CN109638931A - 多dc-dc并联的功率变换器系统模型预测控制方法及系统 - Google Patents
多dc-dc并联的功率变换器系统模型预测控制方法及系统 Download PDFInfo
- Publication number
- CN109638931A CN109638931A CN201910117436.1A CN201910117436A CN109638931A CN 109638931 A CN109638931 A CN 109638931A CN 201910117436 A CN201910117436 A CN 201910117436A CN 109638931 A CN109638931 A CN 109638931A
- Authority
- CN
- China
- Prior art keywords
- power converter
- converter system
- current
- cost function
- bridge arm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000001939 inductive effect Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 65
- 239000003990 capacitor Substances 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 7
- 238000007599 discharging Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/0071—Regulation of charging or discharging current or voltage with a programmable schedule
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/02—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from ac mains by converters
- H02J7/04—Regulation of charging current or voltage
- H02J7/06—Regulation of charging current or voltage using discharge tubes or semiconductor devices
-
- H02J2007/10—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J2207/40—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries adapted for charging from various sources, e.g. AC, DC or multivoltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Dc-Dc Converters (AREA)
Abstract
本发明公开了一种适用于多台DC‑DC并联的功率变换器系统模型预测控制方法及系统，不仅无需复杂的参数整定，而且能够同时实现动力电池充放电过程的高动态响应速度与无超调控制，该方法通用性强、灵活性高，可推广应用于n台DC‑DC并联的功率变换器系统。该方法包括以下步骤：采集当前时刻功率变换器系统的电流量和电压量，预测每台DC‑DC对应的下一时刻桥臂侧电感的电流值；构建功率变换器系统的代价函数，并利用每台DC‑DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数，选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
Description
技术领域
本公开涉及动力电池充放电领域，具体涉及一种适用于多台DC-DC并联的功率变换器系统模型预测控制方法及系统。
背景技术
通过多个DC-DC并联满足实际功率需求，已成为大功率电力电子装备最有效的设计方法之一。以动力电池充放电系统为例，随着大容量电池包的广泛应用，其测试仪器、充放电设备等都需要输出较大功率或能量，电池侧的多DC-DC并联结构成为首选。如图1所示，动力电池充放电系统主要由工频隔离或高频隔离、AC-DC、DC-DC三部分组成。其中，AC-DC实现交流与直流电能之间的相互转换；DC-DC则直接完成对动力电池的充放电控制，决定着仪器设备的充放电转换时间等主要性能指标，遂对控制电压电流方法的动态响应速度提出了高要求。
发明人在研发过程中，发现常用的传统PI控制方法，不仅参数整定复杂并随着多DC-DC并联复杂度急剧增加，而且无法同时满足电池充放电过程的高动态响应速度和无超调的特殊需求。因此，如何设计一种多DC-DC并联的功率变换器系统模型预测控制方法，无需复杂的参数整定，能够同时实现动力电池充放电过程的高动态响应速度与无超调控制，仍是待解决的技术问题。
发明内容
为了克服上述现有技术的不足，本公开提供了一种适用于多台DC-DC并联的功率变换器系统模型预测控制方法及系统，不仅无需复杂的参数整定，而且能够同时实现动力电池充放电过程的高动态响应速度与无超调控制，该方法通用性强、灵活性高，可推广应用于n台DC-DC并联的功率变换器系统。
本公开所采用的技术方案是：
一种多DC-DC并联的功率变换器系统模型预测控制方法，该方法包括以下步骤：
采集当前时刻功率变换器系统的电流量和电压量，预测每台DC-DC对应的下一时刻桥臂侧电感的电流值；
