分布式光伏发电模块并网控制方法

摘要

一种分布式光伏发电模块并网控制方法，其创新在于：采用神经网络来替代电压环；本发明的有益技术效果是：能降低并网控制系统的复杂度，节省硬件成本，提高并网控制性能和组网灵活度。

说明书

技术领域

本发明涉及一种分布式光伏发电技术，尤其涉及一种分布式光伏发电模块并网控制方法。

背景技术

随着社会发展，能源供应日趋紧张，利用太阳能进行光伏发电的分布式光伏发电系统是缓解能源紧张的有效途径之一；考虑到对能源的合理利用以及提高设备的利用效率，一般还要为分布式光伏发电系统配置相应的并网装置，以使分布式光伏发电系统在电量富余时还能向主电网供电。

在现有技术中，将分布式发电模块并网接入主电网时，一般采用双闭环控制方式，典型的双闭环控制原理如图1所示。在双闭环控制中，外环为电压环，内环为电流环，其中，电压环的作用为：将给定的直流侧电压U_dc^*与逆变器直流侧的实测电压U_dc相减后获得电压差，对所述电压差作PI(比例积分)调节后得到指令电流I_g(也称电流幅值参考值)，采用电压环提供指令电流的方式，可以通过稳定直流侧电压，实现逆变器的输入、输出能量平衡；电流环的作用为：电流环提取并网处主电网的并网电压U和并网电流I，对并网电压U作锁相处理，获得相位角θ，然后计算出参考电流I₁，I₁＝I_g·cosθ，然后将参考电流I₁与并网电流I相减获得偏差信号，对此偏差信号作PR(比例谐振)调节，最后将PR调节后的信号与三角载波进行比较，比较后即得逆变器的控制信号；这种双闭环控制方式，存在如下几方面的问题：首先，由于采用了双闭环，其结构比单闭环要复杂，控制系统动态响应慢；其次，由于需要对逆变器直流侧的电压进行测量，必须在逆变器上设置电压传感器，该电压传感器的使用不仅会导致硬件成本上升，而且会增加装置体积。另一方面，由于分布式光伏发电设施通常置于露天环境，环境条件较为恶劣，电压传感器易出现故障，从而导致并网操作不可靠。

发明内容

针对背景技术中的问题，本发明提出了一种分布式光伏发电模块并网控制方法，其创新在于：所述分布式光伏发电模块并网控制方法包括训练阶段和运行阶段；

所述训练阶段按如下方式进行：

在实验状态下，将分布式光伏发电模块接入主电网并网运行；实验过程中，采用双闭环控制方法为分布式光伏发电模块上的逆变器生成控制信号；所述双闭环控制方法包括电压环和电流环，所述电压环按照方法一周期性地向电流环输出指令电流，所述电流环按照方法二周期性地向逆变器输出控制信号，逆变器在控制信号的驱动下，控制分布式光伏发电模块并网运行；

所述方法一包括：将某一给定的直流侧电压与逆变器直流侧的实测电压相减后获得电压偏差，对所述电压差作PI调节后得到指令电流I_g；

所述方法二包括：提取并网处主电网的并网电压U和并网电流I，对并网电压U作锁相处理，获得相位角θ，然后计算出参考电流I₁，I₁＝I_g·cosθ，然后将参考电流I₁与并网电流I相减获得偏差信号，然后对此偏差信号作PR调节，最后将PR调节后的信号与一三角载波进行比较，比较后即得逆变器的控制信号；

实验过程中，定期改变光照、温度条件，在不同光照、温度条件下，采集分布式光伏发电模块的最大跟踪功率P_i、并网电压U和指令电流I_g，将具备对应关系的最大跟踪功率P_i、并网电压U和指令电流I_g记为一个样本组；获取到足够多的样本组后，将多个样本组用于神经网络训练：同一样本组中的最大跟踪功率P_i和并网电压U作为神经网络的两个输入量，相应的指令电流I_g作为神经网络的输出量；神经网络训练完成后，训练阶段结束；

所述运行阶段按如下方式进行：

将分布式光伏发电模块、电流环和神经网络投入实际运行；当需要将分布式光伏发电模块接入主电网并网运行时，先进行接入操作，再进行并网控制操作；

所述接入操作包括：分布式光伏发电模块接入前，神经网络按照方法三向电流环输出指令电流I_g，电流环按照方法四向分布式光伏发电模块的逆变器输出控制信号，接入操作的过程中，逆变器在控制信号的驱动下，将分布式光伏发电模块接入主电网，分布式光伏发电模块接入主电网后，接入操作结束；

所述并网控制操作包括：神经网络按照方法三周期性地向电流环输出指令电流I_g，电流环按照方法四周期性地向分布式光伏发电模块的逆变器输出控制信号，并网控制操作的过程中，逆变器在控制信号的驱动下，控制分布式光伏发电模块并网运行；

所述方法三包括：提取主电网上并网处的并网电压U和分布式光伏发电模块的最大跟踪功率P_i，将并网电压U和最大跟踪功率P_i输入所述神经网络，由神经网络输出指令电流I_g；

