CN103633870A - 一种模块化多电平换流器的子模块电容电压平衡优化方法 - Google Patents

Abstract

本发明涉及一种模块化多电平换流器的子模块电容电压平衡优化方法，所述方法用的系统为模块化多电平换流系统，建立以分布式并行处理方式为架构的柔性直流输电系统阀基控制体系架构，该方法包括下述步骤：（1）确定子模块电容电压平衡控制的控制目标；（2）建立子模块状态决策优化模型；（3）对子模块电容电压进行平衡优化；（4）对子模块电容电压平衡优化进行验证。本发明采用分布式计算架构，极大的提高处理能力，使复杂算法策略的实现在高电压大容量柔性直流输电系统中的应用得到保证。

Description

一种模块化多电平换流器的子模块电容电压平衡优化方法

技术领域

本发明涉及一种电力系统的电力电子直流输电领域的平衡优化算法，具体涉及一种模块化多电平换流器的子模块电容电压平衡优化方法。

背景技术

模块化多电平（MMC）技术在高压直流输电领域应用时，换流阀需要数百乃至数千只子模块串联，而每个子模块都必须单独控制；子模块储能电容彼此独立，由于材料和制造水平的限制，电容容量、等效串联内阻、自放电速率以及温度分布等参数，都具有一定的离散性，另外考虑到桥臂内能量脉动、功率脉动的变化以及损耗方面，在充放电、能量交换以及运行过程中，子模块电容电压会产生不平衡的状况；而均压问题的妥善解决与否直接决定换流器输出性能的优劣，因此，子模块电容电压平衡算法是整个柔性直流输电系统是否能够稳定运行的前提和基础。

当前，电容电平调制法及其优化方法（保证电压畸变率不太大的情况下，尽量降低器件的开关频率）是柔性直流输电系统对子模块电容电压进行平衡调制的主要方式，此方式以最大值为投入模块数、最小值为零的工频正弦波作为最近电平的调制波，通过实时跟踪子模块电容电压，并通过每周期整体排序，确定投切子模块决策；在建设工程的规模不大的情况下（如上海风电场柔性直流输电示范工程，工程规模20MW，模块最大投入数是49，工频正弦波阶梯波的台阶数为50），对于控制保护系统和阀基控制算法来讲，以200us（工频20ms，半周期50个台阶，控制周期10ms/50=200Us）为操作周期，其数据采集能力、数据处理能力、算法实现控制能力以及系统硬件引起的通道延时和可靠传输等方面要求，是完全可以满足的；但是，随着工程规模的剧增，其模块最大投入数将达到200到400以上，相应的工频正弦波的台阶数也将达到200到400以上，若还是按照原有的实时控制决策方式的控制策略，将需要以低于50Us的周期处理时间，对于系统的采集能力和通道延时及可靠传输等要求，规模将是成倍的，数据处理能力和算法实现控制能力要求则成指数倍的；因此，对于以实时采集、实时控制方式为主的算法平衡实现，将变得非常困难。

禁忌(Tabu Search)算法是一种智能启发式搜索优化算法，具有灵活的记忆功能，通过引入灵活的存储结构和相应的禁忌准则避免重复搜索，并通过特赦准则赦免一些禁忌表中的优良状态，进而保证算法能够搜索到多极值点目标函数的全局最优解；禁忌搜索算法在电力系统的机组负荷分配、配电网故障恢复重构、无功优化等多种领域得到了深入的研究和应用，但基于禁忌搜索优化算法的柔性直流输电系统阀基控制策略方面，国内外很少研究和应用。

发明内容

针对现有技术的不足，本发明的目的是提供一种模块化多电平换流器的子模块电容电压平衡优化方法，该方法以分布式并行处理方式为架构的柔性直流输电系统阀基控制体系架构，对子模块电容电压的调制和平衡算法作决策预测实现，以电流方向、调制投入切出个数、子模块电压大小、子模块状态、器件开关频率等作为算法实现的关键参数，通过禁忌搜索优化算法，对开关动作的子模块进行预先决策，并从整体上将三相上下桥臂的电流、直流电压、桥臂电流变化率等关键因素加入到算法中，将微秒级周期决策转化为毫秒级周期批处理决策，快速搜索一组全局最优解，作为下一周期的子模块投切对象，以此实现柔性直流输电系统阀基控制算法的整体预测子模块电容电压平衡调制算法的方式，从而达到系统调控的要求。

