張海寧

(青海省光伏并網(wǎng)發(fā)電技術重點實驗室，青海西寧810000)

基于遞推最小二乘算法的逆變器參數(shù)辨識

張海寧

(青海省光伏并網(wǎng)發(fā)電技術重點實驗室，青海西寧810000)

逆變器作為光伏發(fā)電并網(wǎng)系統(tǒng)的關鍵元件，其性能不僅影響和決定整個光伏并網(wǎng)系統(tǒng)是否能夠穩(wěn)定、安全、可靠、高效地運行，同時也是影響整個系統(tǒng)使用壽命的主要因素。針對現(xiàn)階段已有的逆變器模型及控制系統(tǒng)研究的不足，采用電壓型三相橋式逆變電路的結構，電壓外環(huán)、電流內環(huán)的雙閉環(huán)控制，并推導出了逆變器的dq軸解耦待辨識模型，采用遞推最小二乘算法對該模型進行參數(shù)辨識，得到了各個待辨識參數(shù)的實際值，由辨識結果可以看出辨識誤差較小，辨識值與設定值非常接近，并在模型中加入了擾動實驗，進一步驗證了該算法在逆變器辨識方面的準確性和可行性。

逆變器；參數(shù)辨識；dq軸參數(shù)解耦；遞推最小二乘算法

0 引言

隨著新能源、微電網(wǎng)技術和智能電網(wǎng)的快速發(fā)展，光伏發(fā)電系統(tǒng)已經(jīng)得到比較廣泛的應用，并具有廣闊的發(fā)展前景[1]。并網(wǎng)光伏發(fā)電系統(tǒng)通過逆變器接入電力系統(tǒng)，逆變器作為能量轉換單元提供必要控制，已成為光伏發(fā)電系統(tǒng)的核心單元[2]。光伏陣列輸出的直流電由逆變器轉換為滿足電網(wǎng)要求的交流電，再輸入電網(wǎng)的設備，逆變器的性能不僅影響和決定整個系統(tǒng)的安全性、高效性、穩(wěn)定性及可靠性，同時也能直接影響整個系統(tǒng)的使用壽命[3]。

光伏并網(wǎng)逆變器根據(jù)有無隔離變壓器可分為隔離型和非隔離型，其中，隔離型逆變器可分為高頻和工頻逆變器，非隔離型逆變器可分為單級和多級逆變器。其控制方式有多種，如 PQ 控制、v/f 控制、斜率控制等。一般逆變器控制采取電壓外環(huán)和電流內環(huán)的雙閉環(huán)控制，電壓外環(huán)、電流內環(huán)多采用PI控制器來進行調節(jié)，但僅通過常規(guī)的PI控制很難對正弦電流達到理想的控制，通常還加入比例-諧振控制設計環(huán)節(jié)，減少諧波輸出，完成直流電壓的無靜差控制[4]。目前，國內外關于光伏逆變器的模型及參數(shù)辨識方法的研究并不太成熟，研究成果也相對較少。文獻[2]2440利用非線性系統(tǒng)辨識技術，建立了并網(wǎng)逆變器的模型，并將逆變器當做“黑箱子”，根據(jù)“黑箱子”的輸入輸出，對逆變器進行辨識；文獻[5]基于實測數(shù)據(jù)，搭建了并網(wǎng)光伏發(fā)電系統(tǒng)逆變器的模型，并提出了針對典型光伏并網(wǎng)逆變器雙環(huán)控制模型的dq軸參數(shù)解耦辨識策略，但文章對于參數(shù)辨識過程缺乏詳細的闡述；文獻[6]搭建了整個光伏系統(tǒng)的模型，并采用遞推最小二乘算法對光伏系統(tǒng)進行了參數(shù)辨識，但對于逆變器控制模型及該算法在逆變器參數(shù)辨識領域應用意義的相關描述較少；文獻[7]提出了光伏逆變器的Wiener 模型，并驗證了Wiener 模型在不同光照強度下的穩(wěn)態(tài)特性；文獻[8-9]采用了最小二乘法辨識了并網(wǎng)光伏發(fā)電系統(tǒng)仿真模型的參數(shù)。

