CN112086987B - 基于模型预测控制算法的mmc故障电流抑制方法 - Google Patents

Abstract

本发明公开了一种基于模型预测控制算法的MMC故障电流抑制方法，针对交流电网发生故障时，MMC换流站交流侧故障电流过大的问题，制定了MMC模型预测控制策略的输出电流、桥臂能量、内部环流的预测算法与目标函数，并通过调节目标函数中输出电流的权重因数，有效地抑制了故障发生时交流侧的短路电流。与已有的MMC模型预测控制策略相比，本方法在两相静止α‑β坐标系下实现了系统的稳态控制与故障电流抑制，保障了柔性直流输电系统的安全稳定运行。本发明中提出的基于模型预测控制算法的MMC故障电流抑制方法结构简单、效果显著，具有较强的工程实用价值。

Description

基于模型预测控制算法的MMC故障电流抑制方法

技术领域

本发明属于电力电子技术领域，具体涉及一种基于模型预测控制算法的 MMC故障电流抑制方法。

背景技术

基于模块化多电平换流器(Modular multilevel converter,MMC)拓扑的柔性直流输电技术采用子模块级联的方式取代了开关器件的直接串联，具有制造难度低，开关损耗低，波形质量高等优点，因而得到了广泛应用。然而，当交流电网发生故障时，柔性直流输电系统也会受到严重影响。以海上风电柔直送出系统为例，当海上交流电网发生短路故障时，直流系统通过MMC提供很大的短路电流，而MMC中的电力电子器件能够承受的过电流能力是有限的，如不采取有效措施，短路故障过电流将会导致MMC中的电力电子器件闭锁甚至损坏，严重影响柔性直流输电系统的安全稳定。因此，研究MMC换流站在电网故障下的故障电流抑制策略具有重要的意义。

模型预测控制作为一种先进的控制理论，近年来在电力电子领域得到了广泛关注。在模型预测控制策略中，首先要根据预期的控制目标定义一个目标函数，再通过在每个控制周期内对不同开关动作时的目标函数进行计算比较，选取最优的方案对系统进行控制。由于目标函数的选择具有很大的灵活性，这种控制策略可以实现的目标十分多样，另外，通过调节目标函数中不同变量的权重因数，也能够实现不同的控制性能。已有研究提出了一种基于子模块投入方式遍历法的 MMC模型预测控制策略，其控制思想较为简单，通过比较本采样周期中所有子模块投入方式下的目标函数来确定最优的子模块投入方式，从而实现对MMC的控制。然而，对于大功率柔性直流输电系统来说，子模块数量较多，采用这种遍历方法的计算量太大，难以在工程实际中进行应用。有学者在此基础上提出了一种电网正常运行情况下的简化MMC模型预测控制策略，将上、下桥臂不同子模块的投入优先度根据子模块电容电压进行排序，当确定了需要投入的子模块数目时，其具体的子模块投入方法也可以确定为一种，因此只需要比较上、下桥臂采用不同子模块投入数目时的目标函数即可。这种简化方法大大优化了MMC模型预测控制策略的计算效率，然而，这种方法由于没有考虑电网故障下MMC的故障电流抑制方法，在电网故障发生时，可能会由于过电流导致开关器件闭锁或损坏，严重影响系统的安全运行。此外，这种方法在三相坐标系中实现对于系统的控制，控制过程中的计算量仍然较大。

发明内容

本发明的目的是为了克服上述现有技术中在电网故障时会导致MMC发生过电流的不足，并进一步简化现有技术的控制算法，提供一种基于模型预测控制算法的MMC故障电流抑制方法。

为了实现上述发明目的，本方法采取如下技术方案：

一种基于模型预测控制算法的MMC故障电流抑制方法，其特征在于，所述方法采用：采样模块、坐标变换模块、电网电压控制模块、输出电流预测与目标函数计算模块、桥臂能量预测与目标函数计算模块、内部环流预测与目标函数计算模块、权重因子计算模块、最终目标函数计算模块、目标函数比较与控制指令输出模块；

