CN113437915B - 一种逆变器死区电压补偿模型的构建方法及应用 - Google Patents

一种逆变器死区电压补偿模型的构建方法及应用 Download PDF

Info

Publication number
CN113437915B
CN113437915B CN202110642903.XA CN202110642903A CN113437915B CN 113437915 B CN113437915 B CN 113437915B CN 202110642903 A CN202110642903 A CN 202110642903A CN 113437915 B CN113437915 B CN 113437915B
Authority
CN
China
Prior art keywords
inverter
voltage
compensation
phase
dead zone
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.)
Active
Application number
CN202110642903.XA
Other languages
English (en)
Other versions
CN113437915A (zh
Inventor
童乔凌
刘涛
闵闰
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110642903.XA priority Critical patent/CN113437915B/zh
Publication of CN113437915A publication Critical patent/CN113437915A/zh
Application granted granted Critical
Publication of CN113437915B publication Critical patent/CN113437915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/38—Means for preventing simultaneous conduction of switches
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
    • H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
    • H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
    • H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Inverter Devices (AREA)

Abstract

本发明公开了一种逆变器死区电压补偿模型的构建方法及其应用，包括：S1、通过e指数函数拟合的方式，分别拟合各相补偿电压与其相电流、逆变器功率回路中其相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，得到各相补偿电压方程；S2、基于死区补偿电压与各相补偿电压之间的线性变换关系，结合各相补偿电压方程，得到死区补偿电压与各相电流、逆变器功率回路中各相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，记为逆变器死区电压补偿模型。本发明不需要用到逆变器的电气参数，也避免了传统补偿算法的补偿误差和繁琐的理论模型计算，可以获得更好的补偿效果，能够实时的、自适应的对逆变器的非线性效应进行精确补偿。