在以往的參數(shù)辨識過程中，國內有學者通過考慮配電網(wǎng)網(wǎng)側接入光伏發(fā)電系統(tǒng)后對綜合負荷模型的影響，建立了整個并網(wǎng)光伏發(fā)電系統(tǒng)的模型，并通過建模過程推導計算出了整個系統(tǒng)的外特性方程，但該學者在建立的并網(wǎng)光伏發(fā)電系統(tǒng)模型時，并沒有考慮電流內環(huán)的控制，因此，在多次的擾動辨識實驗中，并網(wǎng)逆變器電壓外環(huán)控制的參數(shù)辨識結果也有較差的一致性[10]。針對并網(wǎng)光伏逆變器的控制模型的參數(shù)辨識，通常直接調節(jié)逆變器的輸入，設置一次側電壓和無功的跳變來引發(fā)設備的動作，或者在PI控制器參數(shù)的參考值上制造階躍擾動。但內環(huán)控制器與外環(huán)控制器之間相互關聯(lián)，相互影響，想要在同一擾動下既辨識內環(huán)參數(shù)，又辨識外環(huán)參數(shù)的難度很大，辨識結果通常表現(xiàn)為，動態(tài)響應曲線有較好的擬合水平，但運用算法進行優(yōu)化辨識時，參數(shù)的多次辨識結果有很大差異[11]。

針對上述不足，本文采用典型光伏逆變器拓撲結構，即電壓型三相橋式逆變電路的結構，控制系統(tǒng)采用電壓外環(huán)、電流內環(huán)的雙閉環(huán)控制，通過對原始方程的簡化及計算，得到解耦的并網(wǎng)逆變控制器dq軸參數(shù)方程，從而建立待辨識的dq軸解耦模型；并采用遞推最小二乘算法對待辨識模型進行參數(shù)辨識，該算法方法具有算法簡單、計算量小，穩(wěn)定性強，多次辨識的結果相差小，一致性高，通用性強，可實時在線辨識的優(yōu)勢，在逆變器模型辨識過程中得到了更為準確的逆變器控制參數(shù)。

1 并網(wǎng)光伏逆變器模型及其控制策略

1.1 逆變器模型

并網(wǎng)光伏發(fā)電系統(tǒng)主要由光伏陣列、DC-DC變換器、DC-AC逆變器和控制系統(tǒng)組成。光伏陣列實現(xiàn)將太陽的輻射轉化為直流電能；DC-DC為Boost升壓電路，實現(xiàn)轉換前后電壓、電流不同的直流電、直流電之間的轉換功能，即將光伏陣列輸出的直流電壓轉換為可輸入逆變器的直流形式，調整光伏陣列的輸出電壓到一個合適的值以配合電網(wǎng)電壓的大小，同時實現(xiàn)光伏電池輸出最大功率點跟蹤(MPPT)，使光伏模塊穩(wěn)定地工作在最大功率點；逆變器實現(xiàn)將太陽能發(fā)電系統(tǒng)所發(fā)出的直流電轉換為與電網(wǎng)同頻率、同相位的交流電的功能，是連接光伏模塊和電網(wǎng)至為關鍵的一環(huán)。

逆變器由IGBT等功率開關器件構成，控制電路使開關元件有一定規(guī)律的連續(xù)開通或關斷，使輸出電壓極性正負交替，將直流輸入轉換為交流輸出。本文采用典型光伏逆變器拓撲結構，即電壓型三相橋式逆變電路，其結構如圖1所示。

圖1 電壓型三相橋式逆變電路結構圖

其中，VT1 VT6、VD1 VD6 為 IGBT開關管；uDC為直流側電壓；Va、Vb、Vc為三相電壓源換流器交流側電壓；Vsa、Vsb、Vsc為并網(wǎng)點電壓；ia、ib和ic為逆變器輸出電流。

1.2dq軸解耦的辨識模型

光伏逆變器一般采用電壓外環(huán)、電流內環(huán)控制的雙閉環(huán)控制結構。在同步旋轉參考坐標系下，電壓外環(huán)是將直流電壓和逆變器輸出的無功功率分別與參考信號進行比較，得到的誤差信號經(jīng)過PI控制器后，其輸出分別為電流內環(huán)的參考值Id_ref和Iq_ref；內環(huán)電流控制器采用PI控制器，其輸出與交叉解耦項之和等于逆變器輸出電壓。內環(huán)電流控制、外環(huán)直流電壓/無功功率控制方程及濾波器電路方程分別如式(1)、(2)、(3)所示。

