孤岛微电网型光伏电池储能系统混合人工神经网络-比例积分控制方法设计

《Eng》：Design of a Hybrid-ANN-PI Control Approach for Islanded Microgrid-Based Photovoltaic Battery Energy Storage Systems

　　

直接-正交（dq）轴控制方法是太阳能光伏（PV）系统中离网与并网逆变器广泛采用的一类控制方法，可实现有功功率与无功功率调节。传统固定增益dq轴比例积分（PI）控制器在高度动态运行工况下，可能出现暂态性能下降以及谐波抑制能力减弱的问题。本文提出一种创新性的逆变器型孤岛微电网控制方案，该微电网由PV发电与电池储能系统（BESS）构成，即使在高度动态运行条件下，仍可实现稳定功率分配与鲁棒电压调节。研究人员考察了一种基于人工神经网络的比例积分（ANN-PI）改进型逆变器控制方法，用于精确控制直流母线（DC-link）及电压控制环中的dq轴控制过程。所建议系统在MATLAB/Simulink中得到验证，以证明所提控制器的有效性。结果表明，ANN-PI控制器具有较高收敛速度、较低超调，并在阻性与感性负载下实现3.9%的低总谐波畸变（THD）指标，从而满足IEEE电能质量标准。

该文发表于《Eng》，围绕孤岛运行微电网中光伏（PV）与电池储能系统（BESS）协同供能时的逆变器控制问题展开，核心目标是在太阳辐照度、温度与负载快速波动条件下，同时提升直流母线（DC-link）电压稳定性、交流侧输出电压调节性能、功率分配协调能力以及总谐波畸变（THD）抑制效果。研究背景在于，随着分布式光伏发电装机持续增长，孤岛型微电网在偏远地区供电、独立供能场景与关键基础设施中应用日益广泛，但PV出力具有间歇性、随机性与非线性特征，极易造成功率失衡、电压波动与供电可靠性下降。虽然电池储能系统可通过吸收剩余能量和补偿功率缺额改善系统可控性，但系统性能很大程度上仍取决于逆变器控制策略。现有基于dq坐标变换的PI控制方法虽然结构清晰、工程应用成熟，能够实现有功与无功功率解耦控制，但固定增益PI控制器对参数摄动、工况切换和非线性扰动适应性有限，在突变辐照、储能充放电切换及负荷跃变时，常出现暂态响应变差、电流跟踪误差增加以及谐波抑制能力不足等问题。因此，开展兼具智能自适应特性与经典控制稳健性的控制研究具有现实必要性。

为解决上述问题，研究人员设计了一种面向孤岛PV-BESS微电网的混合ANN-PI控制框架。该方法将人工神经网络（ANN）引入传统dq轴级联控制结构，在外环中利用ANN根据d轴与q轴电压误差自适应生成参考电流，在内环中保留PI电流控制器并结合解耦补偿项，以兼顾经典PI控制实现简单、动态稳定的优点，以及ANN处理非线性映射与不确定性的能力。研究结论表明，所提控制方法可在多种动态工况下实现稳定的功率共享、快速的电压恢复、良好的有功/无功解耦以及符合IEEE 519（2022）标准的低THD输出；与传统PI控制相比，ANN-PI在直流母线电压偏差、谐波水平、超调量、稳定时间以及dq轴电流稳态误差方面均表现更优。该研究的重要意义在于，为孤岛型光伏储能微电网提供了一种面向复杂动态环境的智能逆变器控制思路，有助于提升独立供能系统的电能质量、运行鲁棒性与工程应用潜力。

研究人员主要采用了以下关键技术方法：构建由两组PV阵列、双向DC-DC变换器接口的BESS、公共直流母线、电压源型变换器（VSC）及LC滤波器组成的孤岛PV-BESS系统模型；PV侧采用单二极管模型刻画I-V与P-V非线性特性，并以ANN-最大功率点跟踪（ANN-MPPT）控制各自升压变换器；BESS侧采用双闭环PI控制维持DC-link电压与电池电流；逆变器侧在同步旋转坐标系下设计ANN外环与PI内环相结合的dq控制器。ANN训练数据由MATLAB/Simulink（2023a）离线生成，覆盖0~1000 W/m²辐照度、10~65 °C温度及动态负载条件，共约5000组样本，并采用贝叶斯正则化反向传播算法，以均方误差（MSE）为目标完成训练。

