基于NARMA-L2的岸電并網電壓控制策略研究

喬 森，楊奕飛，2

(1. 江蘇科技大學電子信息學院，江蘇鎮江 212003；2.江蘇科技大學海洋裝備研究院，江蘇鎮江 212003)

1 引言

對港口城市來說，靠港船舶輔機燃油發電所產生的環境污染日漸嚴重，空氣污染防治問題日漸嚴峻，而靠港船舶采用岸上電能替代燃油輔機發電成為了一種行之有效的解決方案[1-2]。隨著國家對節能環保的重視，尤其是船舶岸電所體現出來的社會效益，交通運輸部于2017年發布《港口岸電布局建設方案(征求意見稿)》，標志著船舶岸電在未來五到十年內會出現井噴式發展，船舶靠港使用岸電已成為航運業的重要發展趨勢，船舶岸電系統的國內外市場需求將日益增長。

岸側電源經過變壓和變頻轉換至適合船舶電網的電壓和頻率，但是并網和負載變化時刻電壓會產生波動。而岸電控制策略是決定船舶電網的運行是否穩定的決定性因素，可使逆變器在并網操作時采用PQ控制以調節有功功率和無功功率，在系統孤島運行時采用V/F控制以確保系統保持穩定的電壓和頻率[3-4]。但是傳統的V/F控制本質上仍是經典PID控制，因為系統輸出存在一定的慣性，這種直接取目標和輸出之間誤差的方式，會對并網和負載變化時刻系統的控制精度、穩定時間等產生不利影響，因此引入神經網絡控制思想對傳統V/F控制進行優化。人工神經網絡(ANN)控制器不同于傳統的控制器，具有不需要建立復雜、精確的數學模型，可以根據外部環境對于控制器參數進行自動調整等優點[5]。本文在傳統V/F控制中引入了神經網絡環節，使系統具有更強的抗干擾性，同時具有更好的動態特性、穩態特性，有效提升岸電并網系統的控制精度，使得船舶電網的電壓更為穩定。

2 V/F岸電并網控制模型

2.1 船舶岸電并網控制過程

當船舶靠港后，岸側檢測船舶電網電壓、頻率、幅值和相位，經過預同步控制調節岸側電逆變器所產生的電壓、頻率、幅值，使其與船舶電網保持一致，由船側調整發電機轉速，調節相位使之與岸側一致，符合并網條件后合閘并網。合閘后調節船岸輸出功率，負載由船用柴油發電機轉移至岸側電源，負載轉移完成后，停止使用船用柴油發電機，斷開柴油發電機側開關，岸電并網完成。

2.2 V/F并網控制模型

V/F控制模型通過逆變器的反饋電壓以調節交流側電壓來保證輸出電壓的穩定，常采用電壓控制環和電流控制環結合的雙環控制方案[6]。處于外側的電壓控制環，可以調節系統的實時電壓，確保電壓的恒定，而內側的電流控制環，使得逆變器控制系統帶寬更大，增加了系統的動態響應速度，使整個控制系統對于非線性負載所產生的擾動具有了更強的適應能力，不僅增加了系統的動態響應能力，也提高了系統的穩態精度。

根據控制系統所選取的狀態變量的不同，雙環控制系統又分為電感雙環控制和電容雙環控制兩種。采用電容雙環控制與電感雙環控制相比，系統穩定性略有降低，但系統外特性更硬[7]。

圖1 V/F控制系統結構圖

若忽略濾波阻抗Rn，根據電路原理可得逆變器方程[8]為

(1)

由式(1)可得逆變器域控制框圖

圖2 逆變器域控制框圖

加入電壓電流雙環控制后系統框圖如圖3所示。

圖3 加入雙環控制后的系統框圖

圖中，S為微分環節，1/S為積分環節，L為濾波電感，C為濾波電容；外環控制器傳遞函數為Kup+Kui/S，包括外環電壓環比例控制器傳遞函數Kup與外環積分控制器傳遞函數Kui/S；內環比例控制器傳遞函數為K，SPWM控制逆變器傳遞函數為Kpwm(一般取Kpwm=1/2Udc，Udc為逆變器輸入端直流側電壓)。以iCn-ref為輸入，iCn為輸出，則電流環傳遞函數為

