及其并联运行。 IEEE Trans. 印第安纳 Appl. 44（April（2）），663-671.陈玉，Smedley，K.，2008. 三相升压型并网逆变器。 IEEETrans. 电力电子 23（September（5）），2301 - 2309.Cheng Lee，C.，Chung，P.- C.的方法，蔡志R.，昌角，澳-地一、1999. 鲁棒径向基函数神经网络。IEEECybern. （6）第一次见面。达斯古普塔，S.，Sahoo，S.K.，熊猫，S.K.，2011年a。可再生能源与微电网干扰的单相逆变器控制技术。第一部分：并联逆变器拓扑，具有有功和无功功率流控制以及电网电流整形。IEEETrans. PowerwerElectron.26（March（3）），717-731.达斯古普塔，S.，Sahoo，S.K.，熊猫，S.K.，Amaratunga，G.A.J.，2011年b。单相逆变器控制技术与微电网的干扰可再生能源-第二部分：串联逆变器拓扑结构，以减轻电压相关的问题，以及有源功率流控制。 IEEETrans. 第26期（3月3日）。Hornik，T.，Zhong，Q.- C.的方法，2011. 提出了一种基于H∞和重复控制的微网电压源侧电流控制策略。IEEETrans. 26（3），943-952.Jou，H.-L.，蒋，W.-J.，吴，J. -C.的方法，2008年 具有孤岛检测功能的并网逆变器简化控制方法。IEEETrans. 电力电子 23（Nov.（6）），2775-2783.卡德里河Gaubert，J. P.，Champenois，G.，2011. 基于电压定向控制的光伏并网逆变器最大功率点跟踪改进。IEEETrans.Ind.Electron.58（January（1）），66-75.Kyritsis角，Tatakis，E.C.，Papanikolaou，N.P.，2008. 分布式光伏并网系统电流型反激逆变器的优化设计。IEEETrans. 能源转换器。23（March（1）），281-293.李，K.- J.，帕克湾，澳-地G.，Kim，R.是的，Hyun，D.-美国，2012. 基于扰动估计器的三相并网逆变器鲁棒预测电流控制器。IEEETrans. PowerwerElectron.27（January（1）），276-283.Sha，D.，吴，D.，廖，X.，2011年。同步坐标系下具有谐波补偿的混合控制三相并网逆变器的分析。IETPowerElectron.4（7），743-751。Sharma，B.，Sehgal，S.，Nain，A.，2013年。基于P物品摆臂优化和遗传算法的最优功率流求解。 Int. J. Appl. 因诺五世工程管理2（7），307-315。沈，G.，徐，D.，曹，L.Zhu，X.，2008年 一种改进的带LCL滤波器的逆变器并网电压源控制策略。 IEEE Trans.PowerwerElectron.23（July（4）），1899-1906.沈，G.，Zhu，X.，张杰，徐，D.，2010年。提出了一种新的基于LCL滤波器的并网逆变器PR电流反馈控制方法。 IEEE Trans.Ind.Electron.57（June（6）），2033-2041.Siva Prasad，B.，贾恩，S.，Agarwal，V.，2008年 单向单级并网逆变器。 IEEE Trans. 能源转换器。 23（March（1）），128-137.Smita，P.，Vaidya，B.N.，2012年。 基于无功损耗最小化的最优功率流的P物品摆臂优化。在：电气电子和计算机科学会议论文集。孙，J.，2011. 基于阻抗的并网逆变器稳定性判据。IEEETrans. PowerwerElectron.26（Nov.（11）），3075-3078. Tamboli，Z.J.，Khot，S.R.，2013年。 径向基函数神经网络在感应电机故障检测中的估计分析。 Int. J. Eng. Adv.技术2（April（4）），41-43.特纳河，沃尔顿，S.，杜克河2010. 数字控制并网并联逆变器的稳定性和带宽影响。IEEETrans.Ind.Electron.57（Nov.（11）），3685-3694.王志，张湖，2008年 一种三相并网风力发电机组直流电压监测与控制方法。 IEEE Trans. PowerwerElectron.23（May（3）），1118-1125.王，X.， 阮，X. 刘先生， 美国， 谢霆锋， C.K.， 2010. 充分 前馈 的 网格 电压 为 并网 在维特尔 与 LCL 文件 其被称为抑制由于电网电压谐波而导致电流失真。 IEEETrans. 电力电子25（December（12）），31193127.杨，S.，Lei，Q.，Peng，F.Z.，钱志，2011. 一种并网电压源型逆变器的鲁棒控制方案。IEEETrans. Ind.Electron.58（January（1）），202-212.98V.M. Deshmukh，A.J.Patil/电气系统和信息技术杂志2（2015）86V.M. Deshmukh是一个博士。北马哈拉施特拉邦大学电子系的研究学者Jalgaon，M.S.，印度，并在Jalgaon的SSBT工程和技术学院担任E和TC副教授。他有24年的教学经验，在各种国家，国际会议和期刊上发表了16篇论文A.J. Patil目前在Shri担任校长。Gulabrao Deokar工程学院，Jalgaon（硕士）印度在他27年的教学经验中，他曾担任工程学院的助理教授和教授，也是大学学术和研究水平的各个委员会的成员。他的兴趣领域是移动自组织网络，无线通信，数字图像处理，电力电子和生物识别安全。他在国家/国际期刊和会议上发表并发表了40篇论文。