1.一种弱电网逆变器系统解耦控制方法，其特征在于，包括如下步骤：步骤1：根据并网逆变器下垂控制的基本原理，建立起下垂控制有功功率和功功率的基本模型；

步骤2：基于步骤1所得功率模型，考虑输电网中阻抗及阻感特性，将功率模型进行简化，同时得出逆变器下垂控制有功‑频率(P‑f)和无功‑电压(Q‑V)模型；

步骤3：设计成网格功率解耦控制器，根据电力系统的特性和需求，将系统中的有功功率和无功功率解耦，实现独立的成网频率和电压控制，以实现系统的稳定优化调度；

步骤4：基于步骤3所提出的成网格功率解耦控制器，提出增强的控制机制，推导所述控制器的小信号模型；

步骤5：基于步骤4所提出功率解耦控制器，设计模糊神经网络FNN控制规则，利用历史数据对模糊神经网络进行训练，通过反复训练和优化，提高模型的准确性和鲁棒性；

步骤6：将模糊神经网络FNN与成网格功率解耦控制器结合起来，作为控制系统的核心部分，将模糊神经网络用于学习和预测电力系统的状态，并根据预测结果调整功率解耦控制器中的参数，实现对系统的智能化控制。

2.根据权利要求1所述的一种弱电网逆变器系统解耦控制方法，其特征在于，所述步骤

1中逆变器传输到电网的P和Q用逆变器终端和并网点PCC处的电压以及两点之间的阻抗表示，基于下垂控制有功功率和功功率的基本模型为：其中，P、Q分别为分布式能源DER输出有功功率和无功功率；E、V分别表示为逆变器端子电压和PCC点电压，参数 表示为逆变器端子电压与PCC电压之间相角差，Z∠θ表示分布式能源DER系统的输出阻抗，包括滤波器和输出线的阻抗。

3.根据权利要求2所述一种弱电网逆变器系统解耦控制方法，其特征在于，所述步骤2中，在高压输电网中，传输线具有高阻抗比，θ≈90°，此外相角差 忽略不计，因此有由此上式化简为：当PCC电压和线路阻抗的大小固定时，观察到P和 之间以及Q和E之间的线性关系，关系表示为：*

f＝f0‑m(Pmea‑P0)                        (5)*

E＝E0‑n(Qmea‑Q0)                        (6)* *

式中，f 、E为逆变器端电压频率和幅值的参考值；f0、E0为其额定值；Pmea、Qmea是输出有功功率和无功功率；P0、Q0是额定有功功率和无功功率；m、n为有功‑频率，无功‑电压下垂系数。

4.根据权利要求2所述一种弱电网逆变器系统解耦控制方法，其特征在于，所述步骤3中所设计的网格成形功率解耦控制器为：弱电网逆变器系统包括弱配电网、DER滤波器和出口配电线路，所述系统等效电路由两个时变元件组成：时变阻抗Zs∠θs和时变电压源 表示由逆变器得到的系统总阻抗，是系统侧滤波阻抗、输出配电线路阻抗、弱配电网等效阻抗三部分之和；系统侧滤波阻抗、输出配电线路阻抗根据DER逆变器和配电线路的参数确定，弱配电网的等效阻抗通过监测PCC在负荷变化事件中的电压和电流变化来在线识别：其中，和分别 表示电压相和电流相量的运行前测量值， 和 表示运行后测量值，通过施加KVL，用 推导出等效电网电压 和Zg∠θg：根据等效时变系统电路，由上式确定输出阻抗和网格阻抗的组合系统阻抗为：Zs∠θs＝Zl∠θl+Zg∠θg                          (9)其中，

由于其电阻性，阻抗Zs∠θs不能用sinθ≈1,cosθ≈0的假设来简化，在配电网中，逆变器端电压 与电网等效电压 之间的相角差 很小，因此 的假设有效，由此，弱配电网中DER的输出P、Q分别表示为：式中，Ps、Qs分别为DER的有功功率和无功功率，Vg为电网等效电压源的电压幅值；