所述采样模块中，包括：

电压采样模块，对MMC换流器交流电网侧三相电压U_sabc，直流母线电压 U_dc，三相上、下桥臂子模块电压U_pabc(i)和U_nabc(i)进行采样，i＝1～N；

电流采样模块，对换流变压器阀侧三相电流I_vabc，MMC上、下桥臂电流I_pabc和I_nabc进行采样。

所述坐标变换模块中，包括：

Clark变换模块，对MMC交流电网侧三相电压U_sabc、阀侧三相电流I_vabc、上、下桥臂电流I_pabc和I_nabc、上、下桥臂子模块电压U_pabc(i)和U_nabc(i)进行Clark变换，i＝1～N，得到α-β坐标系下对应的电压矢量U_sαβ、电流矢量I_vαβ、上、下桥臂电流 I_pαβ和I_nαβ、上、下桥臂子模块电压U_pαβ(i)和U_nαβ(i)，i＝1～N；

Park变换模块，对电网电压矢量U_sαβ进行Park变换，得到同步旋转d-q坐标系中的电压矢量U_sdq，Park变换采用的角度为交流电网相位θ_v，由控制系统给定；

Park反变换模块，将电网电压控制器输出的电流参考值I_vdqref从同步旋转d-q 坐标系变换到静止α-β坐标系中，得到静止坐标系中的电流参考值I_vαβref，Park 反变换采用的角度为交流电网相位θ_v；

所述电网电压控制模块，对交流电网电压U_sdq的d、q轴分量通过PI控制器进行控制，使其分别跟随给定的参考值U_sdref及U_sqref，两个控制器输出经过限幅环节后，分别作为d、q轴电流的参考值I_vdqref。

所述输出电流预测与目标函数计算模块，包括：

输出电流预测模块，根据本采样周期得到的电网电压U_sαβ，阀侧电流I_vαβ，分别计算在本采样周期上、下桥臂采用不同子模块投入方法时，下一个采样周期的阀侧电流I_vαβ(next)，其中，本采样周期共有N+1种子模块投入方法，共需要计算N+1次I_vαβ(next)，得到I_vαβ(next)(m),m＝1,2,...N+1；

输出电流目标函数计算模块，根据预测电流值I_vαβ(next)(m)和电流参考值I_vαβref计算输出电流目标函数J_1m,m＝1,2,...N+1；

所述桥臂能量预测与目标函数计算模块，包括：

桥臂能量预测模块，根据本采样周期上、下桥臂不同子模块的电压U_pαβ(i) 和U_nαβ(i)(i＝1～N)，上、下桥臂电流I_pαβ和I_nαβ，分别计算在本采样周期上、下桥臂采用N+1种子模块投入方法时，下一个采样周期的不同子模块的电压值 U_αmp(next)(i)、U_αmn(next)(i)、U_βmp(next)(i)和U_βmn(next)(i)，i＝1～N,m＝1,2,...N+1，并进一步计算上、下桥臂子模块的总能量E_p(next)(m)和E_n(next)(m)，m＝1,2,...N+1；

桥臂能量目标函数计算模块，根据预测桥臂能量E_p(next)(m)、E_n(next)(m)和上、下桥臂能量参考值计算桥臂能量目标函数J_2m,m＝1,2,...N+1，上、下桥臂能量参考值给定为NCU_dc ²；

所述内部环流预测与目标函数计算模块，包括：

内部环流预测模块，根据本采样周期的上、下桥臂电流I_pαβ和I_nαβ、计算得到内部环流I_cαβ，再根据直流母线电压U_dc分别计算在本采样周期上、下桥臂采用N+1种子模块投入方法时，下一个采样周期的内部环流I_cαβ(next)(m)，m＝1,2,...N+1；

内部环流目标函数计算模块，根据预测内部环流I_cαβ(next)(m)和内部环流参考值计算内部环流目标函数J_3m,m＝1,2,...N+1，内部环流参考值给定为0；

