胡鋼，范偉東，李忠

（河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇常州 213022）

基于BP神經(jīng)網(wǎng)絡(luò)光柴孤網(wǎng)運(yùn)行優(yōu)化控制研究

胡鋼，范偉東，李忠

（河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇常州 213022）

光柴互補(bǔ)發(fā)電獨(dú)立微電網(wǎng)系統(tǒng)，主要包括：光伏電池組發(fā)電、柴油機(jī)發(fā)電和負(fù)載等，光伏發(fā)電模型采用MPPT控制。在確保光伏最大功率輸出的基礎(chǔ)上，對(duì)原動(dòng)機(jī)及其速度/功率反饋系統(tǒng)、同步發(fā)電機(jī)及其勵(lì)磁控制系統(tǒng)進(jìn)行分析，建立相應(yīng)的數(shù)學(xué)模型。設(shè)計(jì)基于BP神經(jīng)網(wǎng)絡(luò)算法PID控制器，控制原動(dòng)機(jī)的轉(zhuǎn)速調(diào)整其輸出功率，維持微網(wǎng)系統(tǒng)頻率的恒定。仿真結(jié)果表明：該控制策略實(shí)現(xiàn)光伏最大功率輸出，提高太陽能利用率。同時(shí)，保證微網(wǎng)系統(tǒng)的頻率恒定。

微電網(wǎng)；光伏發(fā)電；柴油機(jī)發(fā)電；頻率控制；BP神經(jīng)網(wǎng)絡(luò)

孤島運(yùn)行是微電網(wǎng)的重要特征，是提高微電網(wǎng)內(nèi)重要負(fù)荷供電可靠性的強(qiáng)有力保證[1]。然而，受天氣和微網(wǎng)中負(fù)荷變化影響，導(dǎo)致微電源出力波動(dòng)、隨機(jī)和不連續(xù)，引起有功功率不平衡和頻率大幅度變化[2-3]。然而，頻率是電網(wǎng)電能質(zhì)量考核的重要指標(biāo)，也是電網(wǎng)穩(wěn)定性的重要判斷依據(jù)[4]。因此，控制系統(tǒng)頻率恒定，對(duì)保證微網(wǎng)的穩(wěn)定運(yùn)行有重要作用。

近年來，對(duì)光柴孤島微電網(wǎng)頻率優(yōu)化的研究已經(jīng)取得一些成果。文獻(xiàn)[5-6]分別加入燃料電池和超級(jí)電池提高微網(wǎng)供電質(zhì)量，減小光伏輸出功率波動(dòng)，同時(shí)導(dǎo)致微網(wǎng)設(shè)備增多，成本上升。文獻(xiàn)[7]采用PID負(fù)荷頻率補(bǔ)償器，通過改變控制柴油發(fā)電機(jī)的轉(zhuǎn)速調(diào)整其功率輸出，有效調(diào)節(jié)微電網(wǎng)的頻率偏差，但常規(guī)的PID控制器對(duì)于非線性、時(shí)變不確定性系統(tǒng)，很難達(dá)到理想效果。文獻(xiàn)[2，8]提出自適應(yīng)模糊PID控制器和模糊邏輯控制器，解決了傳統(tǒng)PID控制器的問題，提高系統(tǒng)的性能，很好控制微網(wǎng)頻率恒定，但實(shí)時(shí)性和準(zhǔn)確性還有待提高。

針對(duì)以上問題，本文將文獻(xiàn)[9-11]中所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)PID控制器應(yīng)用到光柴孤網(wǎng)系統(tǒng)中，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力，實(shí)時(shí)控制PID參數(shù)，以減小系統(tǒng)頻率誤差。

1 光柴獨(dú)立微電網(wǎng)建模

在光柴孤網(wǎng)系統(tǒng)中，微電網(wǎng)僅由光、柴和負(fù)荷組成，采用柴油機(jī)為主、光伏為從的控制方法，光伏系統(tǒng)采用MPPT控制始終保持最大功率輸出，柴油發(fā)電機(jī)采用基于BP神經(jīng)網(wǎng)絡(luò)PID控制器調(diào)速系統(tǒng)和勵(lì)磁系統(tǒng)穩(wěn)壓穩(wěn)頻。微網(wǎng)結(jié)構(gòu)模型如圖1所示。