(1)

(2)

(3)

式中：Vd和Vq分別為逆變器輸出電壓的d軸和q軸分量；Ls為濾波電感；Vsd、Vsq分別為并網(wǎng)點電壓的d軸和q軸分量；Id，Iq分別為逆變器輸出電流的d軸和q軸分量；Id_ref和Iq_ref分別為由外環(huán)輸出的內環(huán)電流dq軸參考值；kPI1和kII1分別為內環(huán)d軸電流控制器的比例和積分系數(shù)；kPI2和kII2分別為內環(huán)電流q軸控制器的比例和積分系數(shù)；ω為鎖相環(huán)輸出的當前系統(tǒng)頻率。UDC_ref為直流側電壓參考值，；kPU和kIU分別為電壓外環(huán)控制器的比例和積分系數(shù)；kPQ和kIQ分別為無功功率控制器的比例和積分系數(shù)；Q為無功功率測量值；Qref為調度給定的無功功率參考值，本文設置為0。逆變器控制方程(1)中存在dq軸的耦合項，辨識難度大。為減少方程中變量的個數(shù)，結合式(1)、(3)，可得:

(4)

將式(2)代入式(4)，整理可得不含耦合項的辨識方程如式(5)、(6)所示:

(5)

(6)

式(5)、(6)實現(xiàn)了dq軸參數(shù)解耦。根據(jù)式(5)、(6)得到待辨識的參數(shù)為kPI1,kII1,kPU,kIU,Ls,kPI2,kII2,kPQ,kIQ。基于光伏發(fā)電系統(tǒng)模型與逆變器dq軸解耦模型的系統(tǒng)辨識框圖如圖2所示。

圖2 系統(tǒng)辨識框圖

2 基于遞推最小二乘算法的逆變器模型辨識

在研究系統(tǒng)辨識問題時，常把待辨識系統(tǒng)進行“黑箱”處理，即不考慮內部結構，只考慮系統(tǒng)的輸入-輸出特性。系統(tǒng)辨識中，最小二乘法作為一種最基本的算法，得到了廣泛的應用，其包括非遞推最小二乘法和遞推最小二乘法2種形式。本文采用遞推最小二乘辨識方法，對式(5)、(6)的模型中的9個參數(shù)進行遞推估計。該算法方法簡單、計算量小，穩(wěn)定性強，多次辨識的結果相差小，一致性高，通用性強，可實時在線辨識[12]。

先對d軸未知參數(shù)進行辨識，d軸辨識模型的輸出變量為Id，需要辨識的參數(shù)為kPI1,kII1,kPU,kIU,Ls。之后固定Ls和d軸辨識的結果，繼續(xù)辨識q軸參數(shù)kPI2,kII2,kPQ,kIQ。由于dq軸解耦后需要辨識的模型是一個非線性方程，首先要將其線性化為遞推最小二乘算法的模型形式，具體線性化方法見文獻[13]。設定目標函數(shù)為：

(7)

式中：Ys為實際系統(tǒng)的觀測值，即Id與Iq的實測值；Yj為由仿真模型計算得出的逆變器dq軸輸出電流組成的矩陣。遞推最小二乘算法步驟如下：

考慮典型差分方程模型：

(8)

且定義向量

(9)

(10)

(11)

定義

(12)

可將它們合寫為矩陣向量形式：

(13)

定義n×n矩陣

(14)

則由推導可得到RLS模型的參數(shù)估值為：

(15)

(16)

(17)

表1 模型參數(shù)辨識結果

式中：θ(t)為待辨識的參數(shù)向量；F(k)為增益矩陣；φ(t+1)為觀測矩陣；P(t)為協(xié)方差矩陣。圖3為程序流程圖。

圖3 遞推最小二乘算法程序流程圖

3 辨識結果及分析

為了驗證遞推最小二乘算法在逆變器參數(shù)辨識領域的準確性及有效性，利用MATLAB軟件搭建了逆變器dq軸解耦的辨識模型及整個光伏發(fā)電系統(tǒng)的模型，并根據(jù)以往運行經(jīng)驗給出了各個控制參數(shù)的一組設定值，如表1中所示。測試數(shù)據(jù)為經(jīng)過濾波電感后的dq軸電流值Id、Iq。