本发明的目的是采用下述技术方案实现的：

本发明提供一种模块化多电平换流器的子模块电容电压平衡优化方法，所述方法用的系统为模块化多电平换流系统，建立以分布式并行处理方式为架构的柔性直流输电系统阀基控制体系架构，其改进之处在于，所述方法包括下述步骤：

（1）确定子模块电容电压平衡控制的控制目标；

（2）建立子模块状态决策优化模型；

（3）对子模块电容电压进行平衡优化；

（4）对子模块电容电压平衡优化进行验证。

进一步地，所述步骤（1）中，子模块电容电压平衡控制的控制目标包括：

1）电容总体波动系数δ：为总体控制目标；

2）电容不平衡度ε：为电容电压平衡的直接控制目标；

3）器件的开关频率；

4）平衡优化算法的实现难易。

进一步地，所述电容不平衡度ε用下述表达式表示：

$\mathrm{\ϵ}=\frac{U\max -U\min }{U_{\mathrm{ave}}}\×100\%$    式1>；

其中，

使子模块电容电压在Umax和Umin范围内波动。

进一步地，所述步骤（2）中，建立基于禁忌搜索的子模块状态决策优化模型包括下述步骤：

<1>建立五元组；子模块及换流器的五个关键信息构成的五元组，所述五元组是子模块状态决策优化模型目标函数的基础，所述五元组用下述表达式表示：

B＝{U_i;i_b;t_k;K_SM;W}   式2>；

其中，U_i;i_b;t_k;K_SM;W为子模块及换流器的五个关键信息，分别为：U_i为子模块电压大小，i_b为桥臂电流大小及方向信息，t_k为子模块开关动作时标，K_SM为子模块信息状态，W为桥臂总能量；

<2>确定目标函数和约束条件；

<3>确定禁忌表。

进一步地，所述子模块状态决策优化模型的目标函数用下述表达式表示：

$\min F=\min \left\{\frac{{\mathrm{\&alpha;}}_1\mathrm{\&eta;}+{\mathrm{\&alpha;}}_2\mathrm{\&phi;}}{\mathrm{\&beta;}}\right\}$    式3>；

其中：α₁，α₂均为权重系数；η为子模块投切代价；φ为能量波动率；β为子模块信息状态；

子模块信息状态β表示为：

子模块投切代价η由以下两部分组成：

$\mathrm{\&eta;}={\mathrm{\&gamma;}}_1{(\frac{U_i-U_{\mathrm{ave}}}{U_{\mathrm{ave}}}*100\%)}^{-1}+{\mathrm{\&gamma;}}_2{(\frac{t-t_k}{t_k}*100\%)}^{-1}$    式5>；

其中，γ₁，γ₂均为权重系数；U_ave表示子模块电容电压平均值；

能量波动率φ由下式表示，

$\mathrm{\&delta;}=\frac{\frac{1}{2}{C}_N{U}_N^2-\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{1}{2}{c}_i{u}_i^2}{W}$    式6>；

其中，c_i和u_i分别为各子模块电容和电压；i＝1,2,…n；n表示子模块个数；C_N表示桥臂整个电容的电容值，U_N表示整个桥臂的电压值；

子模块状态决策优化模型的约束条件包括：

A、总电压约束：U_min＜Σu＜U_max，总体电压不能超过上限和下限；

B、子模块电压畸变约束：

子模块电压畸变率小于上限值；

C、电气极限约束：过电流控制，用于保证桥臂电流值在允许限值内；桥臂电流值根据直流系统容量确定，1000WM，±320kV直流系统电流值在1600A±10%范围内；

D、控制约束：子模块在单控制周期内不进行重复投切。

进一步地，所述步骤<3>中，禁忌表包括禁忌表的规模，禁忌表的规模指的是允许存在的最大移动数目称，采用子模块数目的开平方数乘以8表示，对禁忌表的更新采用“先入先出”规则；