圖1 微網(wǎng)結(jié)構(gòu)模型Fig.1 Structure model of micro-grid

2 基于BP神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)及仿真

2.1 BP神經(jīng)網(wǎng)絡(luò)算法

1986年D.E.Rumelhart和J.L.Mcclelland等人提出了多層前向網(wǎng)絡(luò)的反向傳播算法（Back Propagation），簡(jiǎn)稱BP網(wǎng)絡(luò)。它是一種前向反饋網(wǎng)絡(luò)，圖2顯示神經(jīng)網(wǎng)絡(luò)具有三層結(jié)構(gòu)：輸入層、隱含層和輸出層，同一層的神經(jīng)元沒有任何連接，而不同層次的神經(jīng)元向前連接[12-13]。其中各層的輸入、輸出函數(shù)公式在許多文獻(xiàn)中都有研究，算法已經(jīng)很成熟，這里我們引用文獻(xiàn)[14]中所列出的輸入、輸出公式。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 BP neural network

2.2 BP神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)

圖3為本系統(tǒng)基于BP神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)圖，通過PID的閉環(huán)控制實(shí)施參數(shù)在線整定，同時(shí)利用BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力和各層加權(quán)系數(shù)的調(diào)整，從而調(diào)節(jié)PID參數(shù)[15]，達(dá)到網(wǎng)絡(luò)頻率最優(yōu)化。

數(shù)字PID增量式控制方法為：

其中：u（k）=Δu（k）+u（k－1），Kp、Ti、Td分別是比例、積分常數(shù)和微分系數(shù)，e（k）=vref（k）－v（k），這里vref（k）為參考轉(zhuǎn)速，v（k）為柴油發(fā)電機(jī)實(shí)際轉(zhuǎn)速輸出。

圖3 基于BP神經(jīng)網(wǎng)絡(luò)PID控制器Fig.3 PID controller based on BP neural network

基于以上分析，本系統(tǒng)采用圖4所示4-5-3的網(wǎng)絡(luò)結(jié)構(gòu)。

圖4 光柴孤島微電網(wǎng)系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Light diesel island micro-grid system based on BP neural network

2.3 基于BP神經(jīng)網(wǎng)絡(luò)PID控制器仿真分析

本文采用基于S函數(shù)的BP神經(jīng)網(wǎng)絡(luò)PID控制器的算法步驟如下：

1）確定BP網(wǎng)絡(luò)結(jié)構(gòu)，初始化各層加權(quán)系數(shù)，選取學(xué)習(xí)速率η和慣性系數(shù)α，此時(shí)k=1。

2）采集柴油發(fā)電機(jī)轉(zhuǎn)速v（k），根據(jù)參考值vref（k），計(jì)算此時(shí)的誤差e（k）=v（k）-vref（k）。

3）根據(jù)公式計(jì)算各層的輸入、輸出，得到可調(diào)參數(shù)Kp、Ti、TD計(jì)算PID控制器的輸出。

4）根據(jù)網(wǎng)絡(luò)的學(xué)習(xí)算法，在線調(diào)整各層的權(quán)值系數(shù)，完成PID控制器的自動(dòng)調(diào)整。

5）k=1，返回步驟1）。

文中系統(tǒng)控制對(duì)象如式（10），其中：a（k）=1.2（1-0.8e^（-0.1k））；輸入信號(hào)：vref（k）=1.0和vref（k）= sin（2t）。選取網(wǎng)絡(luò)結(jié)構(gòu)為4-5-3，學(xué)習(xí)速率η=0.25、慣性系數(shù)α=0.05，初始權(quán)值區(qū)間為[-0.5，+0.5]。仿真結(jié)果如圖5所示。

從圖5（a）、（b）可以看出剛開始系統(tǒng)輸出和參考值相差較大，但是在非常短的時(shí)間內(nèi)系統(tǒng)輸出趨近參考值，最后與參考值相等，且誤差為零；由圖5（c）可知系統(tǒng)在大約0～0.05 s內(nèi)自適應(yīng)調(diào)整參數(shù)，最后使控制參數(shù)穩(wěn)定。仿真結(jié)果表明采用BP神經(jīng)網(wǎng)絡(luò)的PID控制器算法精度高、效果好、時(shí)間短，具有很好的使用價(jià)值。

3 基于BP神經(jīng)網(wǎng)絡(luò)柴油發(fā)電機(jī)控制器設(shè)計(jì)

在微電網(wǎng)中，當(dāng)光、儲(chǔ)出力不足時(shí)啟動(dòng)柴油機(jī)，及時(shí)補(bǔ)充負(fù)載正常運(yùn)行所需的電能，保障供電系統(tǒng)連續(xù)、可靠、安全運(yùn)行。

