弱电网下LCL型光伏并网逆变器多谐振控制策略研究.docx

弱电网下LCL型光伏并网逆变器多谐振控制策略研究

1.引言

1.1背景介绍与问题阐述

随着可再生能源的迅速发展，光伏发电系统在电力系统中的应用日益广泛。在光伏并网系统中，LCL型滤波器因其良好的滤波效果而被广泛应用于逆变器与电网的接口。然而，在弱电网条件下，系统容易受到电网阻抗变化的影响，导致逆变器输出电流谐波含量增加，稳定性降低。因此，研究弱电网下LCL型光伏并网逆变器的控制策略具有重要意义。

1.2文献综述

国内外学者针对LCL型光伏并网逆变器控制策略进行了大量研究。文献[1]提出了一种基于比例谐振（PR）控制的LCL型逆变器控制策略，有效降低了电流谐波含量。文献[2]提出了一种基于多模态控制的LCL型逆变器控制策略，实现了在弱电网条件下的稳定运行。然而，这些控制策略在应对弱电网条件下的多谐振问题时仍存在一定的局限性。

1.3研究目的与意义

针对现有控制策略在弱电网条件下LCL型光伏并网逆变器多谐振问题上的不足，本研究旨在提出一种适用于弱电网条件下的LCL型光伏并网逆变器多谐振控制策略，以提高系统稳定性和降低电流谐波含量。研究成果将为弱电网下光伏并网系统的优化与改进提供理论依据和技术支持。

2.弱电网下LCL型光伏并网逆变器概述

2.1LCL型光伏并网逆变器的基本原理

LCL型光伏并网逆变器作为连接光伏发电系统和电网的关键设备，其基本原理是将光伏发电系统产生的直流电转换为与电网频率和相位一致的交流电。LCL型逆变器具有滤波效果好、体积小、成本低等优点，因此被广泛应用于光伏并网系统中。

LCL型光伏并网逆变器主要由三个部分组成：直流侧、逆变桥和交流侧。直流侧主要负责为逆变桥提供稳定的直流电源；逆变桥将直流电转换为交流电；交流侧通过滤波器对输出的交流电进行滤波，确保其满足并网要求。

2.2弱电网的特点及其对并网逆变器的影响

弱电网指的是电网的电压、频率等参数容易受到负载变化、可再生能源波动等因素影响，导致电网稳定性较差。弱电网的特点主要包括：

电压波动范围大：负载变化和可再生能源波动可能导致电网电压在较宽范围内变化，影响并网逆变器的稳定运行。

频率波动：弱电网中，系统频率易受到负载和发电量的影响，可能导致频率偏移。

负载阻抗变化大：由于负载的多样性，导致电网等效阻抗变化较大。

这些特点对LCL型光伏并网逆变器的影响主要包括：

影响逆变器输出稳定性：电压和频率波动可能导致逆变器输出电流和电压波动，影响并网质量。

增加控制难度：弱电网环境下，逆变器需要具备较强的抗干扰能力和适应性，以应对电网参数变化。

限制逆变器容量：弱电网对并网逆变器的容量和性能要求更高，可能限制逆变器的输出功率。

2.3多谐振控制策略的基本原理

多谐振控制策略是一种针对LCL型光伏并网逆变器的控制方法，其主要目的是提高逆变器在弱电网环境下的稳定性和并网质量。多谐振控制策略的基本原理如下：

谐振控制器设计：根据LCL滤波器的特点，设计一个谐振控制器，使系统在特定频率下具有高增益特性，从而抑制电网波动对逆变器的影响。

多谐振控制器：通过设置多个谐振控制器，分别针对不同的干扰频率进行抑制，提高系统的抗干扰能力。

参数优化：根据实际电网环境，对谐振控制器参数进行优化，以实现最佳的并网效果。

多谐振控制策略能够有效提高LCL型光伏并网逆变器在弱电网环境下的稳定性和并网质量，为光伏发电系统的高效运行提供保障。

3.多谐振控制策略设计

3.1控制策略设计原则

在弱电网条件下，针对LCL型光伏并网逆变器的多谐振控制策略设计，需遵循以下原则：

稳定性原则：确保系统在各种工况下都具有良好的稳定性，防止系统出现不稳定振荡。

快速响应原则：设计控制策略时，应保证系统具有较快的动态响应特性，以满足光伏并网对动态性能的要求。

抗干扰性原则：控制策略应具有较强的抗干扰能力，能够适应电网电压波动等外部干扰。

精确控制原则：确保控制策略能够精确控制逆变器输出电流，提高电能质量。

3.2控制策略具体实现

基于上述设计原则，多谐振控制策略的具体实现如下：

电流控制环设计：采用比例谐振（PR）控制，对有功和无功电流进行独立控制。通过设置适当的谐振频率，实现对特定频率谐振的控制。

有功电流控制：有功电流控制主要实现对电网有功功率的控制，提高系统功率因数。

无功电流控制：无功电流控制用于实现光伏系统对电网的无功调节，改善电网电压稳定性。

滤波器设计：采用LCL滤波器，以减小逆变器输出电流的高频谐波，提高电流质量。

滤波器参数设计：合理选择LCL滤波器的参数，以实现良好的滤波效果和稳定性。

控制器参数优化：采用粒子群优化（PSO）等智能算法，对控制参数进行优化，提高系统性能。

3.3控制参数优化

优化目标：以系统稳定性、快速性、抗干扰性及输出电流质量为优化目标。

优化方法：采用粒子