所述权重因子计算模块，根据以下方法计算权重因子：在标幺值系统中，权重因子p₂,p₃一般给定为1，权重因子的p₁的计算方法如下：

其中，I_m为在上一个工频周期中I_vabc三相电流幅值的最大值，I_max为系统在全功率运行状态下的额定电流幅值，λ为故障电流抑制系数，根据系统对故障电流抑制要求进行给定；

所述最终目标函数计算模块，根据以下方法计算得到最终的目标函数J_m： J_m＝p₁J_1m+p₂J_2m+p₃J_3m，m＝1,2,...N+1；

所述目标函数比较与控制指令输出模块，比较采用N+1种子模块投入方法的最终目标函数J_m，m＝1,2,...N+1，选择其中目标函数最小的子模块投入方法作为本采样周期的控制指令，实现对MMC换流器的控制。

本发明基于模型预测控制算法，在两相静止坐标系中制定MMC中输出电流、桥臂能量、内部环流的预测算法与目标函数，通过调节最终目标函数中输出电流的权重因子，在故障发生时能够实现短路电流的有效抑制，且控制结构与传统技术相比更加简单，对于控制芯片的计算能力要求较低。

附图说明

图1为MMC换流站的一个具体示例结构图。

图2为本发明控制方法的一个具体示例系统原理图，各模块名称如下：

1--电压传感器、2--电流传感器、3--Clark变换模块、4--Park变换模块、5-- 电网电压控制器、6--Park反变换模块、7--输出电流预测模块、8--输出电流目标函数计算模块、9--桥臂能量预测模块、10--桥臂能量目标函数计算模块、11--内部环流预测模块、12--内部环流目标函数计算模块、13--权重因子计算模块、14-- 最终目标函数计算模块、15--目标函数比较与控制指令输出模块。

图3为本发明中N+1种子模块投入方法示意图。

具体实施方式

为了更为具体地描述本发明，下面结合附图及具体实施例对本发明的技术方案进行详细说明。

参照附图，本发明中基于模型预测控制算法的MMC故障电流抑制方法的系统实现如图2所示，系统包括电压传感器1、电流传感器2、Clark变换模块3、 Park变换模块4、电网电压控制器5、Park反变换模块6、输出电流预测模块7、输出电流目标函数计算模块8、桥臂能量预测模块9、桥臂能量目标函数计算模块10、内部环流预测模块11、内部环流目标函数计算模块12、权重因子计算模块13、最终目标函数计算模块14、目标函数比较与控制指令输出模块15。

如图2所示，本发明中基于模型预测控制算法的MMC故障电流抑制方法包括以下步骤：

利用电压传感器1对柔性直流输电系统送端MMC换流器交流电网侧三相电压U_sabc进行采集；利用电流传感器2对换流变压器阀侧三相电流I_vabc，MMC上、下桥臂电流I_pabc和I_nabc，利用电压传感器1对直流母线电压U_dc进行采集；利用电压传感器1对三相上、下桥臂N个子模块电压U_pabc(i)和U_nabc(i)(i＝1～N)进行采集。

采用Clark变换模块3对MMC交流电网侧三相电压U_sabc、阀侧三相电流I_vabc、上、下桥臂电流I_pabc和I_nabc、上、下桥臂子模块电压U_pabc(i)和U_nabc(i)(i＝1～N)进行 Clark变换，得到α-β坐标系下对应的电压矢量U_sαβ、电流矢量I_vαβ、上、下桥臂电流I_pαβ和I_nαβ、上、下桥臂子模块电压U_pαβ(i)和U_nαβ(i)(i＝1～N)；采用Park变换模块4对电网电压矢量U_sαβ进行Park变换，得到同步旋转d-q坐标系中的电压矢量U_sdq，Park变换采用的角度为交流电网相位θ_v，由控制系统给定。