(2)

以Un-ref為輸入，Un為輸出，則電壓環傳遞函數為

(3)

3 基于NARMA-L2神經網絡的岸電電壓控制策略

3.1 神經NARMA-L2自校正控制器

自校正控制(Self-Tuning Control)有兩種結構，直接型和間接型。直接型自校正控制的不足之處在于采用的是開環控制，不能有效抑制擾動。一般情況下，自校正控制指的是間接自校正控制，由神經網絡辨識器將對象進行模型估計，然后由相同結構的神經網絡控制器進行參數的自適應整定控制[9]。

系統辨識之前首先選擇一個模型結構，描述一般的離散非線性系統的標準模型是非線性自回歸滑動平均模型(NARMA)，而非線性自回歸滑動平均-反饋線性化控制器(NARMA-L2)是根據NARMA模型建立的自校正控制器[10-11]。控制器分為辨識系統和控制系統，采用NARMA模型來近似描述被控系統，需要訓練一個神經網絡來擬合非線性函數g(x)，使用采用BP算法對神經網絡的權值進行訓練。

神經NARMA-L2控制器，分為辨識和控制兩個部分，其中辨識器的輸入為{y(k)，u(k)}，輸出為

(4)

v和ω為辨識器Nf()和Ng()的突觸權重矩陣，其更新規則[12]為

(5)

同時，NARMA-L2控制器將被控對象轉變為伴隨型系統，可以使用反饋線性化實現對系統的控制[13]。NARMA-L2控制器可用下式表示

(6)

(7)

3.2 基于神經NARMA-L2的岸電電壓控制模型

基于神經NARMA-L2控制器的岸電電壓控制系統采用6輸入、3輸出、隱層數為10層的神經網絡結構[14]。輸入量為dq軸參考電壓、dq軸實時電壓、電網參考頻率和實時頻率，輸出量為對dq軸電壓以及電網頻率的調制信號。預先采集傳統V/F控制模型穩態狀況下的輸入和輸出數據，作為系統的理想輸出數據，對岸電系統進行函數擬合，建立岸電系統參考模型。

神經NARMA-L2岸電控制系統整體結構框圖如圖4所示。

圖4 神經NARMA-L2岸電控制系統整體結構框圖

結合神經NARMA-L2控制器的岸電VF雙環控制系統框圖如圖5所示。

圖5 結合神經NARMA-L2的VF雙環控制系統框圖

系統輸出電壓Un反饋至NARMA-L2控制器，與參考電壓Un-ref進行比對，NARMA-L2控制器輸出調制信號。在模型訓練過程中，取傳統PI控制器下的VF雙環控制系統中的參考電壓和系統輸出電壓作為模型輸入、輸出，作為NARMA-L2控制器訓練數據。

4 仿真分析

4.1 岸電系統仿真建模

為了驗證所提控制方法的有效性，本文基于Matlab/Simulink仿真軟件進行仿真建模[15，16]，岸電系統整體模型如圖6所示，包括岸基部分：岸電電源、整流器、逆變器、濾波器、隔離變壓器等，船基部分：柴油發電機、調速器、勵磁系統、船側負載等。

圖6 岸電系統仿真模型

取鎮江大港碼頭常見駁船參數，進行仿真算例參數設置，具體參數如表1所示。

表1 仿真算例參數設置

4.2 基于神經NARMA-L2的岸電V/F控制模型仿真建模

基于神經NARMA-L2的岸電V/F控制模型包括兩個部分，dq坐標轉換模塊和電壓電流雙環控制模塊[17]。模型輸入為負載電壓Un和電容電流iCn，以及d軸、q軸參考電壓，其中d軸參考電壓Ud-ref=690V，q軸參考電壓Uq-ref=0，輸出為6路逆變器控制脈沖。為確保船舶電網穩定，坐標變換模型中變換參考頻率取60Hz，由虛擬鎖相環模塊產生，基于神經NARMA-L2自校正控制器的電壓電流雙環控制模型如圖7所示。