Description

一种逆变器死区电压补偿模型的构建方法及应用
技术领域
本发明属于电机控制领域，更具体地，涉及一种逆变器死区电压补偿模型的构建方法及其应用。
背景技术
随着科技的发展，越来越多的电力电子产品已应用到人们的日常生产生活中，逆变器是电力电子产业中的一个重要应用，它的主要作用是将直流电转换成交流电。而三相逆变器作为常用的逆变器广泛应用于各种电机驱动控制系统中，但是由于为了避免三相逆变器同一桥臂上下管直通插入了死区时间，且功率器件存在开通关断延迟、管压降等非线性效应，容易导致实际输出电压和参考电压存在失真，造成三相电流的畸变，影响电机的控制性能，故如何减小电流电压的畸变成为亟待解决的技术问题。
现有技术中通常对逆变器的非线性效应进行补偿来减小电流电压的畸变，目前常见的逆变器死区补偿方法多是基于简单的符号函数模型、梯形补偿模型以及基于离线测定的查找表补偿模型来进行补偿；但是不同逆变器的硬件参数不同，上述模型针对不同的硬件参数均需要进行繁复的离线标定，操作复杂，具有局限性，对于不同的逆变器无法实时且自适应的动态补偿逆变器的非线性效应。另外，上述模型较为简单，通过对死区补偿电压与相电流之间的关系进行近似构建得到，精确度较低，无法实现逆变器的非线性效应的精确补偿。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种逆变器死区电压补偿模型的构建方法及其应用，用以解决现有技术无法自适应的对逆变器的非线性效应进行精确补偿的技术问题。
为了实现上述目的，第一方面，本发明提供了一种逆变器死区电压补偿模型的构建方法，包括以下步骤：
S1、通过e指数函数拟合的方式，分别拟合各相补偿电压与其相电流、逆变器功率回路中其相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，得到各相补偿电压方程；
S2、基于死区补偿电压与各相补偿电压之间的线性变换关系，结合各相补偿电压方程，得到死区补偿电压与各相电流、逆变器功率回路中各相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，记为逆变器死区电压补偿模型。
进一步优选地，第m相补偿电压方程为：
Figure BDA0003108722710000021
其中，m为a或b或c；ΔVm为第m相补偿电压；Vd为逆变器的最大补偿电压；wm为逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流。
进一步优选地，逆变器死区电压补偿模型的代价函数为：
Figure BDA0003108722710000022
其中，Vref为逆变器的参考电压；Vs为逆变器补偿后的输出电压。
逆变器死区电压补偿模型包括在αβ坐标系、dq坐标系或静止三相坐标系下的逆变器死区电压补偿模型。
进一步优选地，αβ坐标系下的逆变器死区电压补偿模型为：
Figure BDA0003108722710000031
其中，ΔVα为逆变器α轴的死区补偿电压；ΔVβ为逆变器β轴的死区补偿电压。
进一步优选地，对于αβ坐标系下的逆变器死区电压补偿模型：
Vs 2＝(Vα-ΔVα)2+(Vβ-ΔVβ)2
Figure BDA0003108722710000032
其中，Vα为逆变器α轴的实际输出电压；Vβ为逆变器β轴的实际输出电压；Tf为滤波时间常数；S为拉普拉斯常数。
第二方面，本发明提供了一种逆变器非线性效应补偿方法，包括以下步骤：
基于电机静止时逆变器输出的阶跃电压及其对应的稳态反馈电流，计算逆变器的最大补偿电压；
将逆变器的最大补偿电压代入本发明第一方面所提供的逆变器死区电压补偿模型中进行辨识，得到逆变器功率回路中各相所对应的硬件参数，进而得到死区补偿电压，以对逆变器非线性效应进行补偿。
进一步优选地，通过最小化逆变器死区电压补偿模型的代价函数对逆变器死区电压补偿模型进行辨识。
进一步优选地，采用神经网络算法反向更新待辨识的逆变器功率回路中各相所对应的硬件参数，以最小化逆变器死区电压补偿模型的代价函数。
进一步优选地，最小化αβ坐标系下逆变器死区电压补偿模型的代价函数时，逆变器功率回路中各相所对应的硬件参数的辨识递推公式为：
Figure BDA0003108722710000041
wa(k)＝wa(k-1)+Δwa
Figure BDA0003108722710000042
wb(k)＝wb(k-1)+Δwb
Figure BDA0003108722710000043
wc(k)＝wc(k-1)+Δwc
其中，Δwm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数的改变量；η为学习率；Verror(k-1)为第k-1次迭代下所得的代价函数值；Vd为逆变器的最大补偿电压；wm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流；Vαr为逆变器α轴补偿后的电压；Vβr为逆变器β轴补偿后的电压；m为a或b或c。
进一步优选地，逆变器的最大补偿电压为：