所述方法四包括：与方法三同步地提取主电网上并网处的并网电压U和并网电流I；对并网电压U作锁相处理，获得相位角θ，然后根据神经网络输出的指令电流I_g计算出参考电流I₁，I₁＝I_g·cosθ，然后将参考电流I₁与并网电流I相减获得偏差信号，将此偏差信号作PR调节，最后将PR调节后的信号与一三角载波进行比较，比较后即得逆变器的控制信号。

本发明的原理是：基于本领域的基本常识可知，在进行并网操作时，逆变器上不可避免地存在着功率损耗，为了保证逆变器能将分布式光伏发电模块的最大跟踪功率P_i(即图1中MPPT环节的输出值，MPPT即最大功率点跟踪)正确地传送至主电网，须要对指令电流进行恰当的调节，这也是现有技术采用双闭环控制的主要原因，即通过电压环来输出恰当的指令电流，以实现逆变器的输入、输出能量平衡；基于现有理论可知，指令电流I_g和逆变器瞬时功率损耗P_loss之间的关系可由下式示出：

$>I_g=\sqrt{2}\left(\frac{P_i-P_{loss}}{U}\right)$>

当逆变器直流侧给定电压确定后，逆变器瞬时功率损耗P_loss与最大跟踪功率P_i存在着非线性的关系。在上面的公式中，I_g与P_i、U之间也存在着非线性的映射关系，而神经网络的特点之一就是能实现非线性映射逼近能力，任意的连续非线性函数映射关系，都可由多层神经网络以任意精度加以逼近，这正是神经网络的优势所在。因此，可将P_i和U作为神经网络的输入量，I_g作为神经网络的输出量，由神经网络的输出直接给出指令电流，最终实现对现有电压环的替代。由于神经网络的训练样本组来自于双闭环控制条件下的系统参数，自然也就保证了逆变器的输入、输出能量平衡；虽然，采用神经网络技术来达到控制目的在电学领域并不鲜见，但是，在本发明所针对的分布式光伏发电模块并网控制领域中，采用神经网络替代电压环后，可以直接省去电压传感器，避免了恶劣环境对电压传感器的负面影响，能够有效降低系统的硬件成本和装置体积，明显提高系统的运行稳定性。与此同时，系统的复杂度也更低，并且基于神经网络所独有的信息处理方式，可以大大加快系统的处理速度，明显改善控制系统的动态响应速度，进而提高系统的性能。

基于前述方案，本发明还提出了如下的优选实施方案：

所述电流环和神经网络即形成一并网控制系统；所述分布式光伏发电模块的数量为多个，按产品规格对多个分布式光伏发电模块划分类别，相同产品规格的分布式光伏发电模块划分至同一类别，若划分出的类别的数量为1时，则只训练一个神经网络，若划分出的类别的数量大于1时，则为每个类别单独训练一神经网络；

当并网控制系统中只有一个神经网络时，在运行阶段，若在设定的时域区间内，收到多个分布式光伏发电模块的并网请求，则按并网请求的先后顺序，以串行方式对多个分布式光伏发电模块进行接入操作；多个分布式光伏发电模块的接入操作全部完成后，则按前述的先后顺序，以串行方式对多个分布式光伏发电模块进行并网控制操作；

当并网控制系统中存在多个神经网络时，单个分布式光伏发电模块的接入操作和并网控制操作均按方法五中方式生成对应的控制信号；若在设定的时域区间内，存在多个神经网络的并网控制系统收到多个分布式光伏发电模块的并网请求，则按并网请求的先后顺序，依照方法五，以串行方式对多个分布式光伏发电模块进行接入操作；多个分布式光伏发电模块的接入操作全部完成后，则按前述的先后顺序，依照方法五，以串行方式对多个分布式光伏发电模块进行并网控制操作；

所述方法五包括：先对分布式光伏发电模块所属的类别进行识别，识别出分布式光伏发电模块的类别后，调用对应的神经网络按方法三中方式生成对应的指令电流I_g，再按方法四中方式生成对应的控制信号。

从前述改进方案的内容中可以看出，当需要在分布式光伏发电系统中增加分布式光伏发电模块时，若新模块的产品规格与在役模块的规格相同，则直接将新模块连入并网控制系统即可，若新模块的产品规格与在役模块的规格不相同，则仅需为其训练一新的神经网络，这就大大的提高了分布式光伏发电系统的组网灵活度，便于分布式光伏发电系统的扩容改造。

为了便于对并网的分布式光伏发电模块进行管理，本发明还提出了如下的改进方案：所述并网控制系统中还设置有一并网功率计量器，并网控制系统运行过程中，并网功率计量器能对并网运行的分布式光伏发电模块的功率数值进行计量。

本发明的有益技术效果是：能降低并网控制系统的复杂度，节省硬件成本，提高并网控制性能和组网灵活度。

附图说明

图1、现有技术中基于双闭环的控制系统原理示意图；

图2、基于本发明方案的控制系统原理示意图；

图中各个标记所对应的名称分别为：光伏板电流I_pv、光伏板电压V_pv、最大功率点跟踪环节MPPT、比例积分调节环节PI、比例谐振调节环节PR、给定的直流侧电压U_dc^*、逆变器直流侧的实测电压U_dc、cosθ计算环节cos、逆变器输出滤波电感L_ac。

