一种用于调节两阶段并网逆变器多个交流/直流变量的集成人工神经网络(ANN)控制器

《Sustainable Energy Technologies and Assessments》:An integrated ANN controller for regulating multiple AC/DC variables of two-stage grid-tied inverters

【字体: 大 中 小 】 时间:2026年03月26日 来源:Sustainable Energy Technologies and Assessments 7

编辑推荐:

  两阶段逆变器多变量协同控制难题,提出单神经网络控制器,通过优化网络结构、激活函数与梯度算法实现DC/AC变量同步控制,实验验证其在动态响应、电网适应性和计算效率上的优势。

  
聂凯哲|高峰|姜宇|秦彩云
山东大学控制科学与工程学院,济南250012,中国

摘要

电池储能系统通常采用两阶段逆变器与电网连接,需要同时控制多个直流和交流变量。现有的控制策略通常假设多个控制器以级联方式工作来管理两阶段逆变器,这限制了系统的动态性能。尽管人工神经网络(ANN)在多输入多输出系统的控制中表现出色,但由于存在具有不同动态行为的多个交流和直流变量,它们尚未应用于两阶段逆变器。为了解决这一问题,本文设计了一种集成ANN控制器,以探索多个直流和交流变量的同时可控性。鉴于被控制变量之间存在显著差异,因此特别设计了ANN控制器的网络结构、激活函数和优化算法,以便一个ANN模型能够处理多个异构变量。首先分析了不同权重对输出信号的影响,并开发了一种能够进行多变量控制的紧凑网络结构。接下来,根据控制信号的值范围为输出神经元分配了激活函数。最后,使用低复杂度的梯度下降算法进行实时权重优化,以提高动态性能和适应性。在实现方面,所提出的ANN控制器属于在线学习类别,不需要离线训练数据集,并且能够在不依赖系统模型的情况下实现自适应控制。通过对所提出的ANN控制器的收敛性进行理论分析,验证了其稳定性。通过半物理实验平台验证了其在不同输出功率、弱电网和电网电压失真条件下的优越动态性能。

引言

随着全球对可再生能源发电需求的增加,电池储能系统已成为缓解与可再生能源集成相关的间歇性电力波动的关键解决方案,从而实现了可再生能源的更高效利用,并显著提高了电网稳定性[1]、[2]。然而,电池系统通常提供低电压直流(DC)输出,使其不适合直接接入电网。为了实现高效的电网集成,通常使用两阶段并网逆变器,该逆变器首先将低DC电压提升到稳定的高DC电压,然后将其转换为与电网电压同步的交流(AC)[3]。作为电池储能系统的核心功率转换设备,两阶段并网逆变器在决定整体电网集成性能方面起着决定性作用[4]。
目前,大多数两阶段并网逆变器的控制策略采用级联方法或部分集成方案,其中前端DC-DC升压转换器和后端DC-AC逆变器分别进行控制[5]、[6]。对于升压转换器,使用控制器将直流电流或直流功率维持在参考值,并尽量减少纹波。对于逆变器,外部电压控制器将直流链路电压维持在指定的参考水平,内部电流控制器确保并网电流实时跟随电流参考值,从而实现有效的电网集成。尽管这种级联控制策略简化了控制器设计,但它缺乏全局优化机制。因此,在动态瞬变期间可能会导致控制器之间的异步调节,甚至在强耦合运行条件下产生相互干扰,从而限制了系统的动态性能[7]、[8]。
在电力转换器控制领域,已经开发并应用了许多先进的控制策略,如人工神经网络(ANN)控制[9]、模型预测控制[10]和模糊逻辑控制[11]。这些方法在DC-DC转换器或逆变器中表现出良好的性能,有效提高了系统的动态响应和适应性。然而,它们在两阶段逆变器中的应用尚未得到探索。原因是两阶段逆变器涉及多个具有不同动态行为的受控交流和直流变量,以及控制信号的数据范围存在显著差异,这增加了控制器设计的难度。到目前为止,只有一个多输入多输出(MIMO)滑模控制器[12]实现了对两阶段逆变器的整体控制。该控制器基于整个系统的动态数学模型设计,并采用特殊的补偿网络来解耦控制回路,从而消除了前端和后端阶段之间的耦合效应。此外,通过分析闭环系统的频率响应及其最佳相位裕度来合理设置控制器参数。与传统控制器相比,这种MIMO滑模控制器在动态性能和鲁棒性方面表现出显著优势。然而,需要注意的是,滑模控制器在构建两阶段逆变器的状态空间模型时主要共享一些状态变量,并且基本上是对升压转换器和逆变器进行分别控制,而不是实现完全集成控制。
近年来,ANN凭借其出色的非线性拟合能力、自适应学习机制和数据处理性能[13],在水环境处理[14]、机器人技术[15]、电力系统[16]、医学[17]和自动驾驶[18]等多个领域产生了重大影响,并成为社会智能改革的核心驱动力。参考文献[19]和[20]通过使用多个ANN模块实现了MIMO系统的多目标控制,充分证明了ANN的优越性能。然而,使用多个ANN模块会显著增加整个模型的大小,使得DSP难以在极短的控制周期内完成控制任务,因此这种方法不适用于两阶段逆变器。
为了实现对两阶段逆变器的集成控制并提高其动态性能,本文充分利用了ANN在控制MIMO系统方面的优势,设计了一种只有一个ANN模块的集成ANN控制器。该集成ANN控制器的网络结构、激活函数和优化算法专门设计用于同时调节多个交流和直流变量。此外,收敛性分析确认了所提出控制器的稳定性。最后,半物理实验验证证明了所提出控制器在各种运行条件下的优越动态性能。具体来说,本工作的贡献总结如下。
  • 1.
    分析了每个网络层对多个输出信号的影响,并在此基础上设计了一种能够实现多目标控制的紧凑网络结构。
  • 2.
    根据三个控制信号的范围为ANN控制器的输出层分配了特定的激活函数,确保控制器生成合理的输出信号。
  • 3.
    所提出的权重梯度计算方法不仅提高了动态性能,还显著降低了计算负担。
  • 部分内容

    集成ANN控制器

    一般来说,并网电池储能系统由电池组和两阶段逆变器组成,如图1顶部所示,其中电池组具有一个并联电容器C0用于过滤L0的纹波电流,而直流链路电容器C维持高直流电压以确保逆变器正常工作。在运行过程中,前端升压转换器通过控制直流电流idc来调节电池组的功率。直流电流参考值I?dc

    性能验证

    为了验证所提出的集成ANN控制器对两阶段并网逆变器的性能,在Typhoon HIL404平台上构建了如图1所示的电池储能系统电路模型。验证原型设置如图2所示,使用示波器捕获控制参数、电流和电压波形。集成ANN控制器以C语言编程在TMS320F28377D DSP芯片中,以控制构建的储能系统

    结论

    为了提高两阶段逆变器的动态性能,本文提出了一种集成ANN控制器,用于同时调节多个交流/直流变量,这是首次实现单个ANN模块控制整个两阶段逆变器的案例。考虑到多个控制变量的特性和高频运行的要求,特别设计了网络架构、激活函数和优化算法。

    CRediT作者贡献声明

    聂凯哲:撰写——原始草案、软件、方法论、调查、概念化。高峰:撰写——审阅与编辑、监督、方法论。姜宇:可视化、验证。秦彩云:形式分析。

    利益冲突声明

    作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

    致谢

    本工作得到了国家自然科学基金(授权号:52537008 和 52225705)的财政支持。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号