在“Proposed System Description”部分，论文首先给出了所提孤岛PV/电池系统的总体架构，并说明系统通过两个独立PV单元接入同一直流母线，BESS经双向DC-DC变换器参与功率平衡，交流侧则由基于增强dq控制的VSC输出三相电压与频率。该部分得出的核心认识是：通过“源侧分散控制+BESS辅助直流稳定+逆变器侧高性能调节”的协同结构，可提升孤岛系统在波动工况下的稳定供电能力。

在“Solar PV Modeling”部分，研究人员采用单二极管等效模型描述PV组件，利用其在不同辐照度和温度下的非线性电流-电压与功率-电压特性，提高系统级仿真的真实性。在此基础上，每个PV阵列均通过独立DC-DC升压变换器与ANN-MPPT算法相连接，使PV运行点在辐照变化与局部遮阴条件下仍逼近最大功率点。通过这部分研究可知，ANN-MPPT相较传统扰动观察（P&O）或增量电导法，更适于处理PV输入与最优工作点之间的非线性关系，能够减少稳态振荡并提升跟踪速度。

在“Battery Storage Modeling”部分，论文论述了锂离子电池用于PV储能的合理性，包括高能量密度、高往返效率以及快速动态响应等优势，并给出了荷电状态（SOC）模型及其上下限约束。随后，研究人员设计了以PI控制器为基础的双闭环控制结构，对DC-link电压与电池电流进行调节。该部分表明，BESS不仅承担能量缓冲与功率平衡作用，也是维持直流母线稳定、防止过充过放并支撑微电网持续运行的关键环节。

在“Islanded PV/Battery Control”部分，研究人员首先建立了DC/AC逆变器的dq数学模型，将三相abc变量变换至同步旋转dq坐标系，使稳态正弦量转化为近似直流量，从而简化动态建模并有利于有功/无功功率分离控制。模型中明确考虑了滤波器参数、逆变器电压及dq轴交叉耦合项，因此引入解耦补偿以提升电流调节精度与速度。该部分说明，级联式dq控制结构中内环负责快速电流响应，外环则承担电压或功率调节任务，是逆变器高性能控制的理论基础。

在“Proposed Hybrid Control Using ANN-PI Controller”部分，论文进一步提出混合ANN-PI控制器。研究人员将d轴和q轴电压误差输入ANN，由ANN输出最优参考电流，再由PI内环配合解耦补偿进行电流调节。ANN包含输入层、隐藏层与输出层，训练数据由多工况离线仿真获得，输入变量经归一化处理，输出参考值加入饱和约束，PI内环设置防积分饱和（anti-windup）保护。通过这一部分可得出，所提方法并非完全替代PI控制，而是在保留经典电流调节框架稳定性的基础上，引入ANN增强外环自适应能力，从而提高暂态性能、减小稳态误差并改善系统鲁棒性。

在“Results and Discussion”部分，论文通过MATLAB/Simulink仿真对控制策略进行了系统验证，并设置三类典型工况。

在“Scenario 1: Evaluation Under Variable Irradiance and Temperature Conditions”部分，研究人员在10 kW恒定负载下，对两组PV施加快速辐照度与温度阶跃变化。结果显示，PV₁与PV₂出力能够平滑爬升并在高发电阶段向BESS充电，当PV出力下降时，BESS又自动切换至放电模式补偿功率缺口，说明控制系统具备良好的可再生能源波动消纳与功率平衡能力。DC-link电压启动时虽出现约840 V的暂态超调，但在0.1 s内快速回到800 V参考值附近，且后续波动控制在±2%以内，验证了其电压调节与扰动抑制性能。BESS的SOC基本稳定在80.65%附近，波动极小，电池电流可在充放电间平滑切换而无明显尖峰，说明储能运行安全可靠。输出电压与电流在阻性负载下保持良好正弦波形且近乎同相，电流频谱中50 Hz基波占主导，整体THD为3.95%，低于IEEE 519（2022）规定的5%上限。dq轴响应结果进一步表明，I_d可快速跟踪至20 A且超调很小，I_q始终维持在约0.1 A附近，说明ANN控制器实现了高精度电流跟踪与有效的有功/无功解耦。

在“Scenario 2: Evaluation Under Resistive Load Changes”部分，系统在较低辐照度、恒温条件下运行，并于0.5 s时将阻性负载由5 kW跃变至10 kW。结果显示，PV₁与PV₂输出分别稳定在约3 kW与5 kW，BESS则在负载突增后迅速由充电状态切换为放电状态，以弥补发电不足。负载突变过程中，输出电压与电流仍保持稳定，电流相位与电压基本一致，表明系统能够在功率冲击下维持较好的电压品质。频域分析结果给出的THD为3.97%，同样满足IEEE标准；同时，I_d从10 A平滑上升至20 A，I_q维持在接近0 A，进一步证明该控制器在负载变化时仍具备快速整定与良好解耦特性。

在“Scenario 3: Evaluation Under Inductive Load Condition”部分，研究人员将系统置于9 kW有功、3 kVAR无功的感性负载条件下，以考察更具挑战性的电能质量控制性能。结果表明，由于感性负载导致电流相位滞后于电压，系统面临更强的动态应力与更高的谐波风险，但控制器仍能维持稳定运行。此时50 Hz基波电流为24.79 A，THD上升至4.38%，虽高于阻性负载工况，但仍低于IEEE 519（2022）限制值，说明所提ANN辅助dq控制在感性工况下依旧具有可接受的谐波抑制能力。dq轴电流方面，I_d在0.1 s内快速达到约25 A参考值，几乎无超调且稳态误差很小；I_q则贴合约?2 A的参考值，实现感性负载下的无功功率调节，显示系统稳定性与鲁棒性较强。

结合“Comparative results between the proposed ANN-PI and classical PI methods”部分，研究人员进一步比较了传统PI控制与所提ANN-PI控制在动态孤岛微电网中的性能差异。结果总结显示，ANN-PI方案可将DC-link电压偏差降低约80%，将THD由接近6%降至低于4.3%，同时使I_d与I_q稳态误差分别降低超过86%与91%，并表现出更小超调与更稳定的动态输出。这说明ANN自适应外环与PI电流内环的结合确实改善了电压调节、谐波抑制、暂态响应与电流跟踪综合性能。

讨论部分总体指出，现有AI控制研究常聚焦于最大功率点跟踪、逆变器鲁棒控制或上层能量管理中的单一环节，而本文的价值在于将智能学习机制嵌入逆变器dq控制结构之中，并在孤岛PV-BESS场景下同时兼顾电压稳定、功率共享、THD抑制与动态鲁棒性。仿真结果支持这样的结论：单纯依赖固定参数PI控制难以充分应对辐照波动、储能充放电切换与负载跃迁所带来的非线性与不确定性，而ANN参与外环调节后，系统在不牺牲PI内环实现简洁性的基础上，获得了更优的动态与稳态表现。

研究结论部分可译为：本研究提出了一种面向孤岛微电网型PV系统与BESS的智能控制方法。研究人员在dq参考坐标系方法中引入人工神经网络-比例积分（ANN-PI）控制器，以在不同辐照度、温度和负载需求条件下增强电压调节能力与系统稳定性。所提出系统已在MATLAB/Simulink中针对天气扰动与负载扰动等不同案例完成验证。结果表明，该方法具有快速响应能力、精确的有功与无功功率管理性能，以及在扰动下实现最大超调小于2%的快速电压调节能力。此外，在阻性与感性负载条件下，系统均获得了较低THD水平，最低可达3.9%，满足IEEE 519标准。研究结果证实，ANN-PI方法能够改善孤岛微电网运行性能、电能质量以及dq轴控制性能。