圖6為發(fā)電機(jī)結(jié)構(gòu)圖，當(dāng)負(fù)載需求發(fā)生變化時(shí)，速度控制系統(tǒng)控制燃料閥調(diào)節(jié)柴油機(jī)供油量，使柴油機(jī)維持恒定的轉(zhuǎn)速[16]，從而保證頻率穩(wěn)定輸出，勵(lì)磁控制系統(tǒng)對(duì)勵(lì)磁電流進(jìn)行調(diào)節(jié)以保障同步發(fā)電機(jī)輸出電壓穩(wěn)定[17]。

圖5 系統(tǒng)仿真結(jié)果圖Fig.5 Simulation results of the system

圖6 柴油發(fā)電機(jī)結(jié)構(gòu)圖Fig.6 Structure of the diesel generator

3.1 原動(dòng)機(jī)速度反饋控制系統(tǒng)

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)，確定輸入層神經(jīng)元數(shù)為3，輸出層神經(jīng)元數(shù)為3，當(dāng)隱層神經(jīng)元數(shù)為8時(shí)，準(zhǔn)確性最高，對(duì)其性能進(jìn)行仿真。

3.2 柴油機(jī)發(fā)電系統(tǒng)仿真

柴油發(fā)電機(jī)系統(tǒng)孤網(wǎng)運(yùn)行仿真條件如表1所示，仿真結(jié)果如圖7所示，運(yùn)行時(shí)序控制分析如下：

表1 孤網(wǎng)運(yùn)行仿真條件Tab.1 Simulation conditions of the isolated operation

圖7 孤網(wǎng)運(yùn)行仿真結(jié)果Fig.7 Simulation results of isolated operation

0～6 s，系統(tǒng)啟動(dòng)，帶load1穩(wěn)定運(yùn)行；

6 s時(shí)，系統(tǒng)突加load2，端電壓Vt稍有跌落，勵(lì)磁電壓Vf明顯上升，經(jīng)調(diào)節(jié)器調(diào)節(jié)后在7 s時(shí)均恢復(fù)穩(wěn)定。原動(dòng)機(jī)轉(zhuǎn)速ω（pu）隨電磁轉(zhuǎn)矩增大而降低，經(jīng)速度反饋控制系統(tǒng)調(diào)控，其在7.2 s時(shí)重新穩(wěn)定在參考值，原動(dòng)機(jī)輸出功率Pmec（pu）增加；

12 s系統(tǒng)切除load2，隨著電磁轉(zhuǎn)矩減小原動(dòng)機(jī)轉(zhuǎn)速增大，經(jīng)速度反饋控制系統(tǒng)調(diào)控，其在13.1 s時(shí)重新穩(wěn)定，原動(dòng)機(jī)輸出功率減小。Vt稍有增加，Vf明顯跌落，經(jīng)調(diào)節(jié)器調(diào)節(jié)后在13 s時(shí)均恢復(fù)穩(wěn)定值。

由以上結(jié)果和分析可知，在基于BP神經(jīng)網(wǎng)絡(luò)PID速度反饋控制系統(tǒng)和勵(lì)磁控制系統(tǒng)的調(diào)控下，當(dāng)負(fù)載發(fā)生擾動(dòng)時(shí)，系統(tǒng)電壓和頻率很快維持在穩(wěn)定范圍內(nèi)。

4 光柴孤網(wǎng)系統(tǒng)仿真分析

光柴孤網(wǎng)運(yùn)行仿真條件如表2所示，光柴孤網(wǎng)運(yùn)行結(jié)果如圖8所示，運(yùn)行時(shí)序控制分析如下：

表2 光柴孤網(wǎng)運(yùn)行仿真條件Tab.2 Simulation conditions of light wood isolated operation

0～1 s期間，系統(tǒng)啟動(dòng)，光伏系統(tǒng)通過逆變器并入微網(wǎng)，功率快速上升并穩(wěn)定最大輸出功率值30 kW；微電網(wǎng)總功率用電負(fù)荷為40 kW、10 kV·A；柴油機(jī)作為主控電源，自動(dòng)平衡負(fù)荷需求與光伏發(fā)電間功率差，系統(tǒng)穩(wěn)定運(yùn)行。

1～2 s期間切入新負(fù)荷，總功率突增為60 kW、15 kV·A，由圖8（c）可知柴油發(fā)電機(jī)迅速增大輸出功率，維持系統(tǒng)功率供需平衡狀態(tài)。

2～3 s期間外界光強(qiáng)由1 000 W/m2突降至800 W/m2，圖8（a）顯示光伏系統(tǒng)輸出功率降低，在由圖8（c）知柴油機(jī)組隨之增大輸出功率以彌補(bǔ)功率差。

