CN110489774A - 一种模块化多电平功率放大器冗余度设计方法 - Google Patents

一种模块化多电平功率放大器冗余度设计方法 Download PDF

Info

Publication number
CN110489774A
CN110489774A CN201910530665.6A CN201910530665A CN110489774A CN 110489774 A CN110489774 A CN 110489774A CN 201910530665 A CN201910530665 A CN 201910530665A CN 110489774 A CN110489774 A CN 110489774A
Authority
CN
China
Prior art keywords
reliability
power amplifier
objective function
modular multilevel
loss characteristic
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
Application number
CN201910530665.6A
Other languages
English (en)
Other versions
CN110489774B (zh
Inventor
陈燕东
王海宁
欧阳红林
伍文华
罗安
何志兴
徐千鸣
周乐明
曾庆光
陈宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Zhicheng Champion Group Co Ltd
Original Assignee
Guangdong Zhicheng Champion Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Zhicheng Champion Group Co Ltd filed Critical Guangdong Zhicheng Champion Group Co Ltd
Priority to CN201910530665.6A priority Critical patent/CN110489774B/zh
Publication of CN110489774A publication Critical patent/CN110489774A/zh
Application granted granted Critical
Publication of CN110489774B publication Critical patent/CN110489774B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Inverter Devices (AREA)
  • Amplifiers (AREA)

Abstract

本发明公开了一种模块化多电平功率放大器冗余度设计方法，在选取冗余模块的数量时，针对功率放大器的可靠性、功率损耗特性分别建立数学模型，并以可靠性，功率损耗特性为目标建立关于冗余的目标函数，合理选取可靠性和功率损耗的权重系数，利用多目标粒子群优化算法计算出同时能同时满足模块化多电平功率放大器可靠性高、损耗小时的冗余功率模块数量，得出模块化多电平功率放大器的最佳冗余度，使模块化多电平功率放大器能同时兼顾可靠性和损耗特性的要求。

