为了缓解现在能源问题紧张的局面,可以将可再生能源接入大电网进行能量交换的微电网正在渐渐推广。其中,并网逆变器是保证微电网稳定运行的重要部件,对并网逆变器的研究势在必行。本文以无变压器的三相LCL型并网逆变器所带来的直流分量注入问题为研究对象,重点研究了并网逆变器中直流分量的成因及其抑制方法。本文对并网逆变器并网电流中直流分量的产生原因进行了机理分析。本文根据三相并网逆变器的电路拓扑进行分析,建立了对应的并网电流数学模型,分析了不同原因下的非隔离型并网逆变器直流分量的产生机理,包括:功率开关管门级驱动信号延时、电流传感器的信号采集误差、功率开关器件的不对称性、电网电压的不平衡,等等。本文提出了一种滑动窗口二次积分法来实时检测并网电流中的直流分量。由于在实际的应用中,电网频率会在一个工频频率点上发生微小的偏移。因此,本文在滑动窗口一次积分方法的基础上进行了拓展,对滑动窗口一次积分的结果再次进行积分得到对应的滑动窗口二次积分的结果。滑动窗口二次积分的检测结果与滑动窗口一次积分相比虽然延时了一个工频周期,但是大大减小了所提取的直流分量波形的稳态误差。并且,本文所提出的并网电流直流分量的检测方法不需要增加额外的硬件检测电路,非常易于实现。本文提出了一种基于神经网络的直流分量抑制方法。本文借鉴了单相并网逆变器中直流分量补偿法的基本思想,将其拓展应用于三相并网逆变器。首先,采用差分法消除了三相并网电流中的零漂误差,然后,采用滑动窗口二次积分法来实时检测并网电流中的直流分量,其次,将直流分量送入到直流分量补偿控制器中得到对应的直流分量的补偿量,再次,将该补偿量与并网电流控制器的输出相叠加来共同调整并网逆变器功率开关管的驱动信号,最后实现直流分量的抑制。将神经网络引入到直流分量的抑制当中,提出采用BP(Back Propagation)-PID控制器作为直流分量的补偿控制器。利用神经网络的强非线性逼近能力和学习能力来动态调整PID参数,大大优化了采用固定参数的传统PID控制器存在的直流分量动态调整时间长和超调较大的问题。最后通过MATLAB/Simulink仿真对所采用的基于神经网络的直流分量抑制方法进行了验证。本文提出了一种改进的基于神经网络的直流分量抑制方法。在原BP-PID算法中,学习速率是一个固定的常数。学习速率参数的选择会影响系统的收敛速度。本文提出了一种自适应学习速率调整算法,它是通过观察反映了直流分量的当前时刻值和变化趋势的直流分量评价函数值的增减来对学习速率进行相应的增大或减小,进而使神经网络权值增量的调整步长进行相应的增大或减小,最终提高了算法的性能,使得改进的基于神经网络的直流分量抑制方法具有更短的直流分量动态调整时间和更小的超调。最后通过MATLAB/Simulink仿真对所采用改进的基于神经网络的直流分量抑制方法进行了验证。本文搭建了样机平台并进行了实验验证。本文在给出的硬件电路设计和软件程序设计方案的基础上最后搭建了一个2kW的三相LCL型并网逆变器实验样机,通过对比采用BP-PID控制器的直流抑制前后的并网电流波形,得到实验结果,验证了所提出的直流抑制方案的可行性。