圖8（d）顯示，在柴油機(jī)組控制下微電網(wǎng)頻率稍有波動(dòng)，但基本維持在50 Hz附近，負(fù)載或環(huán)境變化時(shí)頻率起伏較大但迅速恢復(fù)，波動(dòng)不超過±0.2 Hz。由圖8（e）、（f）可知，系統(tǒng)運(yùn)行時(shí)電壓穩(wěn)定性良好，且其正弦度良好。

從仿真結(jié)果圖中可以看出，在光柴孤網(wǎng)系統(tǒng)中柴油機(jī)作為微電網(wǎng)的主控電源，采用基于BP神經(jīng)的PID控制器調(diào)節(jié)柴油發(fā)電機(jī)的轉(zhuǎn)速，當(dāng)環(huán)境或負(fù)荷功率需求改變時(shí)，該控制器能快速響應(yīng)、準(zhǔn)確輸出、自動(dòng)平衡供需功率，能較穩(wěn)定地控制微電網(wǎng)系統(tǒng)電壓和頻率。

5 總結(jié)

本文針對(duì)光柴獨(dú)立微電網(wǎng)系統(tǒng)，分析光伏和柴油發(fā)電機(jī)的數(shù)學(xué)特性以及柴油機(jī)發(fā)電系統(tǒng)的結(jié)構(gòu)組成與工作原理，分別采用不同的控制方法：首先，對(duì)光伏系統(tǒng)采用MPPT控制，保證光伏以最大功率輸出；其次，采用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)通過調(diào)節(jié)原動(dòng)機(jī)轉(zhuǎn)速，控制柴油機(jī)的有功輸出，進(jìn)而優(yōu)化由于外界環(huán)境或負(fù)載功率需求改變時(shí)引起的系統(tǒng)頻率偏差。

通過利用Matlab/Simulink仿真分析得出，本文設(shè)計(jì)的光柴互補(bǔ)微電網(wǎng)系統(tǒng)，既保證了光伏系統(tǒng)以最大功率輸出，同時(shí)所采用的基于BP神經(jīng)網(wǎng)絡(luò)PID控制器將系統(tǒng)頻率控制在可控范圍內(nèi)，具有較好的調(diào)頻效果。

圖8 光柴孤網(wǎng)運(yùn)行仿真結(jié)果Fig.8 Simulation results of light wood isolated operation

[1]劉文.微電網(wǎng)孤島運(yùn)行的主從控制策略研究[D].廣州：廣東工業(yè)大學(xué)，2012.

[2]李彬，薛云燦，王思睿，等.基于自適應(yīng)模糊PID控制的最大功率點(diǎn)跟蹤技術(shù)研究[J].陜西電力，2015，43（7）: 7-10.LI Bin，XUE Yuncan，WANG Sirui，et al.Study on maximum power point tracking technology based on adaptive fuzzy PID control[J].Shaanxi Electric Power，2015，43（7）:7-10（in Chinese）.

[3]FEMIA N，PETRONE G，SPAGNUOLO G，et al.Optimization of perturb and observe maximum power point tracking method[J].Power Electronics IEEE Transactions on，2005，20（4）:963-973.

[4]繆勇，奚玲玲.微電網(wǎng)孤島運(yùn)行下的頻率控制研究[J].電器與能效管理技術(shù)，2015（2）:49-55.MIAO Yong，XI Lingling.Research on frequency control in islanded microgrid[J].Electrical&Energy Management Technology，2015（2）：49-55（in Chinese）.

[5]SINGH S，SINGH A K，CHANANA S.Operation and control of a hybrid photovoltaic-diesel-fuel cell system connected to micro-grid[C].Power India Conference，2012 IEEE Fifth.IEEE，2012:1-6.

[6]米陽，張寒，楊洋，等.獨(dú)立光柴混合微電網(wǎng)新的負(fù)荷頻率控制研究[J].控制工程，2014，21（1）：1-6.MI Yang，ZHANG Han，YANG Yang，et al.The study of novel load frequency control for isolated PV-diesel hybrid microgrid[J].Control Engineering of China，2014，21（1）: 1-6（in Chinese）.

[7]米陽，田越，張寒，等.光柴互補(bǔ)獨(dú)立微電網(wǎng)的頻率優(yōu)化控制研究[C]//第26屆中國控制與決策會(huì)議論文集，2014.

[8]ELMITWALLY A，RASHED M.Flexible operation strategy for an isolated PV-Diesel microgrid without energy storage[J].Energy Conversion IEEE Transactions on，2011，26（1）:235-244.