构建功率变换器系统的代价函数，并利用每台DC-DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数，选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
进一步的，所述功率变换器系统的电流量包括每台DC-DC对应的当前时刻桥臂侧电感的电流；所述功率变换器系统的电压量包括每台DC-DC对应的当前时刻输入电压和输出侧电容两端的电压。
进一步的，所述预测每台DC-DC对应的下一时刻桥臂侧电感的电流值的步骤包括：
基于功率变换器系统功率回路的数学模型，构建每台DC-DC在两种工作模式下的回路电压方程；
利用每台DC-DC对应的当前时刻桥臂侧电感的电流、每台DC-DC对应的当前时刻输入电压和输出侧电容两端的电压，对每台DC-DC在两种工作模式下的回路电压方程进行离散化处理，得到每台DC-DC在两种工作模式下对应的下一时刻桥臂侧电感的电流预测值。
进一步的，所述每台DC-DC在两种工作模式下的回路电压方程为：
其中，UDC-n为第n台DC-DC功率回路的输入电压；L为桥臂侧电感；iLn为第n台DC-DC的桥臂侧电感电流；Uo为输出侧电容C两端的电压。
进一步的，所述功率变换器系统的代价函数的构建方法为：
基于功率变换器系统中所有DC-DC的开关状态，分别建立功率变换器系统对应的若干个代价函数；功率变换器系统对应的代价函数通用表达式为：
其中，i1_k+1、i2_k+1、……in_k+1分别为DC-DC对应的k+1时刻桥臂侧电感的电流预测值；i1 *、i2 *、……、in *分别为DC-DC对应的桥臂侧电感的电流参考值。
进一步的，所述功率变换器系统的代价函数的求解方法为：
将功率变换器系统中每台DC-DC对应的下一时刻桥臂侧电感电流的预测值与参考值之间的差值的绝对值求和，得到功率变换器系统的每个代价函数的数值。
进一步的，还包括：
比较得到的功率变换器系统的每个代价函数的数值，选取出数值最小的代价函数；
将该数值最小的代价函数所对应的开关状态作为功率变换器系统中每台DC-DC的第一开关管的开关状态；
按照每台DC-DC的各开关管开关状态的逻辑关系，确定功率变换器系统中其余开关管的开关状态。
一种多DC-DC并联的功率变换器系统模型预测控制系统，包括：
数据采集单元，用于采集当前时刻功率变换器系统的电流量和电压量；
数据预测单元，用于预测每台DC-DC对应的下一时刻桥臂侧电感的电流值；
函数求解单元，用于构建功率变换器系统的代价函数，并利用每台DC-DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数；
函数优化单元，用于选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如上所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如上所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
通过上述技术方案，本公开的有益效果是：
(1)本公开提出的模型预测控制方法，增强了预测控制方法的通用性，提高了系统控制策略的灵活性与功率等级的可拓展性，特别适用于任意功率等级下的动力电池充放电工况；
(2)在需要大范围内改变充放电电流设定值的场合，本公开提出的模型预测控制方法无需进行复杂的参数整定，简化了控制过程；
(3)对动力电池充放电系统来说，本公开提出的模型预测控制方法同时满足动力电池充放电过程的高动态响应速度与无超调的特殊需求。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。
图1是现有的动力电池充放电系统结构框图；
图2是根据一种或多种实施方式的n台DC-DC并联的功率变换器系统结构图；
图3是根据一种或多种实施方式的功率变换器系统模型预测控制方法流程图；
图4是根据一种或多种实施方式的模式1工况下的KVL等效电路；
图5是根据一种或多种实施方式的模式2工况下的KVL等效电路。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为了满足动力电池充放电过程快速无超调的特殊需求，针对大功率动力电池充放电系统，一种或多种实施例提供一种适用于n台DC-DC并联的功率变换器系统模型预测控制方法，该方法有效解决了传统PI控制算法存在的参数整定复杂、无法满足动力电池充放电过程快速无超调的特殊要求等相关问题。该控制方法适用于n台DC-DC并联的功率变换器系统，增强了预测控制算法的通用性，提高了电池充放电系统控制策略的灵活性与功率等级的可拓展性。
请参阅附图2，黑色虚线框部分为n台DC-DC并联的功率变换器系统的功率拓扑结构，从左到右依次包含有：输入直流源、双极性H桥、LCL滤波器3个重要组成部分，其中，电感L1与L1′、L2与L2′、……Ln与Ln′的感值均相等，n台DC-DC并联的功率变换器系统的输入侧直流源由图1中的AC-DC或高频隔离部分单独提供。
请参阅附图3，基于图2所示的n台DC-DC并联的功率变换器系统，本实施例提出的模型预测控制方法包括以下步骤：
S101，采集当前时刻功率变换器系统中每台DC-DC的输入电压、桥臂侧电感的电流以及输出侧电容两端的电压。
具体的，所述步骤101中，采用霍尔电压传感器、电流传感器采集当前k时刻的由n台DC-DC并联组成的功率变换器系统中每台DC-DC的输入电压UDC-1_k、UDC-2_k、……UDC-n_k，每台DC-DC的桥臂侧电感L1、L2、……Ln的电流i1_k、i2_k、......in_k以及输出侧电容C两端的电压Uo_k。
S102，利用步骤S101采集到的电压和电流量，预测在下一时刻每台DC-DC的桥臂侧电感的电流值。
