CN113675888B - 基于精确离散化的变流器级联预测控制方法及系统 - Google Patents
基于精确离散化的变流器级联预测控制方法及系统 Download PDFInfo
- Publication number
- CN113675888B CN113675888B CN202110989015.5A CN202110989015A CN113675888B CN 113675888 B CN113675888 B CN 113675888B CN 202110989015 A CN202110989015 A CN 202110989015A CN 113675888 B CN113675888 B CN 113675888B
- Authority
- CN
- China
- Prior art keywords
- control
- cascade
- converter
- vector
- discretization
- 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
Links
Images
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本公开提出了基于精确离散化的变流器级联预测控制方法及系统,方法包括如下步骤:获取变流器连接的被控线路的运行数据;根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;根据运行数据及预测值,按照设置的级联预测架构的顺序,确定级联预测架构中每一级控制在变流器下一控制周期最接近控制目标所对应的最优开关矢量,进而控制相应的变流器。采用不同控制器相互串联的级联预测架构,代价函数被分解为多个级联代价函数,每个代价函数用一个惩罚项进行控制,解决了传统级联预测控制难以确定优先级的问题,简化了传统方案的控制结构和权系数设计过程,提高了预测精度和控制性能。
Description
技术领域
本公开涉及发电系统并网控制相关技术领域,具体的说,是涉及基于精确离散化的变流器级联预测控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
大力发展可再生能源是解决我国能源与环境问题的重要手段,海洋风力发电是可再生能源利用的重要方式。截止2019年底,我国海洋风电累计装机7GW。然而,目前我国大量的海洋风电机组因变流器接入控制及调度等原因无法长期并网而难以发挥作用,形势不容乐观,改进风电变流器系统性能,提升风电并网品质已成为当务之急。
对于变流器的预测控制,存在非线性环节,如三电平背靠背直驱永磁风力发电系统中,如果忽略了非线性环节,基于近似离散化方法的离散预测模型精度较差。在模型离散化过程中,传统的模型预测控制策略假设系统状态在一个或多个采样周期内呈线性变化。对于线性度高、采样频率高的系统,基于此假设的预测模型非常接近实际情况,控制效果良好。然而,大功率风力发电系统中变流器的开关频率和控制频率较低,存在非线性环节。因此,基于这种假设的离散化方法对于大功率风力发电系统是不准确的,忽略非线性环节的近似离散化方法会导致离散预测模型的误差,严重影响系统的控制精度和鲁棒性。
发明人发现,在现有的模型预测控制中,若多个控制目标之间存在耦合关系,权重系数调试复杂,优先级难以确定。将模型预测控制应用于风力发电变流器的多目标控制,通过对系统的多个控制目标进行加权,得到最优切换矢量。该方法权重系数多,调试复杂。另外,利用不同的权重系数将多个具有不同时间常数和不同物理特性的控制目标转化为一个代价函数,会导致目标优先级不明确。由于对权系数的设计缺乏理论支持,实践中往往采用离线试错法对权系数进行调试,不仅费时费力,而且不能保证系统在动态条件下的控制性能。
发明内容
本公开为了解决上述问题,针对海洋直驱永磁同步风力发电变流器传统模型预测控制存在离散化模型精度低和难以控制优先级的问题,提出了基于精确离散化的变流器级联预测控制(简称为SMPC)方法及系统,采用精确离散化方法,提高了模型的精度,提高了控制质量。采用不同控制器相互串联的级联结构,代价函数被分解为多个级联代价函数,每个代价函数用一个惩罚项进行控制,解决了传统级联预测控制难以确定优先级的问题,简化了传统方案的控制结构和权系数设计过程,提高了预测精度和控制性能。
为了实现上述目的,本公开采用如下技术方案:
本公开的第一方面提供了基于精确离散化的变流器级联预测控制方法,包括如下步骤:
获取变流器连接的被控线路的运行数据;
根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