[9]呂偉，姚凱學(xué).BP神經(jīng)網(wǎng)絡(luò)PID控制算法在農(nóng)作物干燥控制系統(tǒng)中的應(yīng)用研究與設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2015（2）:432-435.Lü Wei，YAO Kaixue.BP neural network PID control algorithm applied research and design of the control system of crop drying[J].Computer Measurement&Control，2015（2）：432-435（in Chinese）.

[10]李廣軍，張晶，曾安平.基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器研究[J].計(jì)算機(jī)仿真，2009，26（9）:128-131.LI Guangjun，ZHANG Jing，ZENG Anping.PID control based on BP neural network[J].Computer Simulation，2009，26（9）:128-131（in Chinese）.

[11]郎進(jìn)平，杜迎喜.基于神經(jīng)網(wǎng)絡(luò)PID控制的有源電力濾波器的研究[J].現(xiàn)代礦業(yè)，2014（6）:135-137.LANG Jinping，DU Yingxi.Study of active power filter based on neural network of PID control[J].Modern Minin，2014（6）:135-137（in Chinese）.

[12]袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用[M].北京：清華大學(xué)出版社，1999：1-121.

[13]廖芳芳，肖建.基于BP神經(jīng)網(wǎng)絡(luò)PID參數(shù)自整定的研究[J].系統(tǒng)仿真學(xué)報(bào)，2005，17（7）:1711-1713.LIAO Fangfang，XIAO Jian.Research on self-tuning of PID parameters based on BP neural network[J].Journal of System Simulation，2005，17（7）:1711-1713（in Chinese）.

[14]李建科，王金全，馬濤，等.基于BP神經(jīng)網(wǎng)絡(luò)的并聯(lián)型有源電力濾波器直流側(cè)電壓PID控制設(shè)計(jì)[J].電網(wǎng)與清潔能源，2012，28（6）：61-65.LI Jianke，WANG Jinquan，MA Tao，et al.Design of DC voltage with PID control of shunt active power filter based on BP neural network[J].Power Syetem and Clean Energy，2012，28（6）：61-65（in Chinese）.

[15]史春朝.BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及其在PID控制中的應(yīng)用研究[D].天津：天津大學(xué)，2006.

[16]蕭穎，潘大德.柴油機(jī)數(shù)學(xué)模型的模擬和仿真[J].內(nèi)燃機(jī)車，2011，3（3）:12-15.XIAO Ying，PAN Dade.Modeling and simulation of mathematical models of diesel[J].Diesel Locomotives，2011，3（3）:12-15（in Chinese）.

[17]SEDAGHAT B，JALILVAND A，NOROOZIAN R.Design of a multilevel control strategy for integration of standalone wind/diesel system[J].Eds.Zanjan，Iran:Elsevier Ltd，2011，13（5）:26-34.

（編輯 徐花榮）

Optimal Control of Photovoltaic-Diesel Isolated Network Based on BP Neural Network

HU Gang，F(xiàn)AN Weidong，LI Zhong
（College of IOT Engineering，Hohai University，Changzhou 213022，Jiangsu，China）

The independent micro-grid system of photovoltaic-diesel hybrid power generation mainly includes photovoltaic batteries used to generate electricity，diesel power generation and load.The photovoltaic power generation model uses the MPPT control to ensure the maximum power output.On the basis of ensuring the maximum photovoltaic power output，an analysis is made on the prime mover，its speed/power feedback system，synchronous generator and excitation control system and a mathematical model is established accordingly.To maintain a constant frequency of the micro-gird system，a PID controller based on BP neural network algorithm is designed to control the speed of prime mover to adjust its output power.The simulation result shows that the control strategy proposed can achieve the maximum output power of photovoltaic and improve the utilization of solar energy.In addition，it can ensure a constant frequency of the micro-grid system.

micro-grid；PV power generation；diesel generator；frequency control；BPNN

2015-08-07。

胡 鋼（1958—），男，教授，碩士，主要研究方向?yàn)閭鞲芯W(wǎng)理論與應(yīng)用、信息感知與智能系統(tǒng)；

范偉東（1990—），男，碩士研究生，主要研究方向?yàn)橥ㄐ排c信息系統(tǒng)；

李 忠（1990—），男，碩士研究生，主要研究方向?yàn)橥ㄐ排c信息系統(tǒng)。

國家自然科學(xué)基金青年基金（51207043）。

Project Supported by the National Natural Science Foundation of China（51207043）.

1674-3814（2016）11-0129-06

TP393

B