Description

一种模块化多电平功率放大器冗余度设计方法
技术领域
本发明涉及模块化多电平功率放大器领域，特别是一种模块化多电平功率放大器冗余度设计方法。
背景技术
传统的功率放大器采用的是线性功率放大器，虽然能够满足信号失真度的要求，但发射机的效率低、体积大，难以应用于高压大功率的场合；大功率功率放大器的研究是我国海洋安全的重要技术保证，也是海军军事侦测的关键技术支撑，针对高压大容量场合，通常采用模块化多电平功率放大器的拓扑结构，主要由两部分构成，一部分为AC/DC功率模块，另一部分为DC/AC功率模块；相对于传统的功率放大器，模块化多电平功率放大器具有宽范围电压及频率调节能力、模块化便于扩展、多模块冗余高可靠性、级联输出高保真的优点。但是多模块冗余固然可以提高系统的可靠性，同时也增加了系统的损耗，因此在兼顾系统损耗的同时，选取合适的冗余子模块数量提高系统可靠性，具有重要的实际意义。
发明内容
本发明所要解决的技术问题是，针对模块化多电平功率放大器，提供一种模块化多电平功率放大器冗余度设计方法，使得系统能同时满足可靠性和损耗特性的要求。
为解决上述技术问题，本发明所采用的技术方案是：一种模块化多电平功率放大器冗余度设计方法，包括AC/DC功率系统，DC/AC功率系统；所述AC/DC 功率系统包括三相交流输入、交流输入开关、三相不可控整流器、电容器、隔离型DC/DC变换器、滤波器；所述DC/AC功率系统包括电容器、全桥逆变单元、滤波器、负载依次连接；所述滤波器分别接在DC/AC功率系统的输入端和输出端。本模块化多电平功率放大器冗余度设计方法其特征在于，包括以下步骤：
步骤S1：建立功率模块可靠性、损耗特性的数学模型。每个元件的可靠度可表示为
R(t)＝e-λt
其中，λ为器件的故障率；
由此可得：
AC/DC功率子模块的可靠度为
DC/AC功率子模块的可靠度为
功率模块SM的可靠度为：
RSM(t)＝RSA(t)×RSD(t)
式中，RI(t)、RD(t)、RC(t)分别为IGBT、二极管和电容器的可靠性函数，由各元件的故障率代入式R(t)＝e-λt计算得到；
模块化多电平功率放大器系统的可靠度表示为：
式中，i为故障功率模块数量，m为冗余功率模块数量，N为总的功率模块数量。
建立功率模块损耗特性的数学模型，则第i个模块中单个IGBT和单个二极管的通态损耗可表示为：
其中，M为调制比，s为载波移相的角度，Ts为工作周期，n为投入运行的子模块数量，Vce0为门槛电压，Rce为IGBT通态等效电阻，Vce0和Rce均可通过厂家提供的器件手册得到，但都受温度的影响，vce(t)和vf(t)分别为IGBT 和快恢复二极管的实际导通压降；ic(t)为管子输出电流，f0为基波频率。
第i个模块中单个IGBT和单个二极管的开关损耗可表示为为：
其中vCE,off(tα),vCE,off(tβ),vF,off(tγ)为导通电压，vCE,ref为测试电压，Eon,Eoff,Erec可以根据开关能量曲线来拟合计算出开关能量，Nα,Nβ和Nγ是开关动作的数量，可根据载波与调制波频率求得，fsw为开关频率。由于二极管开通时损耗很小，在此不考虑，仅考虑二极管的反向恢复损耗Prec。
IGBT和二极管的总损耗由导通和开关损耗之和计算:
模块化多电平功率放大器系统N个子模块的总损耗可以表示为：
步骤S2：建立模块化多电平功率放大器关于冗余的可靠性目标函数、损耗特性目标函数：
步骤S3：合理选取可靠性和功率损耗的权重系数ω1、ω2得到最终的目标函数 F＝ω1Pm(m)+ω2RM(m)；
步骤S4：利用多目标粒子群优化算法计算出模块化多电平功率放大器可靠性、损耗特性的2个目标函数的共同最优结果。
步骤S5：得出同时满足可靠性、损耗特性的冗余子模块数量，得出最佳冗余度
与现有技术相比，本发明所具有的有益效果为：本发明提供了一种模块化多电平功率放大器冗余度设计方法，在选取冗余模块的数量时，针对功率放大器的可靠性、功率损耗特性分别建立数学模型，并以可靠性，功率损耗特性为目标建立关于冗余的目标函数，合理选取可靠性和功率损耗的权重系数，利用多目标粒子群优化算法计算出同时能同时满足模块化多电平功率放大器可靠性高、损耗小时的冗余功率模块数量，得出模块化多电平功率放大器的最佳冗余度，使模块化多电平功率放大器能同时兼顾可靠性和损耗特性的要求，在有效控制成本的基础上，提高了模块化多电平功率放大器的整体性能。