具体的，所述步骤102中，基于n台DC-DC并联的功率变换器系统功率回路的数学模型，利用上述步骤101中采集的k时刻功率变换器系统的每台DC-DC的输入电压UDC-1_k、UDC-2_k、......UDC-n_k，每台DC-DC的桥臂侧电感L1、L2、……Ln的电流i1_k、i2_k、……in_k以及输出侧电容C两端的电压Uo_k，对每台DC-DC的k+1时刻桥臂侧电感电流i1_k+1、i2_k+1、……in_k+1进行实时预测。
在本实施例中，所述n台DC-DC并联的功率变换器系统功率回路的数学模型为：
其中，UDC-n为第n台DC-DC功率回路的输入电压；L为桥臂侧电感；iLn为第n台DC-DC的桥臂侧电感电流；Uo为输出侧电容C两端的电压。
在本实施例中，考虑到n台DC-DC的一致性，以第1台DC-DC为例，对第1台DC-DC的k+1时刻桥臂侧电感L1的电流进行实时预测的具体实现过程为：
请参阅附图2，第1台DC-DC功率回路共有4个开关管，其中，各开关管开关状态的逻辑关系满足：Q1与Q4一致、Q2与Q3一致、Q1与Q3相反、Q2与Q4相反，因此，第1台DC-DC的工作模式完全由Q1的开关状态决定，共工作于两种开关模式：假定Q1导通(1状态)为模式1，Q1断开(0状态)为模式2，图4、图5分别给出了两种工作模式下的第1台DC-DC功率回路的等效回路电压电路(等效KVL电路)，模式1、模式2对应的回路电压方程分别为：
其中，公式(1)为模式1对应的回路电压方程，公式(2)为模式2对应的回路电压方程，UDC-1为第1台DC-DC功率回路的输入电压；L为桥臂侧电感；iL1为第1台DC-DC的桥臂侧电感电流；Uo为输出侧电容C两端的电压。
对公式(1)、(2)进行离散化处理，求得第1台DC-DC在模式1、模式2工况下的k+1时刻电感L1的电流预测值i1_k+1为：
其中，UDC-1k为第1台DC-DC的输入电压；Uo_k为输出侧电容C两端的电压；Ts为系统控制周期；i1_k为第1台DC-DC的桥臂侧电感L1的电流。
同理，第2台、第3台、……、第n台DC-DC的k+1时刻桥臂侧电感电流i2_k+1、i3_k+1、……、预测过程与第1台DC-DC的k+1时刻桥臂侧电感电流L1的预测过程类似，所得到的i2_k+1、i3_k+1、……、in_k+1的函数表达式与式(3)、式(4)的形式也基本一致。
第2台DC-DC在模式1、模式2工况下的k+1时刻电感L2的电流预测值i_2k+1为：
其中，UDC-2_k为第2台DC-DC的输入电压；Uo_k为输出侧电容C两端的电压；Ts为系统控制周期；i2_k为第2台DC-DC的桥臂侧电感L2的电流。
第3台DC-DC在模式1、模式2工况下的k+1时刻电感L3的电流预测值i3_k+1为：
其中，UDC-3_k为第3台DC-DC的输入电压；Uo-k为输出侧电容C两端的电压；Ts为系统控制周期；i3_k为第3台DC-DC的桥臂侧电感L3的电流。
第n台DC-DC在模式1、模式2工况下的k+1时刻电感Ln的电流预测值in_k+1为：
其中，UDC-n_k为第n台DC-DC的输入电压；Uo_k为输出侧电容C两端的电压；Ts为系统控制周期；in_k为第n台DC-DC的桥臂侧电感Ln的电流。
S103，利用步骤S102得到的每台DC-DC对应的桥臂侧电感的电流预测值，求解功率变换器系统的代价函数。
具体的，所述步骤103，对功率变换器系统的代价函数Js进行求解，具体实现过程如下：
S103-1，建立功率变换器系统的代价函数。
对于n台DC-DC并联的功率变换器系统，每台DC-DC都有两种工作模式，即每台DC-DC中的Q1都有0/1两种开关状态，则n台DC-DC并联的功率变换器系统共有2n种工作模式，这2n种工作模式对应于2n种开关状态：0/1j＝10/1j＝2......0/1j＝n，其中，j代表功率变换器系统中DC-DC的编号，0/1表示第j台DC-DC中Q1的开关状态。
基于n台DC-DC并联的功率变换器系统的2n种开关状态：0/1j＝10/1j＝2......0/1j＝n，分别建立功率变换器系统对应的2n个代价函数J0、J1、J2、……功率变换器系统对应的代价函数通用表达式为：
其中，为代价函数，共2n种取值；i1_k+1、i2_k+1、......in_k+1分别为第1、2、……n台DC-DC对应的k+1时刻桥臂侧电感的电流预测值；i1 *、i2 *、……、in *分别为第1、2、……、n台DC-DC对应的桥臂侧电感L1、L2、......、Ln的电流参考值，取值均为充放电电流设定值Io_ref的1/n倍。
S103-2，基于每台DC-DC的开关状态，求解功率变换器系统的代价函数。
基于每台DC-DC对应的开关状态，分别从步骤102中公式(3)或(4)、式(5)或(6)、……式(9)或(10)中取第1、2、……n台DC-DC对应的k+1时刻桥臂侧电感的电流预测值，计算代价函数的2n种值。
为了使本领域技术人员更好地了解本申请，在本实施例中，以n＝3为例给出公式(11)中各变量的对应关系。
当n＝3时，即3台DC-DC并联。其中，每台DC-DC有2种工作模式(每台DC-DC中的Q1有0/1两种开关状态)，故功率变换器系统有23＝8种工作模式，对应于8种开关状态：0/1j＝10/1j＝20/1j＝3(000、001、010、011、100、101、110、111)，按照先后顺序，这8种开关状态又进一步对应了8个代价函数Js(s＝0.1.2…7)，即000对应J0、001对应J01、010对应J2、011对应J3、100对应J4、101对应J5、110对应J6、111对应J7。
