摘要：新能源机组的大规模并网给系统运行的稳定性带来了诸多不良影响，对新能源机组并网逆变器（GCI）进行机理分析和阻抗特性辨识是有效应对上述问题的关键前提之一，因此，提出一种基于模型和数据驱动的GCI非线性建模及阻抗辨识方法。首先，考虑锁相环动态的影响，对新能源机组GCI进行小信号建模，建立GCI阻抗辨识输入和输出变量间的非线性映射关系；其次，利用Matlab/Simulink软件搭建新能源机组并网系统仿真模型，在多种工况下获取极端梯度提升树（XGBoost）训练所需的数据集；然后，利用仿真数据对XGBoost进行训练，并采用粒子群优化（PSO）算法对XGBoost的超参数进行寻优；最后，利用RT-LAB硬件在环测试技术结合小扰动法对GCI的阻抗特性进行扫描，获取模型验证所需的阻抗实际值。经过有效性和优越性对比实验表明了PSO-XGBoost模型相对于其他模型具有更高的GCI阻抗辨识精度。

      关键词：新能源机组；并网逆变器；阻抗辨识；极端梯度提升树；粒子群算法

      中图分类号：TM464     文献标识码：A