附图说明
图1为本发明一模块化多电平功率放大器结构及运行模式图；
图2为本发明一实施模块化多电平功率放大器冗余度设计方法运行示意图；
图3为本发明一多目标粒子群算法运行模式图。
具体实施方式
如图1所示，为本发明一模块化多电平功率放大器结构及运行模式图，包括 AC/DC功率系统，DC/AC功率系统；AC/DC功率模块包括交流电输入、三相不可控整流电路、电容器、单相逆变器、变压器、LC滤波器；所述交流电输入、三相不可控整流电路、电容器、单相逆变器、变压器、LC滤波器依次连接；DC/AC 功率模块包括单相逆变器、LC滤波器、负载；所述单相逆变器、LC滤波器、负载依次连接；所述AC/DC功率模块的LC滤波器输出接DC/AC功率模块的输入端，DC/AC功率模块的LC滤波器接负载。
如图2所示，为本发明一实施模块化多电平功率放大器冗余度设计方法运行示意图，具体包括以下步骤：
(1)建立功率模块可靠性、损耗特性的数学模型。每个元件的可靠度可表示为R(t)＝e-λt，其中，λ为器件的故障率；由此可得：AC/DC功率子模块的可靠度为DC/AC功率子模块的可靠度为功率模块SM的可靠度为RSM(t)＝RSA(t)×RSD(t)，其中，RI(t)、RD(t)、RC(t)分别为IGBT、二极管和电容器的可靠性函数，由各元件的故障率代入式R(t)＝e-λt计算得到，模块化多电平功率放大器系统的可靠度表示为：其中，i为故障功率模块数量，m为冗余功率模块数量，N为总的功率模块数量。
(2)计算出模块化多电平功率放大器系统总的损耗，第i个模块中单个IGBT 和单个二极管的通态损耗可表示为：
其中，M为调制比，s为载波移相的角度，Ts为工作周期，n为投入运行的子模块数量，Vce0为门槛电压，Rce为IGBT通态等效电阻，Vce0和Rce均可通过厂家提供的器件手册得到，但都受温度的影响，vce(t)和vf(t)分别为IGBT 和快恢复二极管的实际导通压降；ic(t)为管子输出电流，f0为基波频率。
第i个模块中单个IGBT和单个二极管的开关损耗可表示为为：
其中vCE,off(tα),vCE,off(tβ),vF,off(tγ)为导通电压，vCE,ref为测试电压，Eon,Eoff,Erec可以根据开关能量曲线来拟合计算出开关能量，Nα,Nβ和Nγ是开关动作的数量，可根据载波与调制波频率求得，fsw为开关频率。由于二极管开通时损耗很小，在此不考虑，仅考虑二极管的反向恢复损耗Prec。
IGBT和二极管的总损耗由导通和开关损耗之和计算:
模块化多电平功率放大器系统N个子模块的总损耗可以表示为：
(3)建立模块化多电平功率放大器关于冗余的可靠性目标函数、损耗特性目标函数：
再选取合理的可靠性和功率损耗的权重系数，高可靠性仍是最优冗余配置方案的必要条件，同时也要能兼顾经济性，使也损耗达到一定要求，具体数值由实际工程决定，当工程要求更高的可靠性时，ω1取较大数值，反之当工程要求经济性更高时，ω2取更大数值，得到最终的目标函数F＝ω1Pm(m)+ω2RM(m)。
(4)利用多目标粒子群算法计算出模块化多电平功率放大器可靠性、损耗特性的2个目标函数的共同最优结果。
(5)最后得出同时满足可靠性、损耗特性的冗余数量。
如图3所示为本发明一多目标粒子群算法运行模式图。具体包括以下步骤：
(1)初始化粒子群体，包括多目标粒子群算法的控制参数，群体规模，迭代次数；
(2)计算每个粒子所代表多目标优化方案的两个目标值Pm(m)和RM(m)：最大可靠性及最小损耗值；
(3)根据Pareto最优概念更新每个粒子的个体最优值，即在粒子的当前位置和历史最优位置中选择一个非劣解作为粒子的个体最优值，如二者无支配关系则保持个体最优值不变；
(4)根据粒子的序值挑选当前种群中序值较小的粒子，存入外部档案库, 并删除其中的非劣解；
(5)更新每个粒子的速度和位置；
(6)判断是否达到最大迭代次数，若达到，则输出档案库中的非劣解；否则转到步骤(2)；
(7)对档案库中的非劣解进行N-1校验，输出所有满足N-1安全的多目标优化方案。