Figure BDA0003108722710000044
其中，V1和V2为电机静止时逆变器输出的阶跃电压；I1和I2为电机静止时逆变器的稳态反馈电流。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
1、本发明提供了一种逆变器死区电压补偿模型的构建方法，考虑到逆变器功率回路中各相对应的硬件参数不同，通过e指数函数拟合的方式，分别拟合各相补偿电压与其相电流、逆变器功率回路中其相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，以此构建逆变器死区电压补偿模型，e指数可以获得更平滑的过渡过程，更满足电容充放电的物理过程，可以自适应的对逆变器的非线性效应进行精确补偿。
2、本发明提供了一种逆变器非线性效应补偿方法，将逆变器的最大补偿电压代入上述逆变器死区电压补偿模型中进行辨识，分别得到逆变器功率回路中各相所对应的硬件参数，不需要用到逆变器的电气参数，也避免了传统补偿算法的补偿误差和繁琐的理论模型计算，可以获得更好的补偿效果；并且对于不同逆变器参数，本发明都可以进行自适应补偿，避免了重复标定工作，可以实时的、自适应的对逆变器的非线性效应进行精确补偿。
3、本发明所提供的逆变器非线性效应补偿方法，基于补偿后的电压矢量为一恒幅值矢量的原则来构建逆变器死区电压补偿模型的代价函数，通过最小化代价函数对逆变器死区电压补偿模型进行动态辨识；由于补偿后的电压矢量的幅值大小随转速、电流变化，该方法可以采用自参考的方式来实现对其幅值改变的跟踪，具有实时性。
4、本发明所提供的逆变器非线性效应补偿方法，采用神经网络算法反向更新待辨识的逆变器功率回路中各相所对应的硬件参数，以最小化逆变器死区电压补偿模型的代价函数。神经网络算法的计算量小，而用于构造逆变器死区电压补偿模型的e指数函数是神经网络中常用的一种激活函数，更适合用来进行各相所对应的硬件参数的辨识。
5、由于逆变器功率回路存在寄生电容电阻参数的差异，导致各相硬件参数不一致，本发明所提供的逆变器非线性效应补偿方法考虑到逆变器功率回路中各相对应的硬件参数的差异，分别辨识各相硬件参数，更加精确。
6、本发明所提供的逆变器非线性效应补偿方法在数字控制芯片中自动完成，无需手动调整，简单方便，并且计算量小，不会占用较多的计算资源，便于不同系统间的移植应用。
附图说明
图1为本发明实施例1提供的逆变器死区电压补偿模型的构建方法流程图；
图2为本发明实施例2提供的逆变器非线性效应补偿方法流程图；
图3为本发明实施例2提供的逆变器非线性效应补偿方法的控制流程图；
图4为本发明实施例2提供的逆变器非线性效应补偿方法的辨识结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1、
一种逆变器死区电压补偿模型的构建方法，如图1所示，包括以下步骤：
S1、通过e指数函数拟合的方式，分别拟合各相补偿电压与其相电流、逆变器功率回路中其相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，得到各相补偿电压方程；
具体地，考虑逆变器功率回路中各相对应的硬件参数不同，本发明分别通过e指数函数拟合的方式，拟合得到各相补偿电压方程；
其中，第m相补偿电压方程为：
Figure BDA0003108722710000071
其中，m为a或b或c；ΔVm为第m相补偿电压；Vd为逆变器的最大补偿电压；wm为逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流。
S2、基于死区补偿电压与各相补偿电压之间的线性变换关系，结合各相补偿电压方程，得到死区补偿电压与各相电流、逆变器功率回路中各相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，记为逆变器死区电压补偿模型；其中，逆变器死区电压补偿模型的代价函数为：
Figure BDA0003108722710000072
Vref为逆变器的参考电压；Vs为逆变器补偿后的输出电压。
具体地，可以基于αβ坐标系、dq坐标系或静止三相坐标系下的死区补偿电压与各相补偿电压之间的线性变换关系，构建逆变器死区电压补偿模型；即逆变器死区电压补偿模型包括在αβ坐标系、dq坐标系或静止三相坐标系下的逆变器死区电压补偿模型；三者之间可以相互转换，辨识效果等效。
本实施例中以αβ坐标系下的逆变器死区电压补偿模型为例进行详述：
αβ坐标系下的逆变器死区电压补偿模型为：
Figure BDA0003108722710000073
Figure BDA0003108722710000074
Figure BDA0003108722710000081
Figure BDA0003108722710000082
其中，ΔVα为逆变器α轴的死区补偿电压；ΔVβ为逆变器β轴的死区补偿电压。
αβ坐标系下的逆变器死区电压补偿模型的代价函数为：
Figure BDA0003108722710000083
Vs 2＝(Vα-ΔVα)2+(Vβ-ΔVβ)2
