论文电网不平衡情况下基于神经网络并网逆变器同步技术是关于本文可作为神经网络方面的大学硕士与本科毕业论文深度神经网络算法论文开题报告范文和职称论文论文写作参考文献下载。
摘 要 为解决常规锁相环技术在电网电压不平衡情况下难以对电网电压频率和相位进行有效检测的问题,提出一种电网不平衡情况下基于神经网络的并网逆变器同步算法.首先,在两相静止坐标系下推导电网电压状态方程,并基于此建立神经网络；然后,利用网络输出电压矢量和实际电压矢量误差进行在线调整权值,并利用权值调整计算在线辨识电网电压频率、相位和幅值,从而可以构建电网电压的正负序分量.仿真和实验结果表明：该方法能在电网不平衡情况下快速有效在线自适应辨识电网电压频率和相位,提取电网电压正负序分量,具有较强的鲁棒性.
关键词：电网不平衡；并网逆变器；神经网络；同步；鲁棒性
中图分类号：TM315 文献标志码：A 文章编号：
Research on Grid Synchronization of Grid-connected Inverter Based on Neural Network under Unbalanced Voltage Conditions
YANG Tong-guang
（ College of Mechanic and Electrical Engineering Hunan City University, Yiyang 413000, Hunan Province, China）
Abstract：To solve the problem of conventional phase locked loop technique under the condition of unbalanced power grid voltage. A grid inverter synchronous technology based on neural network under unbalanced power grid case is developed. At first, grid voltage state equation is derived in the two-phase stationary coordinates, and a neural network is built based on the state equation； the biases of output voltage vector and the actual voltage vector are used to adjusted the neural network weight online, and thus to find out the amplitude, frequency and the phase of the grid voltage, which can construct the positive and negative component of grid voltage. Simulation and experimental results show that the method can online adaptive identify the frequency and the phase of grid voltage quickly and efficiently in the case of unbalanced power grid, and detect the positive and negative sequence of grid voltage, has strong robustness.
.Keywords：Grid voltage unbalance, Grid-connected inverter, Neural network, Synchronization,Robust
0 引 言
近年来,随着基于光伏发电、风力发电等绿色再生能源的分布式发电系统的飞速发展,电网及三相并网逆变器的稳定性问题得到了极大的关注[1-4].并网逆变器需根据电网运行状态实施相应的控制以保证其安全可靠运行.一方面,并网逆变器控制需要检测电网电压同步信号,即基波电压的幅值、相位和频率等信息,确保并网逆变器单位功率因数并网.另一方面,在某些并网逆变器控制算法中需要准确的同步信号参和控制.此外,在电网故障情况下,并网机组必须具备一定的故障穿越能力,需要分布式发电系统能向电网提供无功支持,保证系统可靠运行[5].传统锁相环在电网电压不平衡情况下无法实现准确锁相,因此,如何在不平衡电网情况下快速准确检测电网电压频率、相位,提取电网电压正负序分量是并网逆变器控制的关键技术之一,已成为可再生能源的研究热点.
同步参考坐标锁相环（synchronous reference frame PLL,SRF-PLL）是应用最为广泛的电网同步方法.SRF-PLL将三相电压通过clarke变换转换到 两相静止坐标,然后又通过Park’s坐标变换转变成dq两相旋转坐标系,因此,该方法又称为dq-PLL.在理想电网情况下,SRF-PLL能表现出较为准确的锁相特性,但在不平衡电网情况下,电网电压负序分量中将产生2倍频的波动,不仅对正序分量的幅值提取产生影响,还会对相位检测造成误差[5].针对这种情况,很多文献提出改进方法,如双同步参考坐标锁相环（double synchronous reference frame-PLL,DSRF-PLL） [6][7],解耦雙同步参考锁相环（decoupled double synchronous reference frame-PLL, DDSRF- PLL）[8][9],双二阶广义积分器锁相环（double second order generalized integrator –PLL, DSOGI- PLL） [10][11],多二阶广义积分器锁相环（multi double second order generalized integrator –PLL, MSOGI-PLL）[12],延迟信号消除锁相环（delayed signal cancellation PLL, DSC-PLL） [13-17],多复数滤波器锁相环（multiple-complex coefficient filter PLL,MCCF-PLL）[18-19]和加强型锁相环（enhanced PLL, EPLL）[20-21]等.虽然这些方法都能在不平衡电网情况下表现出较好的工作性能,但也都存在不足之处：如DDSRF-PLL包含一阶滤波环节,降低了系统的动态响应；DSOGI-PLL由于二阶广义积分器不具备正负序极性选择,导致正负序分量分离环节比较复杂[9]；MCCF-PLL抗干扰能力较差,对电网电压畸变谐波比较敏感；EPLL容易受到电网电压谐波的影响,而延迟信号消除锁相环需要较高的计算成本.此外,基于自适应滤波器（adaptive notch filter-PLL, ANF-PLL）[22-23]、自适应矢量滤波（adaptive vectorial filter-PLL, F-PLL） [24],最小二乘自适应滤波（least error squares filters-PLL, LESF-PLL）[25]等非线性同步技术也被成功应用.这些方法虽然在一定程度上消除了谐波影响,对频率扰动具有一定的抗干扰性,却以降低带宽和动态响应速度为代价[9].
总结:该文是关于神经网络论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 基于改进BP神经网络锅炉过热器管壁温度预测 摘 要：由于电站锅炉受热管壁长期处于高温状态，当其温度超过所用钢材的许用温度或因长期高温发生蠕变，便会引发各种运行事故。本设计以府谷某电HG-2。
2、 基于RBF神经网络建立库存烟叶香型预测模型 摘 要：为建立库存烟叶香型预测模型，采用RBF神经网络方法，对川渝中烟2009—2011年库存烟叶样品的香型特征进行了分析建模。结果表明，不同香。
3、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
4、 基于神经网络沉管管节水阻力系数预报 摘 要：针对沉管隧道水阻力系数取值区间变化范围较大的难题，采用径向基神经网络对模型试验中沉管管节的水阻力系数进行学习。根据训练好的网络参数，对不。
5、 一种改进型DRNN神经网络自学习PID控制 摘 要： 本文针对多变量耦合系统，采用DRNN神经网络对PID控制器参数进行自学习，提出了将学习因子在学习过程中进行动态调整，与传统DRNN神经。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。