本文采用遞推最小二乘算法對未知參數(shù)進行辨識，將Id的實測值作為遞推最小二乘模型的輸入量，辨識參數(shù)kPI1,kII1,kPU,kIU,Ls。隨后，固定Ls和d軸辨識的結果，將Iq的實測值作為遞推最小二乘模型的輸入量，繼續(xù)辨識q軸參數(shù)kPI2,kII2,kPQ,kIQ。由于在逆變器控制系統(tǒng)中，kPU,kIU的取值分別與kPQ,kIQ的取值相同，因此只需繼續(xù)辨識kPI2,kII22個參數(shù)。迭代次數(shù)取500次，迭代過程中各參數(shù)的變化趨勢及辨識結果分別如圖4～10所示，可以看出，隨著迭代次數(shù)的逐漸增加，9個參數(shù)分別逐漸穩(wěn)定在某一定值附近。各個參數(shù)的辨識值與設定值對比見表1，殘差平方和J如圖11所示，可以看出仿真誤差較小，算法精度較高。

圖4 kPI1辨識過程曲線

圖5 kII1辨識過程曲線

圖6 kPU辨識過程曲線

圖7 kIU辨識過程曲線

圖8 Ls辨識過程曲線

圖9 kPI2辨識過程曲線

圖10 kII2辨識過程曲線

圖11 殘差平方和(RSS)J過程曲線

圖12 逆變器輸出波形

圖12為光伏發(fā)電系統(tǒng)單相輸出曲線，其中，基于設定值的輸出曲線如圖中虛線所示，實測曲線如圖中點化線所示，由兩條曲線對比可以看出，實測曲線與基于設定值的仿真曲線之間有很大的偏差；辨識曲線如圖中實線所示，可以看出，辨識曲線與實測曲線有較好的一致性，進一步驗證了該算法在逆變器辨識方面的準確性和可行性。

以上辨識過程基于穩(wěn)態(tài)運行時的仿真模型，光伏陣列穩(wěn)定地運行在最大功率點，現(xiàn)在MATLAB搭建的模型中設置如下擾動：Udc_ref(標幺值)在0.2 s時發(fā)生20%的跳變，Qref在0.3 s時發(fā)生從0～0.3(標幺值)的跳變，并記錄基于控制系統(tǒng)參數(shù)設定值、辨識值、實測數(shù)據(jù)的光伏發(fā)電系統(tǒng)的輸出曲線如圖13所示。圖中，長虛線為基于設定參數(shù)值的光伏逆變器輸出結果，實線為根據(jù)實測數(shù)據(jù)畫出的輸出曲線，點化線為辨識曲線。由圖中可以看出，在加入擾動后，實測曲線與基于設定值的輸出曲線之前有較大偏差,而基于辨識值的逆變器輸出特性曲線與基于實測數(shù)據(jù)的逆變器輸出特性曲線擬合程度依然很高，該辨識方法的辨識精度仍能得以滿足。

圖13 dq軸電流對比曲線

4 結論

光伏并網(wǎng)逆變器是光伏系統(tǒng)的核心裝置，對其模型及控制系統(tǒng)進行參數(shù)辨識研究具有重大意義。本文采用了電壓型三相橋式逆變電路的結構，建立了并網(wǎng)逆變器的模型，并采用電壓外環(huán)、電流內環(huán)的雙閉環(huán)控制系統(tǒng)，建立了逆變控制器dq軸參數(shù)解耦模型；采用遞推最小二乘算法對待辨識模型進行參數(shù)辨識，該方法算法簡單、計算量小，穩(wěn)定性強，多次辨識的結果相差小，一致性高，通用性強，可實時在線辨識。由仿真結果可以看出仿真誤差較小，辨識值與理論值非常接近，在加入擾動后，擬合效果仍然較好，驗證了該算法在逆變器辨識方面的準確性和可行性，得到更為準確的逆變器控制參數(shù)，為光伏逆變器參數(shù)辨識提供了一個準確可行的方法。

[1]孫浩,張曼,陳志剛，等. 并網(wǎng)光伏發(fā)電系統(tǒng)的通用性機電暫態(tài)模型及其與電磁暫態(tài)模型的對比分析[J]. 電力系統(tǒng)保護與控制，2014，42(3)：128-133.

