[发明专利]光伏发电伺服系统的自适应神经网络动态面控制方法

说明书

本发明提供一种基于离散时间的光伏发电伺服系统的自适应神经网络动态面控制方法，包括如下步骤：1)构造光伏发电伺服系统的数学模型；2)设计光伏发电伺服系统RBF神经网络逼近器，使其逼近得出步骤1)中光伏发电伺服系统模型内的未知函数；3)结合RBF神经网络逼近器设计出基于离散时间的光伏发电伺服系统自适应神经网络动态面控制器，引入磁滞量化器对控制信号进行幅值的量化。能够将RBF神经网络逼近器估计未知项；引入磁滞量化器对控制信号进行幅值的量化，提高了控制器抑制抖振的能力，实现数字控制，提高光伏发电伺服系统的抗干扰能力。

技术领域

本发明涉及光伏发电领域，特别涉及基于离散时间的光伏发电伺服系统的自适应神经 网络动态面控制方法。

背景技术

光伏发电技术由于其原理和结构简单，发电场建设周期短，运行维护成本低且可开发 地区广，已受到世界各国的重视，由于光伏板对日位置的追踪精度直接影响光伏发电效率， 因此需要设计性能优异的控制器。对于具有不确定性的光伏发电伺服系统，结合实际控制 需要，光伏发电伺服系统控制器的设计应满足如下需求：1)控制器应使得伺服系统跟踪 误差满足实际控制精度需要，2)控制器应具有较好的抗干扰能力，能够保证系统稳定；3) 控制器设计简明，利于实时控制。在以前的工作中，对于光伏发电伺服系统控制器的设计 都是基于连续时间的，而离散时间控制方法更接近实际工程应用。本设计将提出一种基于 离散时间的光伏发电伺服系统的自适应神经网络动态面控制方法，并引入磁滞量化器对控 制信号进行幅值的量化，实现数字控制，提高控制器抑制抖振的能力。

发明内容

为了克服背景技术中的不足，本发明提供一种基于离散时间的光伏发电伺服系统的自 适应神经网络动态面控制方法，能够提高光伏发电伺服系统的跟踪精度。

为了达到上述目的，本发明采用以下技术方案实现：

基于离散时间的光伏发电伺服系统的自适应神经网络动态面控制方法，包括如下步骤：

1)构造光伏发电伺服系统的数学模型；

2)设计光伏发电伺服系统RBF神经网络逼近器，使其逼近得出步骤1)中光伏发电伺服系统模型内的未知函数；

3)结合RBF神经网络逼近器设计出基于离散时间的光伏发电伺服系统自适应神经网 络动态面控制器，引入磁滞量化器对控制信号进行幅值的量化。

进一步地，步骤1)所述的光伏发电伺服系统的数学模型如公式所示：

其中i＝1,2，θ_ir转子角度，v_iq为定子电压，i_iq为定子电流，ω_ir为转子角速度，J_i为转 子惯量，T_iL为负载转矩，f_i为粘滞摩擦系数；式(1)中的系数定义如下：

式中，n,L₁,L₂,L_m,λ_2s,R₁,R₂分别为极对数，定子电感，转子电感，互感，磁链，定子电 阻，转子电阻；

对系统模型进行规范化转换，令[θ_ir ω_ir i_iq]^T＝[x_i1 x_i2 x_i3]^T，公式由以下表示：