Claims (6)

1.一种模块化多电平功率放大器冗余度设计方法，其特征在于，包括以下步骤：
步骤1：建立功率模块可靠性的数学模型和功率模块损耗特性的数学模型；
步骤3：利用上述数学模型建立模块化多电平功率放大器关于冗余的可靠性目标函数、损耗特性目标函数；
步骤4：选取可靠性和功率损耗的权重系数，得到最终的可靠性目标函数和损耗特性目标函数；
步骤5：利用多目标粒子群优化算法计算出模块化多电平功率放大器可靠性目标函数和损耗特性目标函数的共同最优结果；
步骤6：利用所述共同最优结果计算出同时满足可靠性、损耗特性的冗余数量m，并得出模块化多电平功率放大器的最佳冗余度。
2.根据权利要求1所述的模块化多电平功率放大器冗余度设计方法，其特征在于，总的功率模块可靠性的数学模型表达式为：其中，i为故障功率模块数量，m为冗余功率模块数量，N为总的功率模块数量；RSM(t)＝RSA(t)×RSD(t)为单个功率模块可靠性；为前级AC/DC可靠性；为后级DC/AC可靠性；为IGBT的可靠性，λI为IGBT的故障率；为二极管的可靠性，λD为二极管的故障率；为IGBT的可靠性，λC为电容的故障率；为电感的可靠性，λL为电感的故障率。
3.根据权利要求2所述的模块化多电平功率放大器冗余度设计方法，其特征在于，所述第i个功率模块损耗特性的数学模型表达式为： fsw为开关频率；Nα，Nβ和Nγ分别是计算开通、关断、恢复时开关动作的数量；(tα,tβ,tγ)是指每个切换时刻，Eon,Eoff,Erec为厂商提供的器件开关能量；vCE,off(tα)为IGBT在切换时刻tα的导通电压,vCE,off(tβ)为IGBT在切换时刻tβ的导通电压,vF,off(tγ)二极管在切换时刻tγ的导通电压，vCE,ref为测试电压；为输出实际电流和电压之间的相角，td为死区时间，M为调制比，s为载波移相的角度，Ts为工作周期，Vce0(Tvj)为在节温Tvj下的门槛电压，Rce(Tvj)为IGBT在节温Tvj下通态等效电阻，vce(t)和vf(t)分别为IGBT和快恢复二极管的实际导通压降；ic(t)为IGBT输出电流，iF(t)为二极管输出电流，f0为基波频率。
4.根据权利要求1所述的模块化多电平功率放大器冗余度设计方法，其特征在于，可靠性目标函数RM(m)、损耗特性目标函数Pm(m)的表达式为：
其中，表示从N个不同元素中取出i个元素的组合数，RSM为功率模块可靠性的数学模型；Ptotol为功率模块损耗特性的数学模型。
5.根据权利要求1所述的模块化多电平功率放大器冗余度设计方法，其特征在于，最终的目标函数F的表达式为：F＝ω1Pm(m)+ω2RM(m)；其中，ω1、ω2为权重系数，RM(m)为可靠性目标函数；Pm(m)为损耗特性目标函数。
6.根据权利要求1所述的模块化多电平功率放大器冗余度设计方法，其特征在于，步骤5)的具体实现过程包括：
1)初始化粒子群体；
2)计算每个粒子所代表多目标优化方案的两个目标值Pm(m)和RM(m)：RM(m)为可靠性目标函数；Pm(m)为损耗特性目标函数；
3)根据Pareto最优概念更新每个粒子的个体最优值，即在粒子的当前位置和历史最优位置中选择一个非劣解作为粒子的个体最优值，如二者无支配关系则保持个体最优值不变；
4)根据粒子的序值挑选当前种群中序值较小的粒子，存入外部档案库，删除其中的非劣解；
5)更新每个粒子的速度和位置；
6)判断是否达到最大迭代次数，若达到，则输出非劣解；否则转到步骤2)；
7)对档案库中的非劣解进行N-1校验，输出所有满足N-1安全的多目标优化方案，即共同最优结果。
CN201910530665.6A 2019-06-19 2019-06-19 一种模块化多电平功率放大器冗余度设计方法 Active CN110489774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910530665.6A CN110489774B (zh) 2019-06-19 2019-06-19 一种模块化多电平功率放大器冗余度设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910530665.6A CN110489774B (zh) 2019-06-19 2019-06-19 一种模块化多电平功率放大器冗余度设计方法

Publications (2)

Publication Number Publication Date
CN110489774A true CN110489774A (zh) 2019-11-22
CN110489774B CN110489774B (zh) 2023-04-18

Family

ID=68546257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910530665.6A Active CN110489774B (zh) 2019-06-19 2019-06-19 一种模块化多电平功率放大器冗余度设计方法

Country Status (1)