所述确定禁忌表包括下述步骤：

a、通过分布式架构的信息共享协议机制将周期内各并行计算单元的子模块信息进行收集，形成五元组信息树进行保存，并计算其目标值；

b、根据目标函数、约束条件、控制保护单元和换流抑制单元确定的周期子模块投入数，并通过平衡优化算法对分布式并行计算系统中的计算单元子模块信息目标值进行搜索，找到达到条件的一组局部最优解；

c、综合局部最优解，在其中搜索一组全局最优解，作为下一周期各时段进行投切的预投切子模块对象；

d、确定每个预投切子模块的投切时间点和顺序，确保下一周期的子模块投切决策，将相关信息发送执行单元，相关信息指的是需要投切的子模块序号及系统的控制保护信息。

进一步地，所述步骤（3）中，采用基于禁忌搜索的平衡优化算法对子模块电容电压进行平衡优化，包括下述步骤：

①读入系统参数（系统参数包括分布式系统运行参数和算法所需的参量和关键计算因子），确定搜索的起始解（此为初始化的内容，即预设一个相对低值）；

②读入子模块五元组信息，形成初始化信息群；

③确定禁忌长度，禁忌表长度，并将禁忌表置空；（禁忌长度是指需要搜索的信息数量，而禁忌表的长度则是搜索到的值的数量）

④确定周期内需调整的时段：通过周期长度和预设精度来进行调整，即确定周期内投切子模块数目和投切间隔；

⑤生成当前解的领域：通过五元组的信息树，搜索相邻叶子和节点，生成解邻域；

⑥从领域中选择目标函数最优的解，即候选解；

⑦取适应度相对最优的候选解；

⑧进行交叉操作，并判断选中解是否满足禁忌要求，若满足，则进行步骤⑨；否则将选中解从领域中删除，并返回步骤⑤；

⑨将选中的解作为新的当前解；

⑩判断是否超过最大迭代次数，若已达到，则得到最优解；否则，更新禁忌表，并对当前解进行适应度计算，返回步骤⑤。

进一步地，所述步骤①中，系统参数包括模块化多电平换流系统子模块的电流方向、调制投入切出子模块个数、子模块电压大小、子模块状态、子模块中IGBT器件开关频率、三相上下桥臂的电流、直流电压和桥臂电流变化率。

进一步地，所述步骤（4）中，采用在线仿真和物理离线仿真试验对子模块电容电压平衡优化进行验证。

与现有技术比，本发明的有益效果是：

1）建立以分布式并行处理方式为架构的柔性直流输电系统阀基控制体系架构，具有资源共享式网络通信协商机制保证系统信息传输的实时性和可靠性；并行计算协作求解使最优化方法和决策过程提高效率，分布式协调调度增加系统的可容错性和鲁棒性的优点，极大的提高处理能力，使复杂算法策略的实现在高电压大容量柔性直流输电系统中的应用得到保证；

2）禁忌搜索优化算法灵活的记忆功能，灵活的存储结构和相应的禁忌准则避免重复搜索，并通过特赦准则赦免一些禁忌表中的优良状态，进而保证算法能够搜索到多极值点目标函数的全局最优解；

3）MMC技术电压平衡算法评判指标的确立，使柔性直流输电系统的子模块电容电压平衡确立了行之有效的判断标准，对各种策略算法的优劣可以系统全面的进行评价；

4）该算法所进行的试验验证手段，以仿真方式和动态模拟试验方式共同作为验证算法的方式，是高压大容量柔性直流输电的阀基控制技术所有算法全面系统的测试方法。

附图说明

图1是本发明提供的模块化多电平换流器的拓扑结构图；

图2是本发明提供的模块化多电平换流器子模块的拓扑结构图；

图3是本发明提供的子模块电容电压波动范围波形图；

图4是本发明提供的子模块电容电压平衡优化的禁忌搜索优化算法流程图；

图5是本发明提供的仿真电路结构示意图；

图6是最近电平调制法的阀基控制系统动模平台试验交流波形图；

图7是最近电平调制法的阀基控制系统部分子模块电压波形图；

图8是最近电平调制法的阀基控制系统单个开关的频率波形图；

图9是本发明提供的基于禁忌搜索优化算法的阀基控制系统动模平台试验交流波形图；

图10是本发明提供的基于禁忌搜索优化算法的阀基控制系统部分子模块电压波形图；

图11是本发明提供的基于禁忌搜索优化算法的阀基控制系统单个开关的频率波形图；

图12是本发明提供的模块化多电平换流器的子模块电容电压平衡优化方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