[2]鄭偉,熊小伏. 光伏并網(wǎng)逆變器NARX模型的系統(tǒng)辨識[J]. 電網(wǎng)技術，2013，39(9)：2440-2445.

[3]張興，曹仁賢. 太陽能光伏并網(wǎng)發(fā)電及其逆變控制[M]. 北京：機械工業(yè)出版社，2010.

[4]王皓懷，湯涌，侯俊賢，等.風光儲聯(lián)合發(fā)電系統(tǒng)的組合建模與等值[J].中國電機工程學報，2011，31(34)：1-9.

[5]沈欣煒,鄭競宏,朱守真，等. 光伏并網(wǎng)逆變器控制參數(shù)的dq軸解耦辨識策略[J]. 電力系統(tǒng)自動化，2014，38(4)：38-43.

[6]付兵彬，賈春蓉，楊昌海，等.光伏并網(wǎng)發(fā)電系統(tǒng)仿真模型的參數(shù)辨識[J].電力系統(tǒng)及其自動化學報，2013，25(5)：116-120.

[7]鄭偉，熊小伏.基于 Wiener 模型的光伏并網(wǎng)逆變器模型辨識方法[J].中國電機工程學報，2013，33(36)：18-26.

[8]熊小伏，陳康，鄭偉，等.基于最小二乘法的光伏逆變器模型辨識[J].電力系統(tǒng)保護與控制，2012，40(22)：52-57，63.

[9]鄭偉. 光伏并網(wǎng)逆變器辨識建模方法及應用[D].重慶：重慶大學，2014.

[10]張劍，孫元章.三相單級光伏并網(wǎng)系統(tǒng)對配電網(wǎng)側負荷建模的影響[J].電力系統(tǒng)自動化，2011,35(2):73-78.

[11]金宇清,鞠平,潘學萍,等. 光伏逆變器控制參數(shù)的分步辨識方法[J]. 電網(wǎng)技術，2015，39(3)：594-600.

[12]趙海森,杜中蘭,劉曉芳,等. 基于遞推最小二乘法與模型參考自適應法的鼠籠式異步電機轉子電阻在線辨識方法[J]. 中國電機工程學報，2014，34(30)：5386-5394.

[13]潘月斗,陳繼義,徐杰，等.矩陣變換器輸入電流的狀態(tài)反饋線性化控制[J].高電壓技術，2014，40(8)：2497-2503.

《電力科學與工程 》

歡迎投稿

歡迎訂閱

投稿網(wǎng)址：http://www.dlkxygc.com

Parameter Identification of Inverter Based on Recursive Least Square Algorithm

ZHANG Haining

(Qinghai Province Key Laboratory of PV Grid Connected Power Generation Technology, Xining 810000，China )

As a key component of PV grid connected system, not only the stability, security, reliability and efficiency of the whole PV system are affected by the performance of the inverter, but also the service life of the system is mainly influenced by it. In the light of the deficiency of the inverter model and control system at the present stage, the structure of a three-phase bridge type of inverter circuit in voltage type is adopted. The control system adopts the double closed loop control of voltage outer loop and current inner loop, and adqaxis decoupling model is deduced. Then, the recursive least square algorithm is adopted to identify the unknown parameters of the model. The actual values of the parameters to be identified are obtained. The identification results show that the identification error is relatively small, and the identification value is very close to the theoretical value. The disturbance experiment is added in the model which further verifies the accuracy and feasibility of the algorithm in the identification of the inverter.

inverter; parameter identification;dqaxis parameter decoupling; recursive least square algorithm

10.3969/j.ISSN.1672-0792.2017.02.004

2016-10-10。

青海省電力公司項目(52280714001D)；青海省光伏發(fā)電并網(wǎng)技術重點實驗室項目(2014-Z-Y34A)。

TM73

A

1672-0792(2017)02-0021-07

張海寧(1974-)，男，碩士，高級工程師，研究方向為電力系統(tǒng)自動化。