由上述分析可知，对于代价函数Js进行求解时，8个代价函数Js(s＝0.1.2…7)取值的不同，由i1_k+1、i2_k+1、i3_k+1的不同取值来决定，以Js(s＝0)为例，Js(s＝0)对应的开关状态为000，即第1、2、3台DC-DC的工作模式分别为：模式2、模式2、模式2，故i1_k+1、i2_k+1、i3_k+1分别按照公式(4)、(6)、(8)取值即可，其余的7个代价函数Js(s＝1.2...7)的分析过程与此类似，在本实施例中不再赘述。
需要说明的是，在本实施例中，公式(11)给出的代价函数Js表征了每台DC-DC对应的k+1时刻桥臂侧电感电流预测值与参考值之间的差值的绝对值之和，因此，代价函数的数值越小，n台DC-DC并联系统总的输出电流Io越接近充放电电流的设定值Io_ref，功率变换器系统的控制性能也就越好。
S104，优化功率变换器系统的代价函数。
具体的，所述步骤104中，在2n个代价函数中选取数值最小的代价函数Js_min，并选取Js_min对应的开关状态作为n台DC-DC并联的功率变换器系统的控制信号。
在本实施例中，以n＝3为例，对代价函数Js进行滚动优化分析，当n＝3时，功率变换器系统的代价函数的取值共有8个：Js(s＝0.1.2…7)，通过滚动优化选取8个代价函数Js(s＝0.1.2…7)的最小值Js_min，假定选取的最小代价函数为J0，即Js_min＝J0，故最终选取的开关状态为000，因此，第1、2、3台DC-DC中的Q1均为O状态。
按照各开关管开关状态的逻辑关系：Q1与Q4一致、Q2与Q3一致、Q1与Q3相反、Q2与Q4相反，来确定功率变换器系统中其余开关管的状态。
本实施例提出的适用于n台DC-DC并联的功率变换器系统模型预测控制方法，增强了预测控制算法的通用性，提高了系统控制策略的灵活性与功率等级的可拓展性，特别适用于任意功率等级下的动力电池充放电工况。
在需要大范围内改变充放电电流设定值的场合，本实施例提出的模型预测控制方法无需进行复杂的参数整定，简化了控制过程。
对动力电池充放电系统来说，本实施例提出的模型预测控制方法同时满足动力电池充放电过程的高动态响应速度与无超调的特殊需求。
一种或多种实施方式还提供一种多DC-DC并联的功率变换器系统模型预测控制系统，该系统包括：
数据采集单元，用于采集当前时刻功率变换器系统的电流量和电压量；
数据预测单元，用于预测每台DC-DC对应的下一时刻桥臂侧电感的电流值；
函数求解单元，用于构建功率变换器系统的代价函数，并利用每台DC-DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数；
函数优化单元，用于选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
一种或多种实施方式还提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如上所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
一种或多种实施方式还提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如上所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，该方法包括以下步骤：
采集当前时刻功率变换器系统的电流量和电压量，预测每台DC-DC对应的下一时刻桥臂侧电感的电流值；
构建功率变换器系统的代价函数，并利用每台DC-DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数，选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
2.根据权利要求1所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，所述功率变换器系统的电流量包括每台DC-DC对应的当前时刻桥臂侧电感的电流；所述功率变换器系统的电压量包括每台DC-DC对应的当前时刻输入电压和输出侧电容两端的电压。
3.根据权利要求1所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，所述预测每台DC-DC对应的下一时刻桥臂侧电感的电流值的步骤包括：
基于功率变换器系统功率回路的数学模型，构建每台DC-DC在两种工作模式下的回路电压方程；
利用每台DC-DC对应的当前时刻桥臂侧电感的电流、每台DC-DC对应的当前时刻输入电压和输出侧电容两端的电压，对每台DC-DC在两种工作模式下的回路电压方程进行离散化处理，得到每台DC-DC在两种工作模式下对应的下一时刻桥臂侧电感的电流预测值。
4.根据权利要求1所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，所述每台DC-DC在两种工作模式下的回路电压方程为：
其中，UDC-n为第n台DC-DC功率回路的输入电压；L为桥臂侧电感；iLn为第n台DC-DC的桥臂侧电感电流；Uo为输出侧电容C两端的电压。
5.根据权利要求1所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，所述功率变换器系统的代价函数的构建方法为：
基于功率变换器系统中所有DC-DC的开关状态，分别建立功率变换器系统对应的若干个代价函数；功率变换器系统对应的代价函数通用表达式为：
其中，i1_k+1、i2_k+1、……in_k+1分别为DC-DC对应的k+1时刻桥臂侧电感的电流预测值；i1 *、i2 *、……、in *分别为DC-DC对应的桥臂侧电感的电流参考值。
6.根据权利要求1所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，所述功率变换器系统的代价函数的求解方法为：