Figure BDA0003108722710000084
其中，Vα为逆变器α轴的实际输出电压；Vβ为逆变器β轴的实际输出电压；Tf为滤波时间常数；S为拉普拉斯常数。
实施例2、
一种逆变器非线性效应补偿方法，包括最大补偿电压辨识单元和辨识单元。最大补偿电压辨识单元用于在电机静止时，根据输出两个不同的阶跃电压来进行最大补偿电压辨识。辨识单元用于在电机运行时，对实施例1所得的逆变器死区电压补偿模型进行辨识，从而实现对逆变器非线性效应的自适应补偿。具体地，辨识单元在电机运行时，采用等效死区补偿电压来描述逆变器非线性效应造成的电压畸变，对逆变器死区电压补偿模型进行在线辨识，然后根据辨识的模型对其进行补偿，从而消除了逆变器非线性效应导致的输出电压和电流的畸变。
如图2所示，具体步骤如下：
基于电机静止时逆变器输出的阶跃电压及其对应的稳态反馈电流，计算逆变器的最大补偿电压，以为后后续的模型辨识提供基本参数；其中，逆变器的最大补偿电压为：
Figure BDA0003108722710000091
V1和V2为电机静止时逆变器输出的阶跃电压；I1和I2为电机静止时逆变器的稳态反馈电流。
将逆变器的最大补偿电压代入实施例1所得的逆变器死区电压补偿模型中进行辨识，得到逆变器功率回路中各相所对应的硬件参数，进而得到死区补偿电压，以对逆变器非线性效应进行补偿。具体地，通过最小化逆变器死区电压补偿模型的代价函数对逆变器死区电压补偿模型进行辨识。优选地，采用神经网络算法反向更新待辨识的逆变器功率回路中各相所对应的硬件参数，以最小化逆变器死区电压补偿模型的代价函数。神经网络算法的计算量小，而用于构造逆变器死区电压补偿模型的e指数函数是神经网络中常用的一种激活函数，更适合用来进行各相所对应的硬件参数的辨识。
下面以αβ坐标系下的逆变器死区电压补偿模型为例进行详述：
如图3所示为逆变器非线性效应补偿方法的控制流程图，将实施例1所构建的逆变器死区电压补偿模型对应为神经网络结构；
基于逆变器死区电压补偿模型得到死区补偿电压，本实施例中逆变器α轴的死区补偿电压记为ΔVα，逆变器β轴的死区补偿电压记为ΔVβ。
在常规α-β轴输出参考电压上加上死区补偿电压，获得新的参考电压来控制逆变器输出，具体地，逆变器的实际输出电压为：
Figure BDA0003108722710000092
其中，Vα为逆变器α轴的实际输出电压；Vβ为逆变器β轴的实际输出电压；Vαr为逆变器α轴补偿后的电压；Vβr为逆变器β轴补偿后的电压。
经过补偿后，利用原补偿输出参考电压特性，计算输出电压矢量幅值。通过设计的神经网络结构，在线逐步修正逆变器死区电压补偿模型中的逆变器功率回路中各相所对应的硬件参数(对应为神经网络的权重w)，以最小化逆变器死区电压补偿模型的代价函数，从而实现对逆变器死区电压补偿模型的动态辨识：具体地，训练过程中，逆变器功率回路中各相所对应的硬件参数的辨识递推公式如下：
Figure BDA0003108722710000101
wa(k)＝wa(k-1)+Δwa
Figure BDA0003108722710000102
wb(k)＝wb(k-1)+Δwb
Figure BDA0003108722710000103
wc(k)＝wc(k-1)+Δwc
其中，Δwm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数的改变量；η为学习率，本实施例中取值为0.02；Verror(k-1)为第k-1次迭代下所得的代价函数值；Vd为逆变器的最大补偿电压；wm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流；Vαr为逆变器α轴补偿后的电压；Vβr为逆变器β轴补偿后的电压；m为a或b或c。
其中，逆变器的最大补偿电压Vd的计算方法如下：在电机静止时，逆变器输出两个电压矢量V1、V2，并分别获得稳态反馈电流I1、I2，根据所得电压矢量和稳态反馈电流计算逆变器的最大补偿电压(又称最大死区补偿电压)。其中，为了便于实现和简化稳态，在αβ坐标系下，输出电压矢量V1(Vα＝0，Vβ＝V1)，获得反馈电流I1＝Iβ1；Vα为逆变器α轴的实际输出电压；Vβ为逆变器β轴的实际输出电压。
上述过程是基于补偿后的电压矢量为一恒幅值矢量的原则来进行动态模型辨识的，由于补偿后的电压矢量的幅值大小随转速、电流变化，故此神经网络算法采用自参考的方式来实现对其幅值改变的跟踪。本实施例所得的逆变器非线性效应补偿方法的辨识结果图如图4所示，从图中可以看出，逆变器功率回路中各相所对应的硬件参数在辨识过程中不断的更新，最后趋于稳定，此时，补偿后的电压矢量趋近于逆变器的参考电压Vref。需要说明的是，本发明中的非线性效应补偿方法不限于αβ坐标系下，在其他坐标系下，如dq坐标系、静止三相坐标系下均可同样实现。
基于上述方法，在电机运行时，根据构建的神经网络结构，逐步辨识死区电压补偿模型，并同时进行死区电压补偿，从而消除逆变器非线性效应导致的电压电流畸变。当辨识完成后，逆变器功率回路中各相所对应的硬件参数稳定，可以得到自适应的逆变器死区电压补偿模型，根据辨识的逆变器死区电压补偿模型进行在线补偿，从而消除电压电流畸变。本发明可以通过调整权重的大小来辨识不同逆变器的非线性效应，可以自适应的实现对不同逆变器的非线性效应的补偿。