采用电网电压控制器5对交流电网电压U_sdq的d、q轴分量进行控制，使其分别跟随给定的参考值U_sdref及U_sqref，两个控制器输出经过限幅环节后，分别作为d、q轴电流的参考值I_vdqref，其中，d轴电压参考值一般给定为1(标幺值)， q轴电压参考值一般给定为0，电网电压控制器5的实现方式如下：

其中：F_PI(s)为PI控制器的传递函数，k_p为比例系数，k_i为积分系数，I_vdref,I_vqref对应为电流矢量I_vdqref的d轴，q轴分量。限幅环节的限幅值设置为±I_lim，I_lim为 1.1倍的系统全功率运行状态下的额定运行电流。

采用Park反变换模块6将电流的参考值I_vdqref从同步旋转d-q坐标系变换到静止α-β坐标系中，得到静止坐标系中的电流参考值I_vαβref，Park反变换采用的角度为交流电网相位θ_v。

利用输出电流预测模块7，根据本采样周期得到的电网电压U_sαβ，阀侧电流 I_vαβ，分别计算在本采样周期上、下桥臂采用不同子模块投入方法时，下一个采样周期的阀侧电流I_vαβ(next)，其中，本采样周期共有N+1种子模块投入方法，共需要计算N+1次I_vαβ(next)，得到I_vαβ(next)(m),(m＝1,2,...N+1)，再利用输出电流目标函数计算模块8，根据电流参考值I_vαβref计算输出电流目标函数J_1m,(m＝1,2,...N+1)；

所述N+1种子模块投入方法如附图3中所示。

下一个采样周期的电流值I_vαβ(next)根据如下方式计算：

其中，L为包含换流变压器和桥臂电抗器的等效电感，T_s为采样周期，U_sα和U_sβ分别为电压矢量U_sαβ的α轴，β轴分量，I_vα和I_vβ分别为电流矢量I_vαβ的α轴，β轴分量，I_vα(next)(m)和I_vβ(next)(m)分别为电流矢量I_vαβ(next)(m)的α轴，β轴分量；U_nα(m), U_nβ(m)分别为采用第m种子模块投入方法的下桥臂电压的α轴，β轴分量，计算方法如下。

其中，l_na、l_nb和l_nc对应相下桥臂投入的子模块数量。

U_pα(m),U_pβ(m)分别为采用第m种子模块投入方法的上桥臂电压的α轴，β轴分量，其计算方法与下桥臂对应分量相同。

输出电流目标函数J_1m的计算方法如下：

J_1m＝|I_vαref-I_vα(next)(m)|+|I_vβref-I_vβ(next)(m)|

其中，I_vαref和I_vβref分别为电流矢量I_vαβref的α轴，β轴分量，J_1m为采用第m种子模块投入方法的输出电流目标函数。

利用桥臂能量预测模块9，根据本采样周期上、下桥臂不同子模块的电压 U_pαβ(i)和U_nαβ(i)(i＝1～N)，上、下桥臂电流I_pαβ和I_nαβ，分别计算在本采样周期上、下桥臂采用不同子模块投入方法时，下一个采样周期的不同子模块的电压值 U_αmp(next)(i)、U_αmn(next)(i)、U_βmp(next)(i)和U_βmn(next)(i)(i＝1～N,m＝1,2,...N+1)，并进一步计算上、下桥臂子模块的总能量E_p(next)(m)和E_n(next)(m)(m＝1,2,...N+1)，再利用桥臂能量目标函数计算模块10，根据上、下桥臂能量参考值E_pref(next)和E_nref(next)计算桥臂能量目标函数J_2m,(m＝1,2,...N+1)。

下一个采样周期中上桥臂子模块电压值的α轴分量U_αmp(next)(i)的计算方法如下：

其中：C为子模块电容电压。

其他子模块电压U_βmp(next)(i)、U_αmn(next)(i)和U_βmn(next)(i)的计算方法与U_αmp(next)(i)相同，替换对应变量即可。