根据运行数据及预测值,按照设置的级联预测架构的顺序,确定级联预测架构中每一级控制在变流器下一控制周期最接近控制目标所对应的最优开关矢量;
根据最优开关矢量控制相应的变流器。
本公开的第二方面提供了基于精确离散化的变流器级联预测控制系统,其特征是,包括:主控单元、多个级联的控制终端,所述最后一级控制终端、主控单元分别与变流器系统连接;
主控单元执行上述的基于精确离散化的变流器级联预测控制方法,分别将预测输出的开关矢量传输至各个控制终端,通过最后一级控制终端传输至变流器,控制变流器的运行。
本公开的第三方面提供了基于精确离散化的变流器级联预测控制系统,包括:
获取模块:被配置为用于获取变流器连接的被控线路的运行数据;
预测模块:被配置为用于根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
级联控制模块:被配置为用于根据运行数据及预测值,按照设置的级联预测架构的顺序,确定级联预测架构中每一级控制在变流器下一控制周期最接近控制目标所对应的最优开关矢量;
输出模块:被配置为用于根据最优开关矢量控制相应的变流器。
本公开的第四方面提供了一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法所述的步骤。
与现有技术相比,本公开的有益效果为:
(1)本公开的方法采用级联预测控制框架,相比于传统模型预测控制,不需要设计权系数,简化了设计和调试过程,而且可以明确的确定优先级。
(2)本公开基于精确离散化,解决了传统级联预测控制传统离散化不考虑指数相等非线性部分的问题,精确地得到离散域的风力发电系统模型,提高了模型的精度,保证在低开关频率状态下具有比较高的控制精度和鲁棒性。
(3)本公开的控制方法是一种动态级联预测控制的通用方案,其可推广至双馈异步风力发电系统、四象限电机驱动等场景。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
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公开,并不构成对本公开的限定。
图1是本公开实施例1的海洋直驱永磁同步风电变流器系统结构图;
图2是本公开实施例1的控制方法流程图;
图3是本公开实施例1的级联预测控制开关矢量选择过程示意图;
图4是本公开实施例1的级联预测控制策略电机侧变流器控制流程图;
图5是本公开实施例1的级联预测控制电机侧预测控制原理图;
图6是本公开实施例1的级联预测控制策略电网侧变流器控制流程图;
图7是本公开实施例1的级联预测控制电网侧预测控制原理图。
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,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文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公开的示例性实施方式。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。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
直驱永磁同步风电变流器是目前海洋风力发电系统的主要配置类型,如图1所示,为海洋直驱永磁同步风电变流器系统,该直驱永磁同步风电变流器系统包含运营、风电系统及电力变流器控制层三个控制层。其中,变流器控制层的主要控制目标如下:(1)发电机侧,快速、精确地跟踪转矩的控制指令;(2)电网侧,快速、精确地跟踪有功、无功功率的控制指令;(3)母线处,控制母线中点电压保持平衡同时维持总电压跟踪参考值。该系统是典型的多时间尺度动力学系统,风机传动链等机械部分(时间常数为ms-s级)、发电机等电磁部分(时间常数为μs级)以及含有半导体开关器件的变流器等(时间常数为ns-μs级)时间常数迥异,且呈现机械-电磁强耦合的现象。该系统在多种运行工况(起动、稳态与故障穿越等)下需要同时兼顾多个控制目标。
其中,电力变流器控制层的传统控制方法包含矢量控制和直接控制两类。然而,这两类传统的控制方法存在以下不足:1)传统控制本质上属于单目标控制,实现多目标控制只能采用层层级联的控制结构,这降低了系统控制带宽,降低了系统整体的动态性能。2)低开关频率下传统控制的电能质量变差。3)传统控制方法无法包含非线性约束。
