[发明专利]一种并网逆变器的自组织T-S模糊神经网络控制方法

说明书

本发明公开了一种自组织T‑S模糊神经网络PID控制器来控制并网逆变器，控制器算法在T‑S模糊神经网络的基础上加入了强度激活的概念。其实质是采用模糊规则层激活强度的方法，根据实际环境自适应对神经元结构进行调整，构造合适的控制结构，其具有的在线学习能力和强大的容错能力能够更好的决定和提升整个网络的性能和规模，从而提高控制精度。同时采用梯度下降法对控制器的各个参数进行实时调整，使控制系统有更好的抗干扰能力和动态性能。

技术领域

本发明涉及并网逆变器控制领域，涉及逆变器智能控制领域，涉及神经网络，涉及模糊控制理论

背景技术

随着世界人口的快速增长和经济的蓬勃发展，人类对能源的需求日益增加，在目前的能源消耗结构中化石燃料能源仍然占据绝大多数的比例。且由于化石燃料能源的不可再生性导致地球上可利用的化石能源日渐枯竭，我国作为世界上人口最多的国家，能源形势更趋严峻。同时煤、石油、天然气等化石燃料的燃烧造成环境污染威胁到人类的生存和发展，保护我们赖以生存的环境，己经成为不得不解决的问题。

对于以非线性为特点的并网逆变器控制系统，传统的PID控制已不能满足现在高精度控制发展趋势的要求；而新型的智能控制中应用广泛的神经网络控制的隐含层不具有明确的物理意义、不能很好地利用已有的经验知识导致初始权值只能取零或随机数。

发明内容

本发明的目的是克服现有技术中存在的上述缺陷，提供一种新型的模糊神经网络控制方法，使其满足高精度控制需求，提高并网逆变器控制的动态性能。

为了解决上述技术问题，本发明在T-S模糊神经网络的基础上，设计了基于激活强度的自组织 T-S模糊神经网络，通过对模糊规则层激活强度的判断，来决定模糊规则的增加，进而自组织地调整网络结构，该方法包括如下步骤：

(1)采集并网逆变器网侧的三相电压u_a、u_b、u_c，通过锁相环得到电网相位wt。同时通过坐标变换得到d-q坐标系下的电压值u_d、u_q；

(2)采集并网逆变器逆变器侧的三相电流i_a、i_b、i_c，同时通过abc/dq坐标变换得到d-q坐标系下的电流值i_d、i_q，与期望值进行比较做差，得到误差信号e_t1、e_t2、和传入到模糊神经网络控制器中；

(3)模糊神经网络控制器采用T-S型结构，利用高斯函数来获得隶属函数，通过激活强度对控制规则的贡献度进行判断，同时对激活一类中心值进行更新，网络输入为电流误差e_d、e_q以及电流误差变化率和网络输出为PID参数的变化量；

(4)采用增量式PID控制，通过模糊神经网络调整好的PID参数来控制d、q轴电流id、iq，进而控制逆变器电流和电压的幅值和相位。

与现有技术相比，本发明的主要优势在于；

本发明提供了一种并网逆变器的模糊神经网络控制方法，采用T-S型的模糊神经网络结构，相较于传统的Mamdani型结构计算更加简单，利于数学分析，并且更容易与PID控制方法以及优化、自适应方法相结合；不依赖于经验设定，通过激活强度的自组织T-S模糊神经网络，对模糊规则层激活强度的判断，来决定模糊规则的增长，进而自组织地调整网络结构实时修正网络的拓扑结构，使系统具有更好的动态性能。

附图说明

图1为强度自判断T-S型模糊神经网络结构图；

图2为模糊神经网络结构学习流程图；

图3为控制系统流程图。

具体实施方案

参照附图对本发明的具体实施方式进行详细描述。