本发明提供一种模块化多电平换流器的子模块电容电压平衡优化方法，该方法用的系统为所述模块化多电平换流系统，采用模块化多电平换流器实现，模块化多电平换流器由三相六个桥臂构成，每个桥臂由子模块级联组成；所述子模块包括绝缘栅双极型功率管IGBT1和IGBT2、晶闸管V、储能电容C、真空开关、电阻R1和电阻R2；所述电阻R1和电阻R2串联，组成R1-R2支路；所述真空开关、晶闸管V和IGBT2依次并联；所述IGBT1和IGBT2为上下结构且IGBT1的发射极连接IGBT2的集电极；所述IGBT1、R1-R2支路和储能电容C依次并联；本发明提供的模块化多电平换流器的拓扑结构图如图1所示。

每个子模块包括上下两个全控型电力电子器件IGBT1和IGBT2、储能电容C和一个起到过流保护功能的晶闸管V，同时还有一个真空开关可以在子模块发生严重故障时通过闭合将该子模块从主回路中旁路；通过控制每个子模块内部IGBT的通断可以控制子模块输出电容电压（投入）或不输出电压（退出），使每一相上下桥臂始终投入一定数量的子模块可以得到所需的直流侧电压，同时，通过调节上下桥臂各投入的子模块数量可以得到换流器的交流输出电压。子模块的拓扑结构图如图2所示。

本发明提供的模块化多电平换流器的子模块电容电压平衡优化方法，其流程图如图12所示，包括下述步骤：

（1）确定子模块电容电压平衡控制的控制目标；

子模块电容电压平衡控制的控制目标，包括以下几个方面：

1）电容总体波动系数δ：为总体控制目标。系统运行过程中，每个子模块电容电压波动系数符合设计要求，此性能与系统传输功率、冗余子模块数量、电容容值、换流控制算法、均压策略等多种因素相关，是系统的综合控制目标。

2）电容不平衡度ε：为电容电压平衡的直接控制目标。系统运行过程中，同一时刻下每个桥臂内子模块电容电压均衡保持一致，这是电容电压平衡控制的直接目标。如图3所示；

子模块电容电压在满功率传输情况下存在±8%的波动，考虑到直流电压波动、设备制造公差、测量误差、控制误差、电容电压平衡控制误差等因素，极限波动系数为±15%。

电容不平衡度ε用下述表达式表示：

$\mathrm{\&epsiv;}=\frac{U\max -U\min }{U_{\mathrm{ave}}}\&times;100\%$    式1>；

其中，

使子模块电容电压在Umax和Umin范围内波动。

3）器件的开关频率：阻碍VSC-HVDC技术发展的重要障碍是换流器的损耗较大，降低电力电子器件开关频率能够大大降低换流器损耗；器件的开关频率较高，子模块投切较频繁，则会造成较大的开关损耗，因此，器件的开关频率是电压平衡算法的重要评判指标；

4）平衡优化算法的实现难易：算法实现的难易程度与体系架构、硬件处理能力以及软件复杂度有关，也需要作为电压平衡算法的评判指标。

（2）结合高压大容量柔性直流输电阀基控制技术需求、禁忌搜索优化算法特点以及分布式并行计算处理架构特点等，建立适用于高压大容量柔性直流输电阀基控制的子模块电容电压平衡策略模型。建立子模块状态决策优化模型包括下述步骤：

<1>建立五元组；建立基于禁忌搜索优化算法的子模块状态决策优化模型的关键是目标函数的确定，子模块及整个系统的五个关键信息构成的五元组是目标函数的基础，所述五元组用下述表达式表示：

B＝{U_i;i_b;t_k;K_SM;W}   式2>；

其中，U_i;i_b;t_k;K_SM;W为子模块及换流器的五个关键信息，分别为：U_i为子模块电压大小，i_b为桥臂电流大小及方向信息，t_k为子模块开关动作时标，K_SM为子模块信息状态，W为桥臂总能量；