圖7 基于神經NARMA-L2的岸電V/F控制模型

4.3 仿真分析

4.3.1 并網過程仿真

以下電壓圖，橫坐標為時間(s)，縱坐標為電壓(V)。以下電流圖，橫坐標為時間(s)，縱坐標為電流(A)。并網前，岸側變頻器使用PQ控制進行預同步控制[18，19]，調節岸側電源的有功功率和無功功率，電壓維持穩態3s，穩態運行至 3s時并網合閘，負載由船側發電機轉移至岸側負載，船側和岸側并網，系統由PQ控制轉換至V/F控制。

圖8 基于傳統V/F控制的岸電系統并網波形圖

圖9 基于神經NARMA-L2的岸電V/F控制系統并網波形圖

如上圖所示，傳統V/F控制并網前電壓為585V，3s時刻并網合閘電壓驟降，經過0.35s調整后平穩于525V，電壓瞬態波動較大，穩態誤差為-60V。基于神經網絡V/F控制并網前電壓為585V，3s時刻并網合閘電壓下降，經過0.3s調整后平穩于540V，電壓波動為-45V，經神經NARMA-L2控制器優化后的并網電壓波動顯著減少，電壓恢復速度有所提升。取四次實驗數據進行統計，具體結果如表2所示。

表2 并網過程中的控制效果(①傳統V/F控制，②神經網絡V/F控制)

4.3.2 負載變化狀態仿真

當系統穩定運行至6s時，負載發生變化，電壓經過瞬時波動后，在控制器調節下漸趨平穩。

圖10 基于傳統V/F控制的岸電系統負載變化波形圖

如圖11所示，傳統V/F控制的岸電系統在6s時刻負載由90kW切換至60kW，經過0.3s調整后平穩于547V，電壓波動為+23V。基于神經網絡V/F控制的岸電系統，在6s時刻負載由90kW切換至60kW，經過0.1s調整后平穩于561V，電壓波動為+21V。基于神經網絡V/F控制的岸電系統負載切換時刻電壓、電流穩態誤差顯著減少，電壓恢復穩定速度提升。取四種負載狀況進行仿真比較，具體結果如表3。

圖11 基于神經網絡V/F控制的岸電系統負載變化波形圖

表3 負載變化的控制效果(①傳統V/F控制，②神經網絡V/F控制)

如表2和表3所示，神經網絡V/F控制在并網和負載切換過程中，電壓波動幅值相較傳統V/F控制波動較小，并網時刻電壓波動減少21%～25%，負載切換時刻電壓波動減少8%～16%，負載小范圍波動時，電壓恢復時間減少了40%，提升了電網并網時刻和負載切換時刻的安全性和系統的穩定性。通過多次不同負載狀態下的仿真驗證，本文所提出的神經網絡V/F并網控制策略能夠有效提升岸電系統并網后船舶電網的電能質量和穩定性。

5 結論

本文將V/F控制模型和神經NARMA-L2自校正控制器相結合，對岸電并網時刻和負載變換時刻的變頻器控制進行優化。基于神經NARMA-L2自校正控制器的岸電V/F控制模型，相較傳統的岸電V/F控制模型參數設置更為簡單，具有更高的精度和更快的響應速度，減少了并網和負載變化時刻的電壓波動，提高了并網系統多穩態精度并具有更好的動態特性，確保了作業人員的安全性和船舶電網的穩定性。通過對岸電整體模型的仿真研究，驗證該控制系統的優越性，為船舶岸電并網控制系統的設計和改進研究提供參考。