1.基于递归神经网络的并网逆变器电流控制方法，其特征在于：包括以下步骤：S101：采集三相电网电压信号和电流信号，根据采集到的三相电网电压信号，通过Clarke变换得到αβ坐标系下的电压信号；

对αβ坐标系下的电压信号采用双广义积分器进行滤波得到正序两相电压信号；

对正序两相电压信号采用Park变换得到dq坐标系下q轴的电压信号；根据dq坐标系下q轴的电压信号通过锁相环技术得到三相电网的电压相位；

S102：根据三相电网电压相位和采集到的三相电网电流信号，通过Clarke变换和Park变换得到dq坐标系下的电流信号，将dq坐标系下的电流信号与并网逆变器系统的参考电流信号相比较，得到电流差值信号，对电流差值信号进行积分，得到积分信号；

S103：将电流差值信号和积分信号作为递归神经网络控制器的输入，得到递归神经网络控制器的输出电压值，其中递归神经网络控制器的输出所需权重由LM+FATT算法训练获得；

S104：将递归神经网络控制器的输出电压值与PWM增益相乘，得到并网逆变器系统的输出电压值，对并网逆变器系统的输出电压值作反Park变换得到αβ坐标系下的两相电压值；

S105：对αβ坐标系下的两相电压值采用SVPWM调制方法生成PWM波，PWM波作为并网逆变器系统开关管的驱动脉冲，实现对并网逆变器系统的电流控制；

根据步骤S102变换得到的第k时刻dq坐标系下的电流信号 参考电流信号电流差值信号 和积分信号 在步骤S103中，训练得到递归神经网络控制器输出所需权重的步骤如下：

S201：将电流差值信号 和积分信号 作为第一个矩阵输入量输入到递归神经网络控制器中的前馈神经网络，经过前馈神经网络的正向过程，得到第一个递归神经网络控制器的输出向量 其中，电流信号 参考电流信号 分别代表：id(k)和iq(k)、idref(k)和iqref(k)；

S202：根据并网逆变器系统的离散域状态空间模型，利用 迭代预测出从k+1时刻到k+N-1时刻的N-1个电流量，从而计算得到从k时刻到k+N-1时刻的N个电流量与参考电流量的差值，继而计算得到递归神经网络控制器中前馈神经网络的评价函数C的值，评价函数C的表达式如公式(1)：其中 k为大于等于1的

正整数，N为大于k的正整数；

S203：利用LM+FATT算法计算权值更新矩阵，利用权值更新矩阵沿着评价函数C减小的方向调整递归神经网络控制器中前馈神经网络的权值矩阵，得到最终的权重 用 计算获得递归神经网络控制器的输出电压值在步骤S201中，递归神经网络控制器中前馈神经网络的结构包括输入层神经元、双隐含层神经元以及输出层神经元；

递归神经网络控制器的输出为两个电压值 和 由此可知，神经网络的输出神经元为2个，选取dq坐标系下电流差值 以及积分 作为神经网络输入层的输入，根据输入与输出之间的关系复杂度，选取双隐含层结构，采用试凑法，选取最终的隐含层节点数为5个，即前馈神经网络的结构为4-5-5-2；

在步骤S203中，沿着评价函数值减小的方向调整递归神经网络控制器中前馈神经网络的权值矩阵，具体的实施步骤如下：S301：确定RNN结构，初始化学习速率μ为0.001，μ的增加系数βin为10，μ的减小系数βde为

0.1，最大学习速率μmax为1×1010，设置最大训练次数Epochmax为200，以及最小可接受的梯-10度值 为1×10 ；

S302：用高斯分布随机函数randm初始化权值矩阵

S303：采用FATT算法计算评价函数C和雅克比矩阵

S304：计算梯度 将梯度 与最小可接受的梯度 相比较，如果退出训练程序；

S305：如果 采用Cholesky分解法计算权值更新矩阵 根据计算新的权值矩阵

S306：采用FATT*算法计算评价函数C*，比较C*和C的值，如果C*μmax，结束训练程序，若μ≤μmax，返回第S305步；

S307：令Epoch＝Epoch+1，返回步骤S303，直到达到最大训练次数Epochmax，结束训练程序。

2.如权利要求1所述的基于递归神经网络的并网逆变器电流控制方法，其特征在于，采用并网逆变器系统的离散状态空间模型获取递归神经网络控制器中的训练样本，并网逆变器系统的离散状态空间模型的建模过程如下：根据电路理论和坐标变换得到并网逆变器系统的连续状态空间方程，忽略电容影响，得到的简化并网逆变器系统连续域状态空间方程式如公式(2)：采用零阶保持器对上式进行离散化处理，得到并网逆变器系统的离散域状态空间方程如公式(3)：对公式(3)进行简化可得：

其中 表示ud(k)和uq(k)， 表示vd1(k)和vq1(k)， 表示vd和vq，

τ＝R/L，R＝r1+r2，L＝L1+L2，r1和L1代表逆变器侧的电阻和电感值、r2和L2代表电网侧的电阻和电感值，ωs和Ts分别代表三相电网的角频率和电流电压的采样频率，k为大于等于1的正整数。

3.一种基于递归神经网络的并网逆变器电流控制系统，其特征在于，采用如权利要求1～2任一项所述的基于递归神经网络的并网逆变器电流控制方法进行并网逆变器的电流控制。