近年来,提出的模型预测控制(MPC)通过代价函数将时间常数迥异和特性多样的控制目标放在一个函数中进行同时控制,具有多目标优化能力和多工况适应能力,可以处理时变、非线性、强耦合、多目标、多约束系统的最优控制问题,被誉为电力电子与电力传动的第三代控制技术,已在电机驱动、电力变流器等领域得到广泛应用。
传统的模型预测控制方法多采用欧拉法等简单离散化方法获取被控系统的离散域模型。然而,在开关频率很低、跨多个时间常数的风电系统中,由传统方法获取的预测模型因未考虑系统非线性衍变、系统时间常数与离散化步长的制约关系等因素引入的预测误差,使得系统对未来状态的预测精度不够,进而导致闭环控制效果差,甚至失稳。将现有模型预测控制方法应用于风电系统时,使用不同的权系数将多个时间常数悬殊且物理特性迥异的控制目标杂糅到一个代价函数中,致使目标优先级不清晰。
本公开在传统级联预测控制的基础上,提出了一种精确离散化的级联模型预测控制(SMPC)方法。该方法通过精确离散化方法建立直驱永磁同步风电系统在离散域的精确模型,按照精确的离散化模型进行模型预测控制,消除了传统模型预测控制由于强依赖模型在低开关频率系统中控制效果不佳和鲁棒性不好的问题。本公开的控制方法中抛弃了权系数,采用不同控制器相互串联的级联结构。代价函数被分解为多个级联代价函数,每个代价函数用一个惩罚项按照优先级顺序进行控制。消除了传统模型控制权系数众多,调试复杂,多目标杂糅、优先级混乱的问题。该方法在风电并网领域应用前景广阔,下面进行详细说明。
实施例1
在一个或多个实施方式中公开的技术方案中,如图2所示,基于精确离散化的变流器级联预测控制方法,包括如下步骤:
步骤1、获取变流器连接的被控线路的运行数据;
步骤2、根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
步骤3、根据运行数据及预测值,按照设置的级联预测架构的顺序,确定在变流下一控制周期,级联预测架构中每一级控制最接近控制目标所对应的最优开关矢量;
步骤4、根据最优开关矢量控制相应的变流器。
本实施例的方法采用级联预测控制框架,相比于传统模型预测控制,不需要设计权系数,简化了设计和调试过程,而且可以明确的确定优先级。
进一步的,所述精确离散化方法可以为:通过精确离散化方法构建风电系统在离散域的精确模型,通过模型计算确定运行数据对应下一时刻的预测值。
本实施例基于精确离散化,解决了传统级联预测控制传统离散化不考虑指数相等非线性部分的问题,精确地得到离散域的风力发电系统模型,提高了模型的精度,保证在低开关频率状态下具有比较高的控制精度和鲁棒性。
进一步的,设置的级联预测架构具体为包括多个级联的控制终端,每个控制终端分别设置控制目标,可选的,级联的前后顺序可以为按照控制目标的重要度大小依次串联;所述控制终端可以具体为控制器。
可选的,确定级联预测架构中每一级控制最接近控制目标所对应的最优开关矢量的方法,可以为:
按照设置的级联预测架构顺序,逐级计算下一控制周期变流器不同开关矢量状态下的级联预测架构每一级控制对应的惩罚项,筛选出每一级控制惩罚项最小所对应的开关矢量,即为最优开关矢量。
可选的,每个控制目标对应设置代价函数,惩罚项为代价函数的数值。
对于直驱永磁同步风电系统该级联预测架构可以包括:第一级控制采用电流控制,控制目标为使系统正常工作;第二级控制采用开关频率控制,控制目标为使开关频率尽可能低减少损耗;对于电网侧变流器,还包括第三级控制中点电压平衡控制。
本实施例中设置控制器为相互串联的级联结构,通过代价函数判断与控制目标的接近程度。级联后统一的代价函数被分解为多个级联代价函数,每个代价函数用一个惩罚项按照优先级顺序进行控制,放弃了权系数,使用级联结构的代价函数,减少了调试权系数的复杂程度,便于确定优先级。
针对海洋风电系统,多采用直驱永磁同步风电系统,控制目标可以归结如下三点:(a)电机侧,快速、精确地跟踪转矩的控制指令,保证各种工况下电机转矩脉动小,电流谐波因数低;(b)电网侧,快速、精确地跟踪有功、无功功率的控制指令,减少母线电压波动,满足电能质量要求;(c)母线处,控制直流母线电压并保持中性点电压平衡,确保变流器稳定工作。
作为一种可实现的方案,直驱永磁同步风电系统的电机侧可以采用PI转速外环,预测控制内环的结构。对于内环的预测控制,控制目标可以包含电流控制、开关频率控制。
可选的,电网侧可以采用直流电压外环,预测控制内环的结构。对于内环的预测控制,控制目标包含电流控制、开关频率控制和电容中点电压平衡。
具体的,直驱永磁同步风电系统的级联预测控制方法具体为将统一的代价函数拆开,将不同的控制目标根据重要程度进行优先级排序,重要程度高的控制目标优先级高;按照优先级的顺序,逐步筛选备选的开关矢量,如图3所示,最终获得一个最优的开关矢量。
构建直驱永磁同步风电系统在离散域的精确模型的方法,可以采用零阶保持ZOH(Zero-Order Hold)方法,获得直驱永磁同步风电系统的精确离散化公式,下面对精确离散化过程进行详细说明:
线性时变系统的连续时间模型以通用形式表示如下:
y(t)=C(t)x(t), (2)
其中矩阵A(t)、B(t)、C(t)包含时变系数,例如转子速度和电角速度。
连续时间线性时变状态空间模型相对应的采样数据模型是:
x(k+1)=Φ(k)x(k)+Γ(k)u(k), (3)
y(k)=H(k)x(k), (4)
其中Φ(k)、Γ(k)和H(k)是时变矩阵,在每个采样间隔之内进行在线计算并更新。
可选的,本实施例中,采用零阶保持ZOH(Zero-Order Hold)方法,获得直驱永磁同步风电系统的精确离散化公式即为直驱永磁同步风电系统在离散域的精确模型。
由于电角速度和机械角速度在一个控制周期内几乎没有变化,输出方程y(t)保持不变。将(1)的两边都乘以e-At会得到以下结果:
经过以下变换:
带入式(5)并积分可得:
两边同时相乘eAt1得:
因此,获得了针对连续状态空间模型的解析解。
通过选择与t0和t1对应的采样点,将连续解映射到离散解。当t0=kTs且t1=kTs+Ts且控制输入在每个采样间隔内保持恒定时,通过ZOH方法将给出的连续解精确映射到离散时间。可以转化为:
离散时间矩阵Φ由泰勒级数展开给出:
离散时间矩阵Γ计算如下:
则:
离散时间矩阵H,Φ和Γ根据连续时间矩阵定义为:
其中,I是单位矩阵,其维数等于矩阵A的维数。
通过上述过程获得的采样数据模型称为显式精确模型。
本实施例中,直驱永磁同步风电系统在离散域的精确模型包括电机侧模型和电网侧模型。
其中,电机侧模型包括电机的系统模型,以及电机侧的离散时间矩阵H,Φ和Γ。
永磁同步电机dq参考坐标系下的系统模型为:
式中,和表示被测永磁同步电机的定子电流的dq坐标系的分量,Rs和Ls表示电机的定子电阻和电感;和表示被测永磁同步电机的输出电压的dq坐标系的分量,ωe表示所研究永磁同步电机的电角速度,ψpm表示电机转子永磁体固定磁链。
对于电机侧,采用ZOH(Zero-Order Hold)方法,获得的离散时间矩阵H,Φ和Γ的表达式为:
电网侧模型包括电网侧电流动态方程以及电网侧离散时间矩阵H,Φ和Γ。对于电网侧,其电流动态方程为:
采用ZOH法,获得的电网侧的离散时间矩阵H,Φ和Γ的表达式为:
根据变流器的位置,发电系统包括电机侧变流器和电网侧变流器。下面分别介绍电机侧变流器和电网侧变流器的具体控制步骤。
电机侧变流器级联预测控制方法,如图4和5所示,包括如下步骤:
步骤A1:获取当前时刻电机侧的电机运行数据,所述电机运行数据可以包括电机侧电流Iphm,电机定子磁链角度θ以及电机侧电机的转速n。
步骤A2:根据获取的电机运行数据预测下一时刻的电机运行数据;
具体的,将电机侧电流经过park变换,转化成定子电流dq轴分量。将转速n和参考转速进行比较送入PI控制器,得到转矩参考。
该级预测控制器根据k时刻电流和电压进行预测,通过电机侧模型,得到电机侧电流dq轴分量id、iq在k+1时刻的值,以及电网侧电压αβ轴分量Vα、Vβ在k+1时刻的值。
根据获得的电机运行数据及其预测值,按照电机侧的级联控制架构,遍历每一级控制所有的开关矢量,计算对应的代价函数筛选出最小的代价函数所对应的开关矢量作为传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量,进而控制电机侧变流器。详细步骤如下:
步骤A4:计算下一控制周期变流器不同开关矢量状态下的各种惩罚项。
进行代价函数计算,获得控制目标的惩罚项,电机侧的级联控制架构按照优先级从高到低依次包括:电流控制和电机侧变换器的开关频率控制。
(1)电流控制惩罚项是dq坐标系下的定子电流id和iq。iq的参考由转矩误差获得,通过控制iq,可以控制转矩,进而控制转速达到参考转速。id则根据最大转矩电流控制设定为0。这两个控制目标合为一项,优先级最高,其代价函数为:
其中,id*和iq*是dq坐标系下的定子电流的参考值。
(2)电机侧变换器的开关频率。在大功率风电系统中,低开关频率可以降低功率损耗,从而降低设备的散热要求。因此可以通过在代价函数中添加对开关动作的惩罚项,在保证系统性能的前提下尽可能降低开关频率,为该优先级控制目标,则代价函数为:
其中,Sa、Sb、Sc是电机侧变换器每一相桥臂的当前开关状态,Sa i、Sb i、Sc i是电机侧变换器每一相桥臂经过预测之后下一时刻将要变成的开关状态。