相关技术方案同实施例1，这里不做赘述。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种逆变器死区电压补偿模型的构建方法，其特征在于，包括以下步骤：
S1、通过e指数函数拟合的方式，分别拟合各相补偿电压与其相电流、逆变器功率回路中其相所对应的硬件参数以及逆变器的最大补偿电压之间的非线性关系，得到各相补偿电压方程；
第m相补偿电压方程为：
Figure FDA0003624325910000011
其中，m为a或b或c；ΔVm为第m相补偿电压；Vd为所述逆变器的最大补偿电压；wm为逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流；
S2、基于死区补偿电压与所述各相补偿电压之间的线性变换关系，结合所述各相补偿电压方程，得到所述死区补偿电压与各相电流、逆变器功率回路中各相所对应的硬件参数以及所述逆变器的最大补偿电压之间的非线性关系，记为逆变器死区电压补偿模型；
所述逆变器死区电压补偿模型包括在αβ坐标系、dq坐标系或静止三相坐标系下的逆变器死区电压补偿模型；
αβ坐标系下的逆变器死区电压补偿模型为：
Figure FDA0003624325910000012
其中，ΔVα为逆变器α轴的死区补偿电压；ΔVβ为逆变器β轴的死区补偿电压；
所述逆变器死区电压补偿模型的代价函数为：
Figure FDA0003624325910000021
其中，Vref为逆变器的参考电压；Vs为逆变器补偿后的输出电压；
当所述逆变器死区电压补偿模型为所述αβ坐标系下的逆变器死区电压补偿模型时，所述逆变器补偿后的输出电压Vs 2＝(Vα-ΔVα)2+(Vβ-ΔVβ)2，所述逆变器的参考电压
Figure FDA0003624325910000022
其中，Vα为逆变器α轴的实际输出电压；Vβ为逆变器β轴的实际输出电压；Tf为滤波时间常数；S为拉普拉斯常数。
2.一种逆变器非线性效应补偿方法，其特征在于，包括以下步骤：
基于电机静止时逆变器输出的阶跃电压及其对应的稳态反馈电流，计算逆变器的最大补偿电压；
将所述逆变器的最大补偿电压代入采用权利要求1所述的逆变器死区电压补偿模型的构建方法所构建的逆变器死区电压补偿模型中进行辨识，得到逆变器功率回路中各相所对应的硬件参数，进而得到死区补偿电压，以对逆变器非线性效应进行补偿。
3.根据权利要求2所述的逆变器非线性效应补偿方法，其特征在于，通过最小化所述逆变器死区电压补偿模型的代价函数对所述逆变器死区电压补偿模型进行辨识。
4.根据权利要求3所述的逆变器非线性效应补偿方法，其特征在于，采用神经网络算法反向更新待辨识的逆变器功率回路中各相所对应的硬件参数，以最小化所述逆变器死区电压补偿模型的代价函数。
5.根据权利要求4所述的逆变器非线性效应补偿方法，其特征在于，最小化αβ坐标系下逆变器死区电压补偿模型的代价函数时，逆变器功率回路中各相所对应的硬件参数的辨识递推公式为：
Figure FDA0003624325910000031
wa(k)＝wa(k-1)+Δwa
Figure FDA0003624325910000032
wb(k)＝wb(k-1)+Δwb
Figure FDA0003624325910000033
wc(k)＝wc(k-1)+Δwc
其中，Δwm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数的改变量；η为学习率；Verror(k-1)为第k-1次迭代下所得的代价函数值；Vd为逆变器的最大补偿电压；wm(k-1)为第k-1次迭代下逆变器功率回路中第m相所对应的硬件参数；im为第m相相电流；Vαr为逆变器α轴补偿后的电压；Vβr为逆变器β轴补偿后的电压；m为a或b或c。
6.根据权利要求2-5任意一项所述的逆变器非线性效应补偿方法，其特征在于，所述逆变器的最大补偿电压为：
Figure FDA0003624325910000034
其中，V1和V2为电机静止时逆变器输出的阶跃电压；I1和I2为电机静止时逆变器的稳态反馈电流。
CN202110642903.XA 2021-06-09 2021-06-09 一种逆变器死区电压补偿模型的构建方法及应用 Active CN113437915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110642903.XA CN113437915B (zh) 2021-06-09 2021-06-09 一种逆变器死区电压补偿模型的构建方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110642903.XA CN113437915B (zh) 2021-06-09 2021-06-09 一种逆变器死区电压补偿模型的构建方法及应用