将功率变换器系统中每台DC-DC对应的下一时刻桥臂侧电感电流的预测值与参考值之间的差值的绝对值求和，得到功率变换器系统的每个代价函数的数值。
7.根据权利要求6所述的多DC-DC并联的功率变换器系统模型预测控制方法，其特征是，还包括：
比较得到的功率变换器系统的每个代价函数的数值，选取出数值最小的代价函数；
将该数值最小的代价函数所对应的开关状态作为功率变换器系统中每台DC-DC的第一开关管的开关状态；
按照每台DC-DC的各开关管开关状态的逻辑关系，确定功率变换器系统中其余开关管的开关状态。
8.一种多DC-DC并联的功率变换器系统模型预测控制系统，其特征是，包括：
数据采集单元，用于采集当前时刻功率变换器系统的电流量和电压量；
数据预测单元，用于预测每台DC-DC对应的下一时刻桥臂侧电感的电流值；
函数求解单元，用于构建功率变换器系统的代价函数，并利用每台DC-DC对应的桥臂侧电感电流预测值求解功率变换器系统的代价函数；
函数优化单元，用于选取出最小代价函数，将最小代价函数对应的开关状态作为功率变换器系统的控制信号。
9.一种计算机可读存储介质，其中存储有多条指令，其特征是，所述指令适于由终端设备的处理器加载并执行如权利要求1至7中任一项所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
10.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征是，所述指令适于由处理器加载并执行如权利要求1至7中任一项所述的一种多DC-DC并联的功率变换器系统模型预测控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910117436.1A CN109638931B (zh) | 2019-02-15 | 2019-02-15 | 多dc-dc并联的功率变换器系统模型预测控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910117436.1A CN109638931B (zh) | 2019-02-15 | 2019-02-15 | 多dc-dc并联的功率变换器系统模型预测控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109638931A true CN109638931A (zh) | 2019-04-16 |
| CN109638931B CN109638931B (zh) | 2020-11-06 |
Family
ID=66065287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910117436.1A Active CN109638931B (zh) | 2019-02-15 | 2019-02-15 | 多dc-dc并联的功率变换器系统模型预测控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109638931B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111708277A (zh) * | 2020-05-29 | 2020-09-25 | 中国科学技术大学 | 一种自适应时域的事件触发模型预测控制方法 |
| CN112583266A (zh) * | 2020-12-15 | 2021-03-30 | 北京航空航天大学 | 一种Buck-Boost变换器的模型预测控制方法、系统、设备及介质 |
| CN114726196A (zh) * | 2022-06-02 | 2022-07-08 | 山东大学 | 一种tab变换器移相离散集模型预测解耦控制方法及系统 |
| CN115864854A (zh) * | 2023-02-02 | 2023-03-28 | 山东大学 | 输入串联输出串联型dab变换器模型预测控制方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107070269A (zh) * | 2017-02-14 | 2017-08-18 | 中南大学 | 一种三相四线逆变器的控制方法及系统 |
-
2019
- 2019-02-15 CN CN201910117436.1A patent/CN109638931B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107070269A (zh) * | 2017-02-14 | 2017-08-18 | 中南大学 | 一种三相四线逆变器的控制方法及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111708277A (zh) * | 2020-05-29 | 2020-09-25 | 中国科学技术大学 | 一种自适应时域的事件触发模型预测控制方法 |
| CN112583266A (zh) * | 2020-12-15 | 2021-03-30 | 北京航空航天大学 | 一种Buck-Boost变换器的模型预测控制方法、系统、设备及介质 |
| CN114726196A (zh) * | 2022-06-02 | 2022-07-08 | 山东大学 | 一种tab变换器移相离散集模型预测解耦控制方法及系统 |
| CN114726196B (zh) * | 2022-06-02 | 2022-09-06 | 山东大学 | 一种tab变换器移相离散集模型预测解耦控制方法及系统 |
| CN115864854A (zh) * | 2023-02-02 | 2023-03-28 | 山东大学 | 输入串联输出串联型dab变换器模型预测控制方法及系统 |