下一个采样周期的上、下桥臂子模块能量和计算如下：

桥臂能量目标函数计算如下：

其中，J_2m为采用第m种子模块投入方法的桥臂能量目标函数。

利用内部环流预测模块11，根据本采样周期的上、下桥臂电流I_pαβ和I_nαβ、计算得到内部环流I_cαβ，再根据直流母线电压U_dc分别计算在本采样周期上、下桥臂采用不同子模块投入方法时，下一个采样周期的内部环流I_cαβ(next)(m) (m＝1,2,...N+1)，然后利用内部环流目标函数计算模块12，根据内部环流参考值计算内部环流目标函数J_3m,(m＝1,2,...N+1)。

采用如下方法计算下一个采样周期的内部环流I_cαβ(next)(m)：

其中：L₀为桥臂电抗器电感，I_cα和I_cβ分别为电流矢量I_cαβ的α轴，β轴分量， I_cα(next)(m)和I_cβ(next)(m)分别为电流矢量I_cαβ(next)(m)的α轴，β轴分量。

内部环流目标函数计算如下：

J_3m＝|I_cαref-I_cα(next)(m)|+|I_cβref-I_cβ(next)(m)|

其中，J_3m为采用第m种子模块投入方法的内部环流目标函数，I_cαref(m)和I_cβref(m)分别为电流矢量I_cαβref(m)的α轴，β轴分量，一般给定为0。

利用最终目标函数计算模块14，根据输出电流目标函数J_1m，桥臂能量目标函数J_2m，内部环流目标函数J_3m计算得到最终的目标函数J_m(m＝1,2,...N+1)，权重因子由权重因子计算模块13给出，具体计算方法如下：

根据以下方法计算得到最终的目标函数J_m：

J_m＝p₁J_1m+p₂J_2m+p₃J_3m

其中，在标幺值系统中，权重因子p₂,p₃一般给定为1，权重因子的p₁的给定方法如下：

其中，I_m为在上一个工频周期中I_vabc三相电流幅值的最大值，I_max为系统在全功率运行状态下的额定电流幅值，λ为故障电流抑制系数，根据系统对故障电流抑制要求进行给定。

利用目标函数比较与控制指令输出模块15，比较采用N+1种子模块投入方法的目标函数J_m(m＝1,2,...N+1)，选择其中目标函数最小的子模块投入方法作为本采样周期的控制指令，实现对MMC换流器的控制。

综上所述，采用本发明中的基于模型预测控制算法的MMC故障电流抑制方法，可以在交流电网发生故障时，有效抑制故障电流，从而保障柔性直流输电系统的安全稳定运行；本发明中的故障电流抑制方法控制结构简单，具有较强的工程实用价值。

上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (1)

1.一种基于模型预测控制算法的MMC故障电流抑制方法，其特征在于，所述方法采用：采样模块、坐标变换模块、电网电压控制模块、输出电流预测与目标函数计算模块、桥臂能量预测与目标函数计算模块、内部环流预测与目标函数计算模块、权重因子计算模块、最终目标函数计算模块、目标函数比较与控制指令输出模块；

所述采样模块中，包括：

电压采样模块，对MMC换流器交流电网侧三相电压U_sabc，直流母线电压U_dc，三相上、下桥臂子模块电压U_pabc(i)和U_nabc(i)进行采样，i＝1～N；

电流采样模块，对换流变压器阀侧三相电流I_vabc，MMC上、下桥臂电流I_pabc和I_nabc进行采样；

所述坐标变换模块中，包括：

Clark变换模块，对MMC交流电网侧三相电压U_sabc、阀侧三相电流I_vabc、上、下桥臂电流I_pabc和I_nabc、上、下桥臂子模块电压U_pabc(i)和U_nabc(i)进行Clark变换，i＝1～N，得到α-β坐标系下对应的电压矢量U_sαβ、电流矢量I_vαβ、上、下桥臂电流I_pαβ和I_nαβ、上、下桥臂子模块电压U_pαβ(i)和U_nαβ(i)，i＝1～N；

