基于BP神经网络的跟网型逆变器自适应参数控制及频带协调调节

《Electronics》：BP-Neural-Network-Based Adaptive Parameter Control for Grid-Following Inverters with Frequency-Band-Coordinated Regulation

　　可再生能源的大规模并网导致电网强度在较大范围内波动，使并网型（GFL）逆变器面临中高频谐振和次同步振荡（SSO）的风险。传统的固定参数设计无法同时兼顾稳定性和动态性能，因为锁相环（PLL）和电网电压前馈（GVF）在不同频段中起主导作用。因此，本文提出了一种基于误差反向传播神经网络（BPNN）的自适应参数控制策略，该策略具有频段协调调节功能。首先，建立了包含电流环、数字延迟、PLL和GVF的q轴小信号输出导纳模型。模型表明，在强电网和中等弱电网条件下，GVF系数主要影响中高频导纳；而在极弱电网条件下，PLL带宽成为低频和次同步稳定性的主导因素。基于这一机制，构建了一个BPNN，以电网短路比（SCR）作为输入，GVF系数和PLL带宽作为输出。训练目标通过参数扫描和基于电流总谐波失真、公共连接点（PCC）电压误差和调节时间的性能筛选离线生成。运行期间，首先调整GVF系数，仅当电网变为极弱电网时才降低PLL带宽。在SCR为1至10范围内的仿真结果表明，在所研究的各种情况下，所提出的策略在保持稳定运行的同时，提供了比固定参数和单参数调谐方案更好的暂态和谐波性能。