| CN115864854B (zh) * | 2023-02-02 | 2023-05-23 | 山东大学 | 输入串联输出串联型dab变换器模型预测控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109638931B (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109638931B (zh) | 多dc-dc并联的功率变换器系统模型预测控制方法及系统 | |
| CN106164689B (zh) | 用于多相dc/dc转换器的模型预测控制的方法和控制器 | |
| CN107769595B (zh) | 一种三电平pwm整流器模型预测控制方法 | |
| CN104584414A (zh) | 控制两级的模块化转换器 | |
| Khan et al. | Artificial neural network-based voltage control of DC/DC converter for dc microgrid applications | |
| CN110912115B (zh) | 用于混合储能电路平抑功率波动的预测控制方法及系统 | |
| CN107070283A (zh) | 一种逆变器开关频率固定的改进型模型预测控制方法 | |
| CN110297452B (zh) | 一种蓄电池组相邻型均衡系统及其预测控制方法 | |
| CN110212800B (zh) | 基于模型预测控制的模块化多电平换流器通用控制方法 | |
| Ramos-Paja et al. | Sliding-mode control of a CuK converter for voltage regulation of a dc-bus | |
| CN103997241A (zh) | 一种基于h桥模块的多电平变换器电容电压均压方法 | |
| Bui et al. | Deep neural network-based surrogate model for optimal component sizing of power converters using deep reinforcement learning | |
| CN105006972A (zh) | 一种高压直流mmc在基频调制下的均压方法 | |
| CN113794249B (zh) | 数字电源箱充放电控制算法及控制系统 | |
| Song et al. | Switching state selection for model predictive control based on genetic algorithm solution in an indirect matrix converter | |
| Li et al. | Research on retired battery equalization system based on multi-objective adaptive fuzzy control algorithm | |
| Chen | Many-objective adaptive fuzzy with sliding mode control for a class of switching power converters using global optimization | |
| Bakeer et al. | Grid connection quasi Z-Source Inverter based on model predictive control with less sensors count | |
| CN108649796A (zh) | 一种用于非反相Buck-Boost变换器的统一模式控制方法 | |
| Suresh et al. | Performance evaluation of improved Y source power factor correction converter with enhanced power quality in EV rapid charger application | |
| Jourdan et al. | Design methodology for non insulated DC-DC converter: application to 42V-14V" Powernet" | |
| Hinov et al. | Modeling and Design of a Buck DC-DC Converter with Feed Forward Neural Networks | |
| Weike et al. | Fuzzy neural networks and GA based predictive control for active power filter | |
| Rakin et al. | Enhanced Isolated Bidirectional Resonant DC-DC Converter with Artificial Neural Network Control for Electric Vehicle Onboard Chargers | |
| Liu et al. | Component Based and Machine Learning Aided Optimal Filter Design for Full-Bridge Current Doubler Rectifier |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |