CN113992043A - 应用于并网逆变器的新型有限控制集模型预测控制方法 - Google Patents
应用于并网逆变器的新型有限控制集模型预测控制方法 Download PDFInfo
- Publication number
- CN113992043A CN113992043A CN202111297594.3A CN202111297594A CN113992043A CN 113992043 A CN113992043 A CN 113992043A CN 202111297594 A CN202111297594 A CN 202111297594A CN 113992043 A CN113992043 A CN 113992043A
- Authority
- CN
- China
- Prior art keywords
- grid
- inverter
- output voltage
- vector
- current
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02M1/12—Arrangements for reducing harmonics from ac input or output
- H02M1/126—Arrangements for reducing harmonics from ac input or output using passive filters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了一种应用于并网逆变器的新型有限控制集模型预测控制方法,包括:根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量;根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量,并将所述最优输出电压矢量于下个周期内激活;将获得的最优输出电压矢量对应的开关序列存储到存储器中,并以工频周期为周期对存储的数据进行更新和迭代。应用本发明实施例,在不提高采样频率和不损坏电能质量的前提下,可以从根本上减少候选矢量的数量,降低算法的计算复杂度,大大减少并网逆变器控制算法的计算时间,提高了工作效率。
Description
技术领域
本发明涉及电气自动化与新能源电能并网型电力电子变换设备技术领域,尤其涉及一种应用于并网逆变器的新型有限控制集模型预测控制方法。
背景技术
近年来,随着可再生能源的快速发展,分布式发电系统得到了广泛的关注。作为连接直流电源与电网的重要组件,并网逆变器的控制性能直接决定系统的发电质量。为了获得高质量的电能,除了采用传统线性控制策略外,滑模控制、无源控制、模型预测控制等许多非线性控制策略被广泛应用于并网逆变器控制中。其中,由于不需要调制器,动态响应快,操作简单,可实现多目标约束等优点,有限控制集模型预测控制受到人们的广泛关注。
然而,传统并网逆变器需要遍历所有可能的开关组合,系统计算负担较重。例如,对于三相两电平并网逆变器,传统的有限控制集模型预测控制在每个采样周期需要遍历8种可能的开关组合,并且随着并网逆变器电平数量的增加,传统有限控制集模型预测控制的计算负担将呈指数增加,大大增加了控制系统的计算复杂度。
发明内容
本发明的目的在于提供一种应用于并网逆变器的新型有限控制集模型预测控制方法,旨在解决传统有限控制集模型预测控制方法计算负担重的问题,降低系统计算复杂度,优化并网逆变器的控制性能。
为了实现上述目的,本发明提供一种应用于并网逆变器的新型有限控制集模型预测控制方法,包括:
根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量;
根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量,并将所述最优输出电压矢量于下个周期内激活;
将获得的最优输出电压矢量对应的开关序列存储到存储器中,并以工频周期为周期对存储的数据进行更新和迭代。
一种实现方式中,所述根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量的步骤为:
判断系统运行时间是否达到设定值,如果否,选择所有可能的逆变器输出电压矢量作为候选矢量;
如果是,以最优矢量序列历史数据为基准,选择其空间位置相邻的逆变器输出电压矢量和其本身作为候选矢量。
一种实现方式中,所述根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量的步骤为:
根据当前时刻k时刻采样的状态变量和电网电压,并且采用延时补偿算法,构建k+2时刻的预测模型,并计算并网逆变器k+2时刻的逆变器侧电流、电网电流及电容电压三种状态变量的参考值;
将选出的候选电压矢量分别代入预测模型中,获得每一个候选电压矢量对应的k+2时刻的逆变器侧电流、电容电压及电网电流的预测值;
构造代价函数,代入k+2时刻的逆变器侧电流、电容电压及电网电流的预测值和参考值,将使得代价函数数值最小的逆变器输出电压矢量作为并网逆变器的最优输出电压矢量,并将选出的逆变器最优输出电压矢量于k+1时刻内激活。
一种实现方式中,所述预测模型为:
其中,vi(k)为k时刻并网逆变器输出电压矢量,L2为逆变器中电网侧电感,C为逆变器中滤波电容,viαβ为并网逆变器输出电压、ucαβ为滤波电容电压、i1αβ为逆变器侧电流、igαβ为电网侧电流、vgαβ为电网电压、L1为逆变器中逆变器侧电感、Ts为系统采样时间。
一种实现方式中,所述代价函数为:
其中,λi1、λuc、λig分别表示逆变器侧电流i1、电容电压uc和电网电流ig误差项的权重因数,εi1、εig、εuc分别表示k+2时刻的逆变器侧电流i1、电网电流ig、电容电压uc的参考值与预测值之间的误差。下标“α”,“β”表示误差项的实部和虚部分量;上标“2”表示误差的平方值。
应用本发明实施例提供的一种应用于并网逆变器的新型有限控制集模型预测控制方法,本发明将最优电压矢量历史数据考虑到未来时刻最优矢量的选择中。通过存储器,将上一基频周期的最优矢量序列数据存储起来。并且,基于存储的最优矢量历史数据,在当前基频周期,选择上一基频周期的最优电压矢量及其相邻的矢量作为候选矢量集。基于此,在不提高采样频率和不损坏电能质量的前提下,可以从根本上减少候选矢量的数量,降低算法的计算复杂度,大大减少并网逆变器控制算法的计算时间,提高了工作效率。
附图说明
图1是本发明一种应用于并网逆变器的新型有限控制集模型预测控制方法的一种流程示意图。
图2是本发明实施例提供的并网逆变器的电路结构图。
图3是本发明实施例提供的三相两电平并网逆变器的电压矢量的空间分布。
图4是本发明实施例提供的所提出算法在强电网条件下的稳态实验波形。
图5是本发明实施例的当电网电压阶跃变化时,所提出算法的实验波形。
图6是本发明实施例的当电网电流阶跃变化时,所提出算法的实验结果。
图7是本发明实施例提供的含有背景谐波的不平衡电网电压条件下的电网电压和电网注入电流实验波形。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
如图1本发明提供一种应用于并网逆变器的新型有限控制集模型预测控制方法,包括:
S110,根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量。
需要说明的是,本发明实施例中所采用的并网逆变器为LCL型三相两电平并网逆变器。如图2所示,在所采用的LCL型三相两电平并网逆变器中,直流电源输出电压为Udc;半导体开关器件状态表示为Sx,其中,开关器件Sx与互补;LCL滤波器包含三个分别与并网逆变器连接的逆变器侧电感L1、电网连接的电网侧电感L2,以及并联在第一电感及第二电感之间的滤波电容C。图2中,vix表示三相两电平电路每相桥臂输出电压,i1x表示流过逆变器侧电感的三相电流,igx表示入网电流即流过电网侧电感的三相电流,ucx为滤波电容两端的电压,vgx为三相电网电压,其中x=a,b,c。
三相两电平并网逆变器每个开关器件均有两种开关状态,具体为:当开关Sx闭合,同时开关断开,此时开关Sx的状态表示为“1”,对应的,开关表示为“0”。因此,并网逆变器共有8种开关组合,对应的逆变器输出电压矢量的空间位置如图3所示。
首先,本发明采样当前时刻的逆变器侧电流、电网电流及电容电压三种状态变量和电网电压。
具体步骤为:采集并网逆变器中三相逆变器侧电流i1a、i1b、i1c,电容电压uca、ucb、ucc,电网注入电流iga、igb、igc,以及电网电压vga、vgb、vgc,再采用克莱克变换对所采集的电气物理量进行坐标变换,得到静止坐标系下k时刻的逆变器侧电流i1α、i1β,电容电压ucα、ucβ,电网注入电流igα、igβ,以及电网电压vgα、vgβ。其中“α”为变量的实部分量,“β”为变量的虚部分量。
其中,克莱克变换矩阵为:
本发明设定候选电压矢量选择算法切换时间为ts,判断系统运行时间是否达到设定值;当系统运行时间达到设定值ts,根据存储的上一时刻的最优矢量序列信息xopt,选择该最优矢量空间位置相邻的电压矢量和其本身作为候选矢量,具体如表1中所示。
当系统运行时间未达到设定值ts,将图3中所有可能的电压矢量作为候选矢量。
表1候选电压矢量选择
S120,根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量,并将所述最优输出电压矢量于下个周期内激活。
可以理解的是,采用延时补偿算法,根据上述采样得到的状态变量和电网电压,计算并网逆变器k+2时刻的逆变器侧电流、电网电流及电容电压三种状态变量的参考值。
具体的,根据k时刻静止坐标系下的电网电压,计算k+2时刻静止坐标系下的电网电压,第k+2时刻静止坐标系下的电网电压vgαβ(k+2)的计算公式为:
其中,Vg表示电网电压;k和k+2分别表示第k时刻和第k+2时刻;Ts表示系统采样周期;ω表示电网角频率;j表示虚数单位;下标“α”“β”表示相应复矢量的实部和虚部。
由给定的k时刻的电网注入电流参考值,推导k+2时刻静止坐标系下电网电流的参考值的计算公式为;
其中,ig表示电网电流,上标“*”代表该变量对应的参考值;下标“α”“β”表示相应复矢量的实部和虚部;k,k-1,k-2,k+2则分别表示采样时刻。
进一步的,根据k+2时刻静止坐标系下电网电流的参考值,计算k+2时刻静止坐标系下逆变器侧电流参考值和电容电压参考值的计算公式为;
其中,L2为逆变器中电网侧电感,C为逆变器中滤波电容,i* 1α、i* 1β分别为逆变器侧电流参考值的分量,分别为逆变器的电容电压参考值的分量;vgα为电网电压矢量的实部分量,vgβ为电网电压矢量的虚部分量,ω为电网角频率,为电网电流参考的实部分量,为电网电流参考的虚部分量,为电容电压参考的实部分量,为电容电压参考的虚部分量。
根据上述采样的状态变量及电网电压构建预测模型;
所述预测模型为:
其中,vi(k)为k时刻并网逆变器输出电压矢量。L2为逆变器中电网侧电感,C为逆变器中滤波电容,viαβ为并网逆变器输出电压、ucαβ为滤波电容电压、i1αβ为逆变器侧电流、igαβ为电网侧电流、vgαβ为电网电压、L1为逆变器中逆变器侧电感、Ts为系统采样时间。
需要说明的是,将筛选出的并网逆变器输出电压候选矢量分别代入到构建的预测模型中,得到每一个输出电压矢量对应的并网逆变器k+2时刻的逆变器侧电流、电网电流及电容电压三种状态变量的预测值。
具体地,将步骤S110筛选出的并网逆变器输出电压候选矢量集中的电压矢量分量代入到上述构建的预测模型公式中。计算并网逆变器k+2时刻的变换器侧电流、电网电流及电容电压的预测值。每个电压矢量对应一组预测值。
构建代价函数,并代入并网逆变器k+2时刻的三种状态变量的预测值和参考值,将使得代价函数数值最小的三种状态变换的预测值对应的输出电压矢量,作为并网逆变器的最优输出电压矢量,并于下个周期内激活。
所述代价函数为:
其中,λi1、λuc、λig分别表示逆变器侧电流i1,电容电压uc和电网电流ig误差项的权重因数,用于调整相应控制目标的优先级;εi1、εig、εuc分别表示k+2时刻逆变器侧电流i1、电网电流ig、电容电压uc的参考值与预测值之间的误差。下标“α”,“β”表示误差项的实部和虚部分量;上标“2”表示误差的平方值。
本发明根据筛选出的最优输出电压矢量确定相应的最优驱动信号,从而控制并网逆变器中开关器件的导通与关断,并于下一控制周期内激活,从而输出该最优驱动信号,达到降低运算量的目的。
S130,将获得的最优输出电压矢量序列存储到存储器中,并以工频周期为周期对存储的数据进行更新和迭代。
需要说明的是,在FCS-MPC算法中,一共有八种可能的输出电压矢量,对应八种开关序列,组成开关表。在每个采样周期,通过计算八个输出电压矢量的代价函数值,选择使得代价函数最小的输出电压矢量作为最优输出电压矢量,其相应的开关序列(即最优输出电压矢量序列)应用到下一时刻。这个序列就是开关表中最优输出电压矢量对应的开关序列。
具体的,构建存储器,存储上一个工频周期的最优矢量序列信息,并作为下一工频周期候选矢量的选择基准;以一个工频周期为周期,对存储的数据进行更新和迭代。可以理解的是,本发明将S120获得的逆变器最优输出电压矢量序列信息存储起来,用于下一周期候选矢量的选择。
根据以上步骤实施可以实现并网变换器稳定工作。为充分说明本发明的实施效果,在一台三相3kw的样机上进行了对比实验验证,实验装置的参数和控制参数参照表2。
表2系统参数
图4给出了所提出算法在强电网条件下的稳态电网电压和电网注入电流波形。可以发现,基于所提出的算法获得的电网注入电流频率和相位与电网电压一致,并且电流波形是理想的正弦曲线,THD仅有1.28%,远低于IEEE谐波标准(总谐波畸变率不能超过5%)。
图5和图6分别给出了所提出算法在电网电压和电网电流参考阶跃变化时的实验波形。从图中可以看出,采用所提出的算法,当电压有效值从110V阶跃变化到82.5V时,电网注入电流仍然可以较好地跟踪参考值;并且,当电网注入电流参考值从6.43A阶跃变化到12.86A时,电网注入电流可以在1ms内快速跟踪参考值。因此,所提出方案的动态性能得到验证。
图7验证了所提出的算法在抑制电网谐波和不平衡扰动方面的性能。在实验中,电网背景电压被设置为带有三,五,七,九次谐波。相应的幅值被设置为基频电压幅值的7%,5%,3%and 3%。同时,用B相电压幅值降低25%来模拟不平衡电网电压。从图中可以发现,在含有背景谐波的不平衡电网电压条件下,电网注入电流仍然可以快速跟踪参考值,并且THD满足IEEE谐波标准。
需要说明的是,本发明适用于各种拓扑结构,本发明实施例中仅以LCL型拓扑为例并不是对本发明的限制。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (5)
1.一种应用于并网逆变器的新型有限控制集模型预测控制方法,其特征在于,包括:
根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量;
根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量,并将所述最优输出电压矢量于下个周期内激活;
将获得的最优输出电压矢量对应的开关序列存储到存储器中,并以工频周期为周期对存储的数据进行更新和迭代。
2.根据权利要求1所述的一种应用于并网逆变器的新型有限控制集模型预测控制方法,其特征在于,所述根据系统运行状态,选择当前时刻的逆变器输出电压候选矢量的步骤为:
判断系统运行时间是否达到设定值,如果否,选择所有可能的逆变器输出电压矢量作为候选矢量;
如果是,以最优矢量序列历史数据为基准,选择其空间位置相邻的逆变器输出电压矢量和其本身作为候选矢量。
3.根据权利要求1所述的一种应用于并网逆变器的新型有限控制集模型预测控制方法,其特征在于,所述根据所选出的逆变器输出电压候选矢量,筛选出最优输出电压矢量的步骤为:
根据当前时刻k时刻采样的状态变量和电网电压,并且采用延时补偿算法,构建k+2时刻的预测模型,并计算并网逆变器k+2时刻的逆变器侧电流、电网电流及电容电压三种状态变量的参考值;
将选出的候选电压矢量分别代入预测模型中,获得每一个候选电压矢量对应的k+2时刻的逆变器侧电流、电容电压及电网电流的预测值;
构造代价函数,代入k+2时刻的逆变器侧电流、电容电压及电网电流的预测值和参考值,将使得代价函数数值最小的逆变器输出电压矢量作为并网逆变器的最优输出电压矢量,并将选出的逆变器最优输出电压矢量于k+1时刻内激活。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297594.3A CN113992043A (zh) | 2021-11-04 | 2021-11-04 | 应用于并网逆变器的新型有限控制集模型预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297594.3A CN113992043A (zh) | 2021-11-04 | 2021-11-04 | 应用于并网逆变器的新型有限控制集模型预测控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113992043A true CN113992043A (zh) | 2022-01-28 |
Family
ID=79746300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111297594.3A Pending CN113992043A (zh) | 2021-11-04 | 2021-11-04 | 应用于并网逆变器的新型有限控制集模型预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113992043A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114825997A (zh) * | 2022-06-24 | 2022-07-29 | 浙江大学 | 基于延迟切换的逆变器有限控制集mpc控制方法及装置 |
-
2021
- 2021-11-04 CN CN202111297594.3A patent/CN113992043A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114825997A (zh) * | 2022-06-24 | 2022-07-29 | 浙江大学 | 基于延迟切换的逆变器有限控制集mpc控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Deadbeat predictive power control of single-phase three-level neutral-point-clamped converters using space-vector modulation for electric railway traction | |
Bouafia et al. | Fuzzy-logic-based switching state selection for direct power control of three-phase PWM rectifier | |
Ni et al. | Virtual impedance-based selective harmonic compensation (VI-SHC) PWM for current source rectifiers | |
Chen et al. | Moving discretized control set model-predictive control for dual-active bridge with the triple-phase shift | |
Mohamed | Mitigation of converter-grid resonance, grid-induced distortion, and parametric instabilities in converter-based distributed generation | |
Han et al. | Stability analysis of digital-controlled single-phase inverter with synchronous reference frame voltage control | |