<2>确定目标函数和约束条件：

目标函数用下述表达式表示：

$\min F=\min \left\{\frac{{\mathrm{\&alpha;}}_1\mathrm{\&eta;}+{\mathrm{\&alpha;}}_2\mathrm{\&phi;}}{\mathrm{\&beta;}}\right\}$    式3>；

其中：α₁，α₂均为权重系数；η为子模块投切代价；φ为能量波动率；β为子模块信息状态；

子模块信息状态β表示为：

子模块投切代价η由以下两部分组成：

$\mathrm{\&eta;}={\mathrm{\&gamma;}}_1{(\frac{U_i-U_{\mathrm{ave}}}{U_{\mathrm{ave}}}*100\%)}^{-1}+{\mathrm{\&gamma;}}_2{(\frac{t-t_k}{t_k}*100\%)}^{-1}$    式5>；

其中，γ₁，γ₂均为权重系数；U_ave表示子模块电容电压平均值；

能量波动率φ由下式表示，

$\mathrm{\&delta;}=\frac{\frac{1}{2}{C}_N{U}_N^2-\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{1}{2}{c}_i{u}_i^2}{W}$    式6>；

其中，c_i和u_i分别为各子模块电容和电压；i＝1,2,…n；n表示子模块个数；C_N表示桥臂整个电容的电容值，U_N表示整个桥臂的电压值；

子模块状态决策优化模型的约束条件包括：

A、总电压约束：U_min＜Σu＜U_max，总体电压不能超过上限和下限；

B、子模块电压畸变约束：

子模块电压畸变率小于上限值；

C、电气极限约束：过电流控制，用于保证桥臂电流值在允许限值内；桥臂电流值根据直流系统容量确定，1000WM，±320kV直流系统电流值在1600A±10%范围内；

D、控制约束：子模块在单控制周期内不进行重复投切。

<3>确定禁忌表：

禁忌搜索到的每一个新状态都是当前点在其领域的移动操作产生的。因此移动和领域设计非常关键，模型采用领域解由集中性解和分散解组成的方法，这种方法通过子模块关键信息——子模块电压大小、桥臂电流方向、开关动作时标、子模块信息状态以及总能量组成的五元组产生的目标值进行精确的左右移动的同时，还在此五元组所在环随机产生新解，这个解就是所说的分散解。终止判据采用最优解连续爆出不变的最大迭代次数。

禁忌表是禁忌算法的关键所在，禁忌表中允许存在的最大移动数目称为禁忌表的规模。模型中禁忌表的规模采用子模块数目的开平方数乘以8，对禁忌表的更新采用传统的“先入先出”规则。之所以在搜索算法中出现释放准则是因为禁忌表有可能限制一些可以导致最好解的“移动”。模型建立采用基于适应值的“释放准则”：如果一个移动作用于当前解后，可达到一个到目前为止最优的适应值，则认为该移动满足了“释放准则”。

确定禁忌表包括下述步骤：

a、通过分布式架构的信息共享协议机制将周期内各并行计算单元的子模块信息进行收集，形成五元组信息树进行保存，并计算其目标值；

b、根据目标函数、约束条件、控制保护单元和换流抑制单元确定的周期子模块投入数，并通过平衡优化算法对分布式并行计算系统中的计算单元的子模块信息目标值进行搜索，找到达到条件的一组局部最优解；