步骤A5:进行级联控制。按照设置的级联控制架构首先进行优先级最高的电流控制,首先遍历所有的开关矢量计算对应的代价函数从全部中比较这些开关矢量的电流控制误差的大小。筛选出电流误差最小的两个并将对应的开关矢量作为第二级控制的备选开关矢量输入给第二级控制器。第二级控制对开关频率控制,计算两个开关矢量的筛选出最小并将与之对应的开关矢量作为最佳开关矢量输出。
步骤A7:将选出的开关矢量在下一控制周期输出,控制电机侧变流器。
电网侧变流器控制方法步骤,见图6和7所示,包括如下步骤:
步骤B1:获取电网侧当前时刻的电网运行数据;
所述电网运行数据包括电网侧电压和电流Vph、Iph,背靠背变流器直流母线电压Vdc和两电容电压差值Vdc12,计算电网侧发出的有功功率和无功功率P、Q。
步骤B2:根据电网侧电网运行数据预测下一时刻的电网运行数据;
将电网侧电流相电压经过clark变换,转化到αβ轴坐标系。将直流母线电压和参考进行比较送入PI控制器,得到参考d轴电流参考idref。
根据现有的电流和电压的αβ轴分量进行电流的预测,通过电机侧模型,得出电网侧电流αβ轴分量iα、iβ在k+1时刻的值,预测出电网侧电压αβ轴分量Vα、Vβ在k+1时刻的值。
根据获得的电网运行数据及其预测值,按照电网侧的级联控制架构,遍历每一级控制所有的开关矢量,计算对应的代价函数筛选出最小的代价函数所对应的开关矢量作为传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量,进而控制电网侧变流器。详细步骤如下:
步骤4:预测下一控制周期变流器不同开关矢量状态下的各种惩罚项。
步骤5:电网侧的级联控制架构按照优先级从高到低依次包括:电流控制、电容中性点电压控制、电网侧变换器的开关频率控制。进行代价函数计算,控制目标的惩罚项包括:
(1)电流控制器惩罚项是dq坐标系下的电网侧电流id和iq。id参考由直流母线电压控制外环获得,通过控制id,可以实现对直流母线电压的控制。iq参考值则设定为0,保证电网侧功率因数为1。这两个控制目标合为一项,优先级最高,其代价函数为:
其中,id*和iq*是dq坐标系下的电网侧电流的参考值。
(2)电容中性点电压控制器惩罚项是背靠背变流器的电容中性点电压不平衡量。针对中性点钳位式三电平变流器,正常工作情况下上下两个均压电容C1、C2的电压应相等,上下桥臂的开关管所承受的最大电压为直流母线电压Vdc的一半。然而在某些工况下,中性点电压会发生偏离,从而导致输出电压波形畸变,偏离严重时会导致开关管击穿。因此需要通过控制算法来保证电容电压平衡。
其代价函数为:
JV=(Vc1-Vc2)2, (20)
其中,Vc1和vc2是直流母线上下两个均压电容C1、C2的电压。
(3)开关频率控制器惩罚项是电网侧变换器的开关频率。在大功率风电系统中,低开关频率可以降低功率损耗,从而降低设备的散热要求。因此可以通过在代价函数中添加对开关动作的惩罚项,在保证系统性能的前提下尽可能降低开关频率,为此优先级控制目标,则第二阶段控制目标的代价函数为:
其中,Sa、Sb、Sc是电网侧变换器每一相桥臂的当前开关状态,Sa i、Sb i、Sc i是电网侧变换器每一相桥臂经过预测之后下一时刻将要变成的开关状态。
步骤6:进行级联控制。首先进行优先级最高的电流控制,首先遍历所有的开关矢量计算对应的代价函数从全部中比较这些开关矢量的电流控制误差的大小。筛选出电流误差最小的三个并将对应的开关矢量作为第二级控制的备选开关矢量输入给第二级控制器。第二级控制对中性点电压偏差控制,计算筛选出中性点电压偏差最小的两个并将与之对应的开关矢量作为第三级控制的待选开关矢量输入给第三级控制器,第三级控制器对开关频率控制,计算最终选择出最佳开关矢量给控制器。
步骤9:将选出的开关矢量在下一控制周期输出,控制电网侧变流器。
本实施例风电系统分别控制电机侧和电网侧为例进行了电网变流器的控制说明,但是不限于两个控制端,当系统中存在多个变流器时,可以根据变流器连接的线路采集相应的数据进行相应的精确离散化和级联预测控制,如其可推广至双馈异步风力发电系统、四象限电机驱动等多种场景。
本公开的基于精确离散化和级联预测控制的变流器控制方法,核心点是基于精确离散化方法建立三电平背靠背直驱永磁同步风电系统离散域的精确模型,提高了模型精度,提高了低开关频率时的控制质量和鲁棒性;通过级联模型预测控制放弃了权系数,使用级联结构的代价函数,减少了调试权系数的复杂程度,便于确定优先级。
实施例2
基于实施例1,本实施例提供基于精确离散化的变流器级联预测控制系统,其特征是,包括:主控单元、多个级联的控制终端,所述最后一级控制终端、主控单元分别与变流器系统连接;
主控单元执行实施例1所述的基于精确离散化的变流器级联预测控制方法,分别将预测输出的开关矢量传输至各个控制终端,通过最后一级控制终端传输至变流器,控制变流器的运行。
实施例3
本实施例提供基于精确离散化的变流器级联预测控制系统,包括:
获取模块:被配置为用于获取变流器连接的被控线路的运行数据;
预测模块:被配置为用于根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
级联控制模块:被配置为用于根据运行数据及预测值,按照设置的级联预测架构的顺序,确定级联预测架构中每一级控制在变流器下一控制周期最接近控制目标所对应的最优开关矢量;
输出模块:被配置为用于根据最优开关矢量控制相应的变流器。
实施例4
本实施例提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1的方法所述的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
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 (11)
1.基于精确离散化的变流器级联预测控制方法,其特征是,包括如下步骤:
获取变流器连接的被控线路的运行数据;
根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
根据获得的运行数据及其预测值,按照设置的级联预测架构的顺序,遍历控制集中每一级控制包含的所有开关矢量,计算对应的代价函数并筛选出最小的代价函数所对应的开关矢量传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量;
根据最优开关矢量控制相应的变流器;
其中,电机侧的变流器控制的级联控制架构按照优先级从高到低依次包括:电流控制和电机侧变换器的开关频率控制;
电网侧的变流器控制的级联控制架构按照优先级从高到低依次包括:电流控制、电容中性点电压控制、电网侧变换器的开关频率控制;
根据精确离散化方法,获得精确离散化模型包括如下过程:
线性时变系统的连续时间模型以通用形式表示如下:
y(t)=C(t)x(t)
其中,矩阵A(t)、B(t)、C(t)包含时变系数;
连续时间线性时变状态空间模型相对应的采样数据模型是:
x(k+1)=Φ(k)x(k)+Γ(k)u(k)
y(k)=H(k)x(k)
其中Φ(k)、Γ(k)和H(k)是时变矩阵;
离散时间矩阵H,Φ和Γ根据连续时间矩阵定义为:
其中,I是单位矩阵,其维数等于矩阵A的维数。
2.如权利要求1所述的基于精确离散化的变流器级联预测控制方法,其特征是:设置的级联预测架构包括多个级联的控制终端,每个控制终端分别设置控制目标,级联的前后顺序按照控制目标的重要度大小依次串联。
3.如权利要求1所述的基于精确离散化的变流器级联预测控制方法,其特征是:电机侧的变流器控制的级联控制架构中:
第一级控制采用电流控制,控制目标为使系统正常工作;
第二级控制采用开关频率控制,控制目标为损耗最小。
4.如权利要求1所述的基于精确离散化的变流器级联预测控制方法,其特征是:
电网侧的变流器控制的级联控制架构中:
第一级控制采用电流控制,控制目标为使系统正常工作;
第二级控制为电容中性点电压,控制目标是使得中性点电容电压平衡;
第三级控制为电网侧变换器的开关频率控制,控制目标为损耗最小。
5.如权利要求1所述的基于精确离散化的变流器级联预测控制方法,其特征是:电机侧变流器级联预测控制方法,包括如下步骤:
获取当前时刻电机侧的电机运行数据,所述电机运行数据包括电机侧电流,电机定子磁链角度以及电机侧电机的转速;
根据获取的电机运行数据采用精确离散化方法,获得下一时刻的电机运行数据的预测值;
根据获得的电机运行数据及其预测值,按照电机侧的级联控制架构,遍历每一级控制包含的所有开关矢量,计算对应的代价函数并筛选出最小的代价函数所对应的开关矢量传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量,进而控制电机侧变流器。
6.如权利要求5所述的基于精确离散化的变流器级联预测控制方法,其特征是:
所述最优开关矢量的获取方法如下:
按照设置的级联控制架构,进行优先级最高的电流控制,遍历所有的开关矢量,计算对应的代价函数并筛选出电流误差最小的两个开关矢量,传输给下一级的开关频率控制;再计算对应的代价函数并筛选出开关频率最低的一个开关矢量作为最优开关矢量输出。
7.如权利要求1所述的基于精确离散化的变流器级联预测控制方法,其特征是:电网侧变流器级联预测控制方法,包括如下步骤:
获取电网侧当前时刻的电网运行数据;
根据电网侧电网运行数据预测下一时刻的电网运行数据;
根据获得的电网运行数据及其预测值,按照电网侧的级联控制架构,遍历每一级控制包含的所有开关矢量,计算对应的代价函数并筛选出最小的代价函数所对应的开关矢量传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量,进而控制电网侧变流器。
8.如权利要求7所述的基于精确离散化的变流器级联预测控制方法,其特征是:
所述最优开关矢量的获取方法如下:
首先进行优先级最高的电流控制,计算对应的代价函数并筛选出电流误差最小的三个开关矢量,传输给第二级的中性点电压偏差控制;计算对应的代价函数并筛选出中性点电压偏差最小的两个开关矢量,传输给第三级的开关频率控制;计算对应的代价函数并筛选出开关频率最低的一个开关矢量作为最优开关矢量。
9.基于精确离散化的变流器级联预测控制系统,其特征是,包括:主控单元、多个级联的控制终端;控制终端中的最后一级控制终端、主控单元分别与变流器系统连接;
主控单元执行权利要求1-8任一项所述的基于精确离散化的变流器级联预测控制方法,分别将预测输出的开关矢量传输至各个控制终端,通过最后一级控制终端传输至变流器,控制变流器的运行。
10.基于精确离散化的变流器级联预测控制系统,其特征是,包括:
获取模块:被配置为用于获取变流器连接的被控线路的运行数据;
预测模块:被配置为用于根据获取的运行数据,采用精确离散化方法确定下一时刻的被控线路运行的预测值;
级联控制模块:被配置为用于根据获得的运行数据及其预测值,按照设置的级联预测架构的顺序,遍历控制集中每一级控制包含的所有开关矢量,计算对应的代价函数并筛选出最小的代价函数所对应的开关矢量传输给下一级控制使用,级联控制架构最后一级输出的开关矢量即为最优开关矢量;
输出模块:被配置为用于根据最优开关矢量控制相应的变流器;
其中,电机侧的变流器控制的级联控制架构按照优先级从高到低依次包括:电流控制和电机侧变换器的开关频率控制;
电网侧的变流器控制的级联控制架构按照优先级从高到低依次包括:电流控制、电容中性点电压控制、电网侧变换器的开关频率控制;
根据精确离散化方法,获得精确离散化模型包括如下过程:
线性时变系统的连续时间模型以通用形式表示如下:
y(t)=C(t)x(t)
其中,矩阵A(t)、B(t)、C(t)包含时变系数;
连续时间线性时变状态空间模型相对应的采样数据模型是:
x(k+1)=Φ(k)x(k)+Γ(k)u(k)
y(k)=H(k)x(k)
其中Φ(k)、Γ(k)和H(k)是时变矩阵;
离散时间矩阵H,Φ和Γ根据连续时间矩阵定义为:
其中,I是单位矩阵,其维数等于矩阵A的维数。
11.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-8任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989015.5A CN113675888B (zh) | 2021-08-26 | 2021-08-26 | 基于精确离散化的变流器级联预测控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989015.5A CN113675888B (zh) | 2021-08-26 | 2021-08-26 | 基于精确离散化的变流器级联预测控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113675888A CN113675888A (zh) | 2021-11-19 |
CN113675888B true CN113675888B (zh) | 2022-09-16 |
Family
ID=78546759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110989015.5A Active CN113675888B (zh) | 2021-08-26 | 2021-08-26 | 基于精确离散化的变流器级联预测控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113675888B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2978122A1 (en) * | 2014-07-22 | 2016-01-27 | ABB Technology AG | Model predictive control of a modular multilevel converter |
CN105375786B (zh) * | 2015-12-14 | 2018-04-06 | 湖南利能科技股份有限公司 | 无刷双馈发电机的背靠背变流器及控制方法 |