具体实施方式

一种分布式光伏发电模块并网控制方法，其创新在于：所述分布式光伏发电模块并网控制方法包括训练阶段和运行阶段；

所述训练阶段按如下方式进行：

在实验状态下，将分布式光伏发电模块接入主电网并网运行；实验过程中，采用双闭环控制方法为分布式光伏发电模块上的逆变器生成控制信号；所述双闭环控制方法包括电压环和电流环，所述电压环按照方法一周期性地向电流环输出指令电流，所述电流环按照方法二周期性地向逆变器输出控制信号，逆变器在控制信号的驱动下，控制分布式光伏发电模块并网运行；

所述方法一包括：将某一给定的直流侧电压与逆变器直流侧的实测电压相减后获得电压偏差，对所述电压差作PI调节后得到指令电流I_g；

所述方法二包括：提取并网处主电网的并网电压U和并网电流I，对并网电压U作锁相处理，获得相位角θ，然后计算出参考电流I₁，I₁＝I_g·cosθ，然后将参考电流I₁与并网电流I相减获得偏差信号，然后对此偏差信号作PR调节，最后将PR调节后的信号与一三角载波进行比较，比较后即得逆变器的控制信号；

实验过程中，定期改变光照、温度条件，在不同光照、温度条件下，采集分布式光伏发电模块的最大跟踪功率P_i、并网电压U和指令电流I_g，将具备对应关系的最大跟踪功率P_i、并网电压U和指令电流I_g记为一个样本组；获取到足够多的样本组后，将多个样本组用于神经网络训练：同一样本组中的最大跟踪功率P_i和并网电压U作为神经网络的两个输入量，相应的指令电流I_g作为神经网络的输出量；神经网络训练完成后，训练阶段结束；

所述运行阶段按如下方式进行：

将分布式光伏发电模块、电流环和神经网络投入实际运行；当需要将分布式光伏发电模块接入主电网并网运行时，先进行接入操作，再进行并网控制操作；

所述接入操作包括：分布式光伏发电模块接入前，神经网络按照方法三向电流环输出指令电流I_g，电流环按照方法四向分布式光伏发电模块的逆变器输出控制信号，接入操作的过程中，逆变器在控制信号的驱动下，将分布式光伏发电模块接入主电网，分布式光伏发电模块接入主电网后，接入操作结束；

所述并网控制操作包括：神经网络按照方法三周期性地向电流环输出指令电流I_g，电流环按照方法四周期性地向分布式光伏发电模块的逆变器输出控制信号，并网控制操作的过程中，逆变器在控制信号的驱动下，控制分布式光伏发电模块并网运行；

所述方法三包括：提取主电网上并网处的并网电压U和分布式光伏发电模块的最大跟踪功率P_i，将并网电压U和最大跟踪功率P_i输入所述神经网络，由神经网络输出指令电流I_g；

所述方法四包括：与方法三同步地提取主电网上并网处的并网电压U和并网电流I；对并网电压U作锁相处理，获得相位角θ，然后根据神经网络输出的指令电流I_g计算出参考电流I₁，I₁＝I_g·cosθ，然后将参考电流I₁与并网电流I相减获得偏差信号，将此偏差信号作PR调节，最后将PR调节后的信号与一三角载波进行比较，比较后即得逆变器的控制信号。

进一步地，所述电流环和神经网络即形成一并网控制系统；

所述分布式光伏发电模块的数量为多个，按产品规格对多个分布式光伏发电模块划分类别，相同产品规格的分布式光伏发电模块划分至同一类别，若划分出的类别的数量为1时，则只训练一个神经网络，若划分出的类别的数量大于1时，则为每个类别单独训练一神经网络；

当并网控制系统中只有一个神经网络时，在运行阶段，若在设定的时域区间内，收到多个分布式光伏发电模块的并网请求，则按并网请求的先后顺序，以串行方式对多个分布式光伏发电模块进行接入操作；多个分布式光伏发电模块的接入操作全部完成后，则按前述的先后顺序，以串行方式对多个分布式光伏发电模块进行并网控制操作；

当并网控制系统中存在多个神经网络时，单个分布式光伏发电模块的接入操作和并网控制操作均按方法五中方式生成对应的控制信号；若在设定的时域区间内，存在多个神经网络的并网控制系统收到多个分布式光伏发电模块的并网请求，则按并网请求的先后顺序，依照方法五，以串行方式对多个分布式光伏发电模块进行接入操作；多个分布式光伏发电模块的接入操作全部完成后，则按前述的先后顺序，依照方法五，以串行方式对多个分布式光伏发电模块进行并网控制操作；

所述方法五包括：先对分布式光伏发电模块所属的类别进行识别，识别出分布式光伏发电模块的类别后，调用对应的神经网络按方法三中方式生成对应的指令电流I_g，再按方法四中方式生成对应的控制信号。

进一步地，所述并网控制系统中还设置有一并网功率计量器，并网控制系统运行过程中，并网功率计量器能对并网运行的分布式光伏发电模块的功率数值进行计量。