c、综合局部最优解：在其中搜索一组全局最优解，作为下一周期各时段进行投切的预投切子模块对象；

d、确定每个预投切子模块的投切时间点和顺序，确保下一周期的子模块投切决策，将相关信息发送执行单元，相关信息指的是需要投切的子模块序号及系统的控制保护信息。

（3）对子模块电容电压进行平衡优化，本发明提供的子模块电容电压平衡优化的禁忌搜索优化算法流程图如图4所示，包括下述步骤：

①读入系统参数（系统参数包括分布式系统运行参数和算法所需的参量和关键计算因子），确定搜索的起始解（此为初始化的内容，即预设一个相对低值）；

②读入子模块五元组信息，形成初始化信息群；

③确定禁忌长度，禁忌表长度，并将禁忌表置空；（禁忌长度是指需要搜索的信息数量，而禁忌表的长度则是搜索到的值的数量）

④确定周期内需调整的时段：通过周期长度和预设精度来进行调整，即确定周期内投切子模块数目和投切间隔；

⑤生成当前解的领域：通过五元组的信息树，搜索相邻叶子和节点，生成解邻域；

⑥从领域中选择目标函数最优的解，即候选解；

⑦取适应度相对最优的候选解；

⑧进行交叉操作，并判断选中解是否满足禁忌要求，若满足，则进行步骤⑨；否则将选中解从领域中删除，并返回步骤⑤；

⑨将选中的解作为新的当前解；

⑩判断是否超过最大迭代次数，若已达到，则得到最优解；否则，更新禁忌表，并对当前解进行适应度计算，返回步骤⑤。

（4）对子模块电容电压平衡优化进行验证：

为验证基于禁忌搜索优化算法的柔性直流系统阀基控制策略模型，通过PSCAD/EMTDC仿真软件和动态模拟试验装置，将最近电平逼近调制策略和禁忌搜索优化算法的阀基控制系统分别搭建系统模型；PSCAD/EMTDC仿真软件搭建极限参数单站三相无源逆变电路，如图5所示；动态模拟试验平台搭建极限参数的单相无源逆变试验；通过试验对比分析，得出禁忌搜索优化算法在评价指标上优于最近电平逼近调制策略，最近电平调制法的阀基控制系统动模平台试验交流波形及部分子模块电压波形和单个开关的频率波形如图6-8所示，基于禁忌搜索优化算法的阀基控制系统动模平台试验交流波形及部分子模块电压波形和单个开关的频率分别如图9-图11所示。试验结果对比分析汇总表如表1所示：

通过在线仿真和物理离线仿真试验结果表明，基于禁忌搜索优化算法实现的电压平衡策略的阀基控制系统，对比于最近电平逼近调制法，在高压大容量应用中，其平衡效果和性能都有不同程度的提升，加强了系统鲁棒性、容错性、稳定性、可靠性以及可扩展性。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种模块化多电平换流器的子模块电容电压平衡优化方法，所述方法用的系统为模块化多电平换流系统，建立以分布式并行处理方式为架构的柔性直流输电系统阀基控制体系架构，其特征在于，所述方法包括下述步骤：

（1）确定子模块电容电压平衡控制的控制目标；

（2）建立子模块状态决策优化模型；

（3）对子模块电容电压进行平衡优化；

（4）对子模块电容电压平衡优化进行验证。

2.如权利要求1所述的子模块电容电压平衡优化方法，其特征在于，所述步骤（1）中，子模块电容电压平衡控制的控制目标包括：

1）电容总体波动系数δ：为总体控制目标；

2）电容不平衡度ε：为电容电压平衡的直接控制目标；

3）器件的开关频率；

4）平衡优化算法的实现难易。

3.如权利要求2所述的子模块电容电压平衡优化方法，其特征在于，所述电容不平衡度ε用下述表达式表示：

$\mathrm{\&epsiv;}=\frac{U\max -U\min }{U_{\mathrm{ave}}}\&times;100\%$    式1>；

其中，

使子模块电容电压在Umax和Umin范围内波动。

4.如权利要求1所述的子模块电容电压平衡优化方法，其特征在于，所述步骤（2）中，建立基于禁忌搜索的子模块状态决策优化模型包括下述步骤：

<1>建立五元组；子模块及换流器的五个关键信息构成的五元组，所述五元组是子模块状态决策优化模型目标函数的基础，所述五元组用下述表达式表示：

B＝{U_i;i_b;t_k;K_SM;W}   式2>；

其中，U_i;i_b;t_k;K_SM;W为子模块及换流器的五个关键信息，分别为：U_i为子模块电压大小，i_b为桥臂电流大小及方向信息，t_k为子模块开关动作时标，K_SM为子模块信息状态，W为桥臂总能量；

<2>确定目标函数和约束条件；

<3>确定禁忌表。

5.如权利要求4所述的子模块电容电压平衡优化方法，其特征在于，所述子模块状态决策优化模型的目标函数用下述表达式表示：

$\min F=\min \left\{\frac{{\mathrm{\&alpha;}}_1\mathrm{\&eta;}+{\mathrm{\&alpha;}}_2\mathrm{\&phi;}}{\mathrm{\&beta;}}\right\}$    式3>；

其中：α₁，α₂均为权重系数；η为子模块投切代价；φ为能量波动率；β为子模块信息状态；

子模块信息状态β表示为：

子模块投切代价η由以下两部分组成：

$\mathrm{\&eta;}={\mathrm{\&gamma;}}_1{(\frac{U_i-U_{\mathrm{ave}}}{U_{\mathrm{ave}}}*100\%)}^{-1}+{\mathrm{\&gamma;}}_2{(\frac{t-t_k}{t_k}*100\%)}^{-1}$    式5>；

其中，γ₁，γ₂均为权重系数；U_ave表示子模块电容电压平均值；

能量波动率φ由下式表示，

$\mathrm{\&delta;}=\frac{\frac{1}{2}{C}_N{U}_N^2-\underset{i}{\overset{n}{\mathrm{\&Sigma;}}}\frac{1}{2}{c}_i{u}_i^2}{W}$    式6>；

其中，c_i和u_i分别为各子模块电容和电压；i＝1,2,…n；n表示子模块个数；C_N表示桥臂整个电容的电容值，U_N表示整个桥臂的电压值；

子模块状态决策优化模型的约束条件包括：

A、总电压约束：U_min＜Σu＜U_max，总体电压不能超过上限和下限；

B、子模块电压畸变约束：

子模块电压畸变率小于上限值；

C、电气极限约束：过电流控制，用于保证桥臂电流值在允许限值内；桥臂电流值根据直流系统容量确定，1000WM，±320kV直流系统电流值在1600A±10%范围内；

D、控制约束：子模块在单控制周期内不进行重复投切。

6.如权利要求4所述的子模块电容电压平衡优化方法，其特征在于，所述步骤<3>中，禁忌表包括禁忌表的规模，禁忌表的规模指的是允许存在的最大移动数目称，采用子模块数目的开平方数乘以8表示，对禁忌表的更新采用“先入先出”规则；

所述确定禁忌表包括下述步骤：

a、通过分布式架构的信息共享协议机制将周期内各并行计算单元的子模块信息进行收集，形成五元组信息树进行保存，并计算其目标值；

b、根据目标函数、约束条件、控制保护单元和换流抑制单元确定的周期子模块投入数，并通过平衡优化算法对分布式并行计算系统中的计算单元子模块信息目标值进行搜索，找到达到条件的一组局部最优解；

c、综合局部最优解，在其中搜索一组全局最优解，作为下一周期各时段进行投切的预投切子模块对象；

d、确定每个预投切子模块的投切时间点和顺序，确保下一周期的子模块投切决策，将相关信息发送执行单元，相关信息指的是需要投切的子模块序号及系统的控制保护信息。

7.如权利要求1所述的子模块电容电压平衡优化方法，其特征在于，所述步骤（3）中，采用基于禁忌搜索的平衡优化算法对子模块电容电压进行平衡优化，包括下述步骤：

①读入系统参数，确定搜索的起始解；

②读入子模块五元组信息，形成初始化信息群；

③确定禁忌长度，禁忌表长度，并将禁忌表置空；

④确定周期内需调整的时段：通过周期长度和预设精度来进行调整，即确定周期内投切子模块数目和投切间隔；

⑤生成当前解的领域：通过五元组的信息树，搜索相邻叶子和节点，生成解邻域；

⑥从领域中选择目标函数最优的解，即候选解；

⑦取适应度相对最优的候选解；

⑧进行交叉操作，并判断选中解是否满足禁忌要求，若满足，则进行步骤⑨；否则将选中解从领域中删除，并返回步骤⑤；

⑨将选中的解作为新的当前解；

⑩判断是否超过最大迭代次数，若已达到，则得到最优解；否则，更新禁忌表，并对当前解进行适应度计算，返回步骤⑤。

8.如权利要求1所述的子模块电容电压平衡优化方法，其特征在于，所述步骤①中，系统参数包括模块化多电平换流系统子模块的电流方向、调制投入切出子模块个数、子模块电压大小、子模块状态、子模块中IGBT器件开关频率、三相上下桥臂的电流、直流电压和桥臂电流变化率。

9.如权利要求1所述的子模块电容电压平衡优化方法，其特征在于，所述步骤（4）中，采用在线仿真和物理离线仿真试验对子模块电容电压平衡优化进行验证。

Images