[发明专利]基于双密度小波网络的无偏估计光伏逆变器参数辨识方法

权利要求书

1.基于双密度小波网络的无偏估计光伏逆变器参数辨识方法，其特征在于：包括以下步骤：

S1获取光伏逆变器输入输出的电压电流；

S2采用双密度小波网络对电压电流进行处理；

S3采用无偏自回归算法对电压电流进行修正；

S4根据修正后的电压电流值，获得光伏逆变器参数估计模型。

2.根据权利要求1所述的基于双密度小波网络的无偏估计光伏逆变器参数辨识方法，其特征在于：还包括步骤S5，采用无偏估计算法对光伏逆变器参数估计模型进行修正。

3.根据权利要求1所述的基于双密度小波网络的无偏估计光伏逆变器参数辨识方法，其特征在于：所述双密度小波网络的模型表达式为：

其中：y是非线性估计器的输出，x是非线性估计器的输入，r是回归器输出量的均值，P是线性子空间，L是线性系数，d是输出偏差，Q是非线性子空间，J_s是双密度小波分解中的尺度层数；a_sj是尺度系数；是尺度函数；c_sj是尺度变换矩阵；J_w是双密度小波分解中的小波层数；a_w1j、a_w2j是小波系数；ψ₁、ψ₂是小波函数；c_w1j、c_w2j是小波变换矩阵。

4.根据权利要求3所述的基于双密度小波网络的无偏估计光伏逆变器参数辨识方法，其特征在于：所述步骤S2具体包括以下子步骤：

S21根据光伏逆变器系统，获得单相光伏逆变器参数辨识模型；单相光伏逆变器参数辨识模型的表达式为：

u_ac(t)＝f[u_ac(t-1),…,u_ac(t-t_a11),i_ac(t-1),…,i_ac(t-t_a12),

U_dc(t-t_k11),…,U_dc(t-t_k11-t_b11+1),I_dc(t-t_k12),…,I_dc(t-t_k12-t_b12+1)]

i_ac(t)＝f[u_ac(t-1),…,u_ac(t-t_a21),i_ac(t-1),…,i_ac(t-t_a22),

U_dc(t-t_k21),…,U_dc(t-t_k21-t_b21+1),I_dc(t-t_k22),…,I_dc(t-t_k22-t_b22+1)]

式中u_ac,i_ac分别为单相光伏并网逆变器的输出交流电压和电流；U_dc,I_dc分别为单相光伏并网逆变器的输入直流电压和电流，t为时间变量，t_aij、t_bij、t_kij(i，j＝1,2)是单相光伏并网逆变器非线性自回归模型的输出阶次t_a，输入阶次t_b，以及输出延时量t_k，满足如下关系：

ta=ta11ta12ta21ta22]]>

tb=tb11tb12tb21tb22]]>

tk=tk11tk12tk21tk22]]>

S22对逆变器参数辨识模块进行化简得到电压电流表达式，单相光伏逆变器参数辨识模型可简化为：

其中

θu=[a1u,...,ata11+ta12u,b1u,...,btb11+tb12u]T]]>

θi=[a1i,...,ata21+ta22i,b1i,...,btb21+tb22i]T]]>

ξ(t)为零均值噪声序列，(k＝1,…,t_a11+t_a12)为电压预测输入量自回归系数，(k＝1,…,t_b11+t_b12)为电压预测输出量自回归系数，(k＝1,…,t_a21+t_a22)为电流预测输入量自回归系数，(k＝1,…,t_b21+t_b22)为电流预测输出量自回归系数。