Publications (2)

Publication Number Publication Date
CN113437915A CN113437915A (zh) 2021-09-24
CN113437915B true CN113437915B (zh) 2022-06-21

Family

ID=77755457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110642903.XA Active CN113437915B (zh) 2021-06-09 2021-06-09 一种逆变器死区电压补偿模型的构建方法及应用

Country Status (1)

Country Link
CN (1) CN113437915B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117674581B (zh) * 2024-01-19 2024-05-14 上海思格源智能科技有限公司 一种逆变器死区补偿系统、逆变器死区补偿方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4513937B2 (ja) * 2000-07-13 2010-07-28 株式会社安川電機 Ｐｗｍ方式電圧形インバータのデッドバンドによる電圧誤差の補正方法およびｐｗｍ方式電圧形インバータ
CN102082546B (zh) * 2009-11-27 2013-02-27 台达电子工业股份有限公司 变频器的脉冲宽度调制死区补偿装置及其方法
ES2773295T3 (es) * 2011-02-14 2020-07-10 Siemens Ag Controlador para un convertidor de alimentación y método de funcionamiento del mismo
DE102011080442A1 (de) * 2011-08-04 2013-02-07 Zf Friedrichshafen Ag Verfahren zum Betrieb einer Drehfeldmaschine
CN108092532B (zh) * 2017-12-31 2020-03-24 哈尔滨工业大学（威海） 一种基于pwm触发端电压采样的逆变器死区补偿方法
CN112072986B (zh) * 2020-09-14 2022-09-13 厦门势拓御能科技有限公司 一种精确的三相逆变器死区补偿方法及三相逆变器
CN112532137B (zh) * 2020-12-18 2022-07-12 哈尔滨工业大学 一种精确的逆变器非线性效应在线补偿方法

Also Published As

Publication number Publication date
CN113437915A (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
Khalilzadeh et al. Model-free predictive control of motor drives and power converters: A review
Wang et al. Continuous terminal sliding mode control with extended state observer for PMSM speed regulation system
Ahmed et al. A modified stationary reference frame-based predictive current control with zero steady-state error for LCL coupled inverter-based distributed generation systems
CN113078861B (zh) 一种永磁同步电机滑模控制方法、系统、介质及应用
CN110429889B (zh) 一种幅度可调的方波注入最大转矩电流比电机控制方法
WO2017177585A1 (zh) 同步旋转坐标系锁相环及其测试方法、装置
CN113437915B (zh) 一种逆变器死区电压补偿模型的构建方法及应用
CN111541411B (zh) 一种双三电平逆变器开绕组电机模型控制方法
CN111327242A (zh) 一种三电平永磁同步电机无模型预测电流控制方法
CN110011359B (zh) 一种有限集模型预测控制下的并网逆变器参数辨识方法
CN110649854A (zh) 一种表贴式永磁同步电机连续集模型预测转矩控制方法
CN115149806B (zh) 一种针对交错并联Boost变换器的自适应模型预测控制方法
Ding et al. Disturbance suppression for PMSM by a non‐linear composite controller based on two‐channel strategy
Huang et al. Composite-disturbance-observer-based backstepping control for three-phase inverters with multiple disturbances
CN112671027B (zh) 用于控制并网功率变换器的方法和系统
CN115566717B (zh) 一种基于改进型粒子群算法扰动观测器复合滑模的逆变器控制策略
CN109165474B (zh) 一种基于神经网络的逆变器重复控制设计方法
Wang et al. An improved deadbeat predictive current control based on parameter identification for PMSM
CN113949265B (zh) 具有不确定参数的Buck型变换器自适应反步控制方法
CN115940683A (zh) 一种基于改进滑模控制的光伏并网逆变器控制方法
Xu et al. Adaptive robust control of a class of motor servo system with dead zone based on neural network and extended state observer
Sheng et al. Adaptive fast terminal sliding mode control based on radial basis function neural network for speed tracking of switched reluctance motor
CN114826069A (zh) 永磁同步电机的控制方法、装置、永磁同步电机和空调
Li et al. Dynamic Forgetting Factor Based Bias-Compensated RLS Model Free Predictive Current Control for Voltage Source Inverter
CN108923673B (zh) 线性控制器与模型预测控制器并联控制结构的控制方法

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