[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

说明书

技术领域

本发明属于光伏发电领域，具体涉及一种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。

背景技术

光伏并网逆变器的产品研发过程都是沿着拓扑发现、模态分析、参数设计、仿真和实验研究的步骤进行的。但无论是拓扑结构还是控制策略的设计，都经历了不断调试的过程，这使得实际的光伏并网逆变器产品与原始的数学模型已经相去甚远，加上生产厂家的技术保密，设备使用方根本无法获得逆变器准确的数学模型，光伏并网逆变器表现出的是完全的“黑箱”特性。

光伏并网逆变器是一种运行于开关状态的开关型功率变换器件，因此决定了光伏并网逆变器模型是一个强非线性模型；由于运行过程中占空比变化，参数漂移，短路故障的发生又对建模引入了累积偏差，即有色噪声；而每一台逆变器在投入生产之前经过在实际工况的调试后才能投入生产，这一过程导致其模型参数各不相同，又为光伏并网逆变器建模造成了困难。因此，现在亟需提出一种可以适应各种复杂工况且偏差较小的光伏并网逆变器非线性建模方法。

发明内容

鉴于此，本发明的目的是提供一种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，通过对光伏逆变器输入电流电压和输出电流电压的辨识，得到光伏逆变器的黑箱模型，并通过自适应无偏估计算法和自适应方法，实现模型的无偏辨识与自适应能力，提高了模型对于不同工况的适应性。

本发明的目的是通过以下技术方案实现的，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，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。

优选的，还包括步骤S5，采用无偏算法对光伏逆变器参数估计模型进行修正。

优选的，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。

优选的，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)]