由上式将系统耦合特性用矩阵表示： 为了解耦Ps、Qs，将矩阵乘以它的逆 由此得到：

‑1

其中，η 为解耦矩阵，Pd和Qd分别表示解耦后的P和Q；值得注意的是，Pd与 呈线性关系，而Qd与E呈线性关系，与下垂律的特征一致；下垂控制通过利用Pd和Qd来有效地实现，表示解耦的P和Q；

‑1

所述成网格功率解耦控制器由解耦器和传统下垂控制器组成，解耦器基于解耦矩阵η设计，所提出的成网格功率解耦控制器的输入为测量的P和Q，即由P和Q计算块生成的Pmea和Qmea，输出为内环电压和电流控制器生成的频率和电压参考，由此得出有功‑频率，无功‑电压控制解耦器为：*

f＝f0‑mD1(P0‑Pmea)‑mD3(Q0‑Qmea)               (15)*

E＝E0‑nD2(P0‑Pmea)‑nD4(Q0‑Qmea)               (16)‑1

解耦器参数D1～D4根据解耦矩阵η 确定：其中，θs表示系统阻抗角。

5.根据权利要求4所述一种弱电网逆变器系统解耦控制方法，其特征在于，所述骤4中通过对功率传递函数进行线性化，构建小信号模型，还结合了所提出的成网格功率解耦控制器和用于功率测量的低通滤波器的模型，所述小信号模型的最终表示为：其次，将带低通滤波器的下垂控制建模为一阶惯性环节，并将 替换为 则小信号模型表示为：其中，wf表示低通滤波器的截止频率，由上式导出特征方程为三阶表达式为：

3 2 1

a3s+a2s+a1s+a0＝0                         (22)其中，

6.根据权利要求5所述一种弱电网逆变器系统解耦控制方法，其特征在于，所述步骤5中模糊神经网络FNN设计为：(1)第一层是输入层，将输入变量ei(i＝1,...,n)传递到下一层，这一层的输出可以表示为：xi＝fi(ei)＝ei                              (24)其中，xi表示第i个输入节点的输出，输入节点采用无功偏差e1＝eq及其导数 即n＝2；

(2)隶属层实现模糊化操作，每个节点的激活函数为待定义的高斯函数：其中 分别表示高斯函数在第i个输入变量的第j个节点的均值和标准差；mi是输入变量的每个簇中的隶属函数的个数，所有参数 均由平均向量μ和标准差向量σ统一定义为 和其中 表示所有成员函数的个

数；

(3)第三层是规则层，表示模糊推理机制，该层节点的输出是输入信号与其权重的乘积，表示为：其中lk(k＝1,...,pr)为规则层的第k个输出，pr表示规则总数； 表示隶属层和规则层之间的权值，假设权值是统一的，规则层的所有输出可以收 集为向量(4)输出层将规则层与相应的权值连接起来，并将其乘积的总和作为FNN的输出控制律Ef向量形式表示为：y0＝ωl＝Ef      (27)

1×p

其中ω＝[ω1  ω2 ...  ωpr]∈R ，为规则和输出层之间权值的向量。

7.根据权利要求6所述的一种弱电网逆变器系统解耦控制方法，其特征在于，利用模糊*神经网络FNN反复训练和优化，成网格功率解耦控制器的最优有功‑频率控制律更新规则f表示为：* * *

Ec_s＝f+ε＝ω l+ε       (28)其中，ε表示最小重构误差向量，上标“*”表示相应参数的最优值；将输出控制律设计为：其中，上标“^”表示对应参数的估计值，并在线更新将式(28)和(29)相减得到近似误差：

其中,上标“～”表示对应参数的近似误差； 通过使用Taylor线性化技术，将 转化为部分线性形式为：

其中， Oh表示向量的高阶项；

由上式可得：

其中 无功‑电压更新规则基本相同。