Country Link
CN (1) CN110489774B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307618A (zh) * 2020-10-29 2021-02-02 国网江苏省电力有限公司南京供电分公司 基于nsga-ii的mmc最优冗余数量配置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701347A (zh) * 2014-01-06 2014-04-02 东南大学 一种基于多目标优化的mmc冗余子模块配置方法
CN106410817A (zh) * 2016-09-29 2017-02-15 湘潭大学 一种牵引供电系统负序无功和电压波动综合优化补偿方法
CN106655851A (zh) * 2017-02-28 2017-05-10 湖南大学 一种基于mmc换流阀调制波的三次谐波含量值优化计算方法
CN106899031A (zh) * 2017-02-28 2017-06-27 湖南大学 一种柔性直流输电系统中全桥mmc换流阀冗余度优化方法
CN107508281A (zh) * 2017-08-10 2017-12-22 西南交通大学 一种同相供电系统潮流控制器动态可靠性评估方法
CN108306338A (zh) * 2018-01-31 2018-07-20 广东技术师范学院 一种模块化微电网及其日前能量优化调度的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103701347A (zh) * 2014-01-06 2014-04-02 东南大学 一种基于多目标优化的mmc冗余子模块配置方法
CN106410817A (zh) * 2016-09-29 2017-02-15 湘潭大学 一种牵引供电系统负序无功和电压波动综合优化补偿方法
CN106655851A (zh) * 2017-02-28 2017-05-10 湖南大学 一种基于mmc换流阀调制波的三次谐波含量值优化计算方法
CN106899031A (zh) * 2017-02-28 2017-06-27 湖南大学 一种柔性直流输电系统中全桥mmc换流阀冗余度优化方法
CN107508281A (zh) * 2017-08-10 2017-12-22 西南交通大学 一种同相供电系统潮流控制器动态可靠性评估方法
CN108306338A (zh) * 2018-01-31 2018-07-20 广东技术师范学院 一种模块化微电网及其日前能量优化调度的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307618A (zh) * 2020-10-29 2021-02-02 国网江苏省电力有限公司南京供电分公司 基于nsga-ii的mmc最优冗余数量配置方法

Also Published As

Publication number Publication date
CN110489774B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
An et al. Model predictive control with power self-balancing of the output parallel DAB DC–DC converters in power electronic traction transformer
CN107612405B (zh) 一种光伏固态变压器
CN106374830B (zh) 大功率高升压比光伏直流变流器装置及控制方法
CN107592017B (zh) 一种dc-dc变换器及控制方法
CN102916572A (zh) 抑制二次纹波电流并改善动态特性的控制方法及系统
CN108847773B (zh) 输入串联输出并联全桥直直变换器多模块功率平衡方法
Ali et al. A 13-, 11-, and 9-level boosted operation of a single-source asymmetrical inverter with hybrid PWM scheme
Tang et al. RL-ANN-based minimum-current-stress scheme for the dual-active-bridge converter with triple-phase-shift control
CN107609283A (zh) 基于桥臂等值电容的模块化多电平换流器高效建模方法
CN114499242B (zh) 一种npc三电平整流器优化有限控制集模型预测方法
CN109119984B (zh) 一种开关电容型直流变压器的建模、设计方法、装置及系统
WO2022247820A1 (zh) 一种谐振开关电容变换器及其控制方法
CN112467986A (zh) 一种单向llc谐振变换器及其变频控制方法、ipos直流变换器
Guo et al. Duty-cycle predictive control of quasi-Z-source modular cascaded converter based photovoltaic power system
Shahsavar et al. A New Flying Capacitor-Based Buck–Boost Converter for Dual-Purpose Applications
CN110212800A (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
Xiao et al. Active power decoupling method based on dual buck circuit with model predictive control
CN110489774A (zh) 一种模块化多电平功率放大器冗余度设计方法
Keshavarzian et al. A Redundancy‐based scheme for balancing DC‐link voltages in cascaded H‐bridge rectifiers
CN111404409A (zh) 基于mmc的多端口电力电子变压器拓扑及其控制方法
Roshandel et al. Optimal Digital Controller for Power Factor Correction of the Switching Power Supplies
Park et al. Accelerated model predictive control based on a greedy algorithm with Round-Robin priority for N-level single-phase flying capacitor converter in solid-state transformer
CN111342690B (zh) 一种分裂电容功率单元多电平变换器的调制方法
Park et al. Model Predictive Control with Reduced Computation for N-cell Cascaded Flying Capacitor H-Bridge Converter in Solid-State Transformer
CN104836465B (zh) 一种lc串联式三相pwm整流器电流迭代学习控制方法

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