Dang et al. | Cost function‐based modulation scheme of model predictive control for VIENNA rectifier | |
Dasgupta et al. | A Lyapunov function based current controller to control active and reactive power flow in a three phase grid connected PV inverter under generalized grid voltage conditions | |
Gupta et al. | Control of cascaded transformer multilevel inverter based DSTATCOM | |
Fekik et al. | Neural network based switching state selection for direct power control of three phase PWM-rectifier | |
Zhang et al. | Model predictive current control with optimal duty cycle for three-phase grid-connected AC/DC converters | |
Lai et al. | System modeling and cascaded passivity based control for distribution transformer integrated with static synchronous compensator | |
Antoniewicz et al. | Model predictive current control method for four-leg three-level converter operating as shunt active power filter and grid connected inverter | |
Dang et al. | The neutral point-potential and current model predictive control method for Vienna rectifier | |
Wang et al. | Design of discrete-time backstepping sliding-mode control for LCL-type grid-connected inverter | |
CN113992043A (zh) | 应用于并网逆变器的新型有限控制集模型预测控制方法 | |
Wang et al. | A modified sliding‐mode controller‐based mode predictive control strategy for three‐phase rectifier | |
CN109301823A (zh) | 一种基于有限状态模型预测控制策略的电能质量扰动补偿方法 | |
Özkan et al. | Current control of single-phase VSC systems with inductor saturation using inverse dynamic model-based compensation | |
Nair et al. | An improved fs-mpc algorithm for vienna rectifier based ev chargers | |
Patel et al. | Application of DSTATCOM for harmonics elimination and power quality improvement | |
CN115549504B (zh) | 一种三电平储能变流器的控制方法 | |
Gursoy et al. | A model-reference adaptive direct-power control scheme for grid-interactive inverters | |
Avci et al. | Proportional multi‐resonant‐based controller design method enhanced with a lead compensator for stand‐alone mode three‐level three‐phase four‐leg advanced T‐NPC inverter system | |
Chen et al. | A new stability enhancement method using KF estimation for the PWM-SMC-based grid-tied inverter under weak grid condition |
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 |