并网逆变器作为可再生能源发电系统与电网之间衔接的重要设备,其性能对电网稳定可靠工作至关重要。在对多变量、强耦合、非线性的并网逆变器系统的控制研究中,自抗扰控制策略凭借其优秀的抗扰性、鲁棒性和不依赖系统精确模型的特质而被广泛采用,但自抗扰控制也存在着参数不易整定、扰动补偿不足的问题,限制了其优势的发挥。因此,本文以提高LCL型并网逆变器控制效果为目标,研究了基于智能优化算法和BP神经网络的线性自抗扰控制策略改进方案。首先,根据LCL并网逆变器的理想拓扑结构,推导了其在三种坐标系下的数学模型,并根据数学模型构建了s域的控制结构框图,分析讨论了LCL滤波器参数设定的约束条件。在分析了自抗扰控制基本原理的基础上,结合LCL并网逆变器的数学模型设计了电流环三阶线性自抗扰控制系统,并提出了基于智能优化算法整定线性扩张状态观测器增益系数的改进方案。其次,为了克服标准粒子群算法在参数整定时易陷入局部极值的问题,本文提出了一种新的鲸鱼粒子群混合算法。其主要思想是在粒子群算法中引入鲸鱼算法的螺旋位置更新策略,以增加粒子种群的多样性。本文选择了6个测试函数对改进前后的算法进行性能测试,结果表明,鲸鱼粒子群算法具有更好的寻优精度和稳定性。然后,对所研究的线性扩张状态观测器增益系数智能算法整定方案进行了详细的阐述,并将所提出的鲸鱼粒子群算法应用于整定方案中,再将参数整定结果代入到LCL并网逆变器控制系统仿真模型中与传统带宽整定法以及随机给定法的控制效果进行对比,仿真结果表明,经智能算法参数整定后的线性自抗扰控制器具有更好的稳态动态性能、抗扰能力和谐波抑制能力。最后,在参数整定优化的基础上,研究了采用BP神经网络补偿系统的部分扰动,以降低扩张状态观测器观测压力的改进策略。为了防止BP神经网络在训练中提前收敛,先利用鲸鱼粒子群算法对其权值和阈值进行了预整定,然后将离线训练好的BP神经网络嵌入到自抗扰控制器中,通过MATLAB/Simulink对改进效果进行仿真验证,结果表明,此改进策略能够进一步提高自抗扰控制器的稳态性能和抗扰能力。