Park变换模块，对电网电压矢量U_sαβ进行Park变换，得到同步旋转d-q坐标系中的电压矢量U_sdq，Park变换采用的角度为交流电网相位θ_v，由控制系统给定；

Park反变换模块，将电网电压控制器输出的电流参考值I_vdqref从同步旋转d-q坐标系变换到静止α-β坐标系中，得到静止坐标系中的电流参考值I_vαβref，Park反变换采用的角度为交流电网相位θ_v；

所述电网电压控制模块，对交流电网电压U_sdq的d、q轴分量通过PI控制器进行控制，使其分别跟随给定的参考值U_sdref及U_sqref，两个控制器输出经过限幅环节后，分别作为d、q轴电流的参考值I_vdqref；

所述输出电流预测与目标函数计算模块，包括：

输出电流预测模块，根据本采样周期得到的电网电压U_sαβ，阀侧电流I_vαβ，分别计算在本采样周期上、下桥臂采用不同子模块投入方法时，下一个采样周期的阀侧电流I_vαβ(next)，其中，本采样周期共有N+1种子模块投入方法，共需要计算N+1次I_vαβ(next)，得到I_vαβ(next)(m),m＝1,2,...N+1；

输出电流目标函数计算模块，根据预测电流值I_vαβ(next)(m)和电流参考值I_vαβref计算输出电流目标函数J_1m,m＝1,2,...N+1；

所述桥臂能量预测与目标函数计算模块，包括：

桥臂能量预测模块，根据本采样周期上、下桥臂不同子模块的电压U_pαβ(i)和U_nαβ(i)，上、下桥臂电流I_pαβ和I_nαβ，分别计算在本采样周期上、下桥臂采用N+1种子模块投入方法时，下一个采样周期的不同子模块的电压值U_αmp(next)(i)、U_αmn(next)(i)、U_βmp(next)(i)和U_βmn(next)(i)，i＝1～N,m＝1,2,...N+1，并进一步计算上、下桥臂子模块的总能量E_p(next)(m)和E_n(next)(m)，m＝1,2,...N+1；

桥臂能量目标函数计算模块，根据预测桥臂能量E_p(next)(m)、E_n(next)(m)和上、下桥臂能量参考值计算桥臂能量目标函数J_2m,m＝1,2,...N+1，上、下桥臂能量参考值给定为NCU_dc ²，其中C为子模块电容的电容值；

所述内部环流预测与目标函数计算模块，包括：

内部环流预测模块，根据本采样周期的上、下桥臂电流I_pαβ和I_nαβ、计算得到内部环流I_cαβ，再根据直流母线电压U_dc分别计算在本采样周期上、下桥臂采用N+1种子模块投入方法时，下一个采样周期的内部环流I_cαβ(next)(m)，m＝1,2,...N+1；

内部环流目标函数计算模块，根据预测内部环流I_cαβ(next)(m)和内部环流参考值计算内部环流目标函数J_3m,m＝1,2,...N+1，内部环流参考值给定为0；

所述权重因子计算模块，根据以下方法计算权重因子：在标幺值系统中，权重因子p₂,p₃为1，权重因子的p₁的计算方法如下：

其中，I_m为在上一个工频周期中I_vabc三相电流幅值的最大值，I_max为系统在全功率运行状态下的额定电流幅值，λ为故障电流抑制系数，根据系统对故障电流抑制要求进行给定；

所述最终目标函数计算模块，根据以下方法计算得到最终的目标函数J_m：J_m＝p₁J_1m+p₂J_2m+p₃J_3m，m＝1,2,...N+1；

所述目标函数比较与控制指令输出模块，比较采用N+1种子模块投入方法的最终目标函数J_m，m＝1,2,...N+1，选择其中目标函数最小的子模块投入方法作为本采样周期的控制指令，实现对MMC换流器的控制。

Images