CN106877408A (zh) * | 2017-03-29 | 2017-06-20 | 燕山大学 | 改进t型三电平永磁直驱风电系统预测直接功率的方法 |
CN111049458A (zh) * | 2020-01-05 | 2020-04-21 | 天津大学 | 一种基于变矢量作用时长的永磁同步电机电流控制方法 |
CN112465225A (zh) * | 2020-11-27 | 2021-03-09 | 云南电网有限责任公司电力科学研究院 | 基于二次模态分解和级联深度学习的风电功率预测方法 |
CN113193759B (zh) * | 2021-04-16 | 2022-06-21 | 山东大学苏州研究院 | 基于预测控制的大功率四象限变流器容错控制方法 |
-
2021
- 2021-08-26 CN CN202110989015.5A patent/CN113675888B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113675888A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112310991B (zh) | 基于扰动观测的储能变换器改进有限集模型预测控制方法 | |
CN113285481B (zh) | 并网变流器电感参数在线估计方法、预测控制方法及系统 | |
CN113193766B (zh) | 一种并联变流器集群的环流抑制直接预测控制方法及系统 | |
CN111668867A (zh) | 一种风电场经vsc-hvdc系统并网的无源滑模控制方法 | |
CN113991739A (zh) | 一种并网逆变器简化矢量定频预测电流控制方法 | |
CN106300444A (zh) | 一种三相pwm变换器功率预测分层控制方法 | |
CN112910359A (zh) | 一种改进型永磁同步直线电机模型预测电流控制方法 | |
CN114123344A (zh) | 基于自适应递推最小二乘的电力系统惯量评估方法及装置 | |
CN113315385B (zh) | 海洋直驱永磁同步风电变流器动态级联预测控制方法 | |
CN110365230B (zh) | 一种三相电压型pwm整流器直接功率控制装置 | |
CN116738636A (zh) | 考虑阻抗特性及同步机制的双馈风电场站的多机等值方法 | |
CN114726210A (zh) | 一种基于控制空间的DC-DC buck变换器控制方法 | |
WO2024082730A1 (zh) | 一种llcl型电池储能变换器的有限集模型预测控制方法 | |
CN113675888B (zh) | 基于精确离散化的变流器级联预测控制方法及系统 | |
CN112968468A (zh) | 单dq-PI电流控制结构下并网变流器负序电流控制方法及系统 | |
CN107994581B (zh) | 一种基于区间优化算法的微网谐波抑制方法 | |
CN115833690A (zh) | 六相永磁同步电机无参数模型预测电流控制系统及方法 | |
CN110880778A (zh) | 一种多端柔性直流输电系统改进型非线性下垂控制方法 | |
CN105406749A (zh) | 并网逆变器并联系统的鲁棒控制器设计方法 | |
CN110880752B (zh) | 一种upfc有限控制集模型预测控制方法 | |
Zhang et al. | New energy cluster and large-scale power grid co-simulation application based on RTLAB and CloudPSS | |
Zhao et al. | A Smooth Grid-connected Strategy for Photovoltaic-storage Virtual Synchronous Generator Based on Adaptive Model Predictive Control | |
CN113485109B (zh) | 一种基于可变优先级的变流器动态级联控制方法及系统 | |
CN113452068B (zh) | 一种连接风电场的vsc整流站多步模型预测控制方法 | |
CN113659624B (zh) | 一种并网变流器无偏差预测控制方法及系统 |
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 |