CN114785093A - 一种直驱永磁风电系统的mmc模型预测控制方法 - Google Patents

一种直驱永磁风电系统的mmc模型预测控制方法 Download PDF

Info

Publication number
CN114785093A
CN114785093A CN202210425722.6A CN202210425722A CN114785093A CN 114785093 A CN114785093 A CN 114785093A CN 202210425722 A CN202210425722 A CN 202210425722A CN 114785093 A CN114785093 A CN 114785093A
Authority
CN
China
Prior art keywords
bridge arm
sub
current
submodule
voltage
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
Application number
CN202210425722.6A
Other languages
English (en)
Inventor
程谆
罗超逵
张阳
黎丹
刘梅
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.)
HUNAN RAILWAY PROFESSIONAL TECHNOLOGY COLLEGE
Original Assignee
HUNAN RAILWAY PROFESSIONAL TECHNOLOGY COLLEGE
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 HUNAN RAILWAY PROFESSIONAL TECHNOLOGY COLLEGE filed Critical HUNAN RAILWAY PROFESSIONAL TECHNOLOGY COLLEGE
Priority to CN202210425722.6A priority Critical patent/CN114785093A/zh
Publication of CN114785093A publication Critical patent/CN114785093A/zh
Pending legal-status Critical Current

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
    • H02M1/00—Details of apparatus for conversion
    • H02M1/08—Circuits specially adapted for the generation of control voltages for semiconductor devices incorporated in static converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力系统运行与控制技术领域，公开了一种直驱永磁风电系统的MMC模型预测控制方法。所述方法包括在一定周期内按照子模块电容电压排序的结果建立固定的开关状态，根据相电流控制和相间环流控制的代价函数计算出下一时刻上桥臂、下桥臂投入的子模块数，最后选择对应的开关状态进行投切。本发明的MMC模型预测控制方法将均压环节设计在电流控制之前，适当放宽子模块电容电压波动的限制，结合低频率排序计算的均压策略，实现了MMC相电流的良好跟踪、相间环流的有效抑制、子模块电容电压控制、有功和无功功率控制，同时大幅度降低了排序计算量和开关频率。

Description

一种直驱永磁风电系统的MMC模型预测控制方法
技术领域
本发明属于电力系统运行与控制技术领域，涉及一种直驱永磁风电系统的MMC模型预测控制方法及方法。
背景技术
模块化多电平换流器(modular multilevel converter，MMC)相较于传统电压源型换流器(VSG)，能够输出更多电平数的交流电，大大提高了波形质量，减少了开关管的开关频率和损耗，因而被广泛用于风力发电领域。
模型预测控制(model predictive control，MPC)是一种基于离散模型的系统控制方案，已有不少学者将其运用于传统两电平逆变器上，相较于传统控制方法，MPC的优点在于其可处理多个控制目标和多个约束，且控制方式直观、灵活，响应速度更快。
然而由于MMC相对独立的模块化结构，其内部存在子模块(SM)电容电压不均衡、相间环流等问题。并且，其开关状态数随子模块的增加将以指数的形式增加，这将大大增加模型预测控制全局寻优的计算量。
目前，已有大量文献研究并验证了在传统调制方式下的解决这些问题的方案，通常将基于排序算法的SM均压策略与最近电平调制(NLM)、载波移相调制(CPS-PWM)相结合，在投切前获得最优的子模块组合，从而维持SM电容电压的均衡。而对于相间环流的问题，现有文献多通过坐标旋转解耦三相环流，或者陷波器提取更高倍频的环流分量，然后采用PI等控制器加以抑制环流。
现有技术有从以下方向对上述问题进行进一步改进：针对MMC桥臂电流多频带难以精确控制的问题，将连续控制集模型预测控制(CCS-MPC)结合PSC-PWM实现环流的抑制，减少了计算量，但是使用了更多的控制器，控制结构较为复杂。有限控制集的模型预测控制(FCS-MPC)则是根据有限个可能的开关状态预测下一周期的控制目标值，减少了全局寻优的次数，但是需进行额外的电容电压均衡控制；通用的MMC有限控制集模型预测控制首先根据输出相电压的电平数得到有限个可能的开关状态，而后计算每种开关状态对应的电流参考值，并与预测值构成代价函数，得到下一时刻投入的最优子模块数，最后通过均压算法确定优先投入的子模块，在高电平数的MMC中计算量庞大、开关频率高。将子模块电容电压排序算法与FCS-MPC相结合，极大地简化了控制集，且实现了交流电流的良好跟踪和环流的抑制，然而，也出现了各控制目标的权重因子难以整定的问题；提出两段式的模型预测控制，取两段预测值的平均值作为参考值，并引入堆排序的均压策略，避免了单段式MPC权重因子整定环节，降低了计算量，但是增加了状态切换时间点的整定问题。提出简化的模型预测控制，通过对电压方程离散化求得桥臂输出电压参考电平数，与其邻近的电平作为有限控制集，以各桥臂子模块数作为代价函数，大幅减少了计算量，但是未考虑环流对电平数的影响。建立对应相电流、相间环流和子模块电压的三层代价函数，采用补偿电平的方式抑制环流，避免了大量的冗余计算，适用于子模块较多的MMC系统，而在低电平数的MMC中，环流抑制效果不明显。
发明内容
为解决现有技术中上述问题，本发明提供一种直驱永磁风电系统的MMC模型预测控制方法，解决了现有的有限元集模型预测控制在高电平数的MMC中计算量庞大、开关频率高的问题。
一种直驱永磁风电系统的MMC模型预测控制方法，所述方法包括在一定周期内按照子模块电容电压排序的结果建立固定的开关状态，根据相电流控制和相间环流控制的代价函数计算出下一时刻上桥臂、下桥臂投入的子模块数，最后选择对应的开关状态进行投切。
进一步地，所述方法具体包括步骤：
S1.采集交流侧输出电流ij，计算下一时刻相电流预测值ij(t+Ts)；
S2.采集相电流预测值ij(t+Ts)和相电流参考值
Figure BDA0003608445710000021
通过计算相电流控制的代价函数G1最小值获得上桥臂子模块投入数Sp和下桥臂子模块投入数Sn；
S3.采集桥臂环流值izj，计算下一时刻环流预测值izj(t+Ts)；
S4.采集环流预测值izj(t+Ts)和环流参考值
Figure BDA0003608445710000022
以及上桥臂子模块投入数Sp和下桥臂子模块投入数Sn，通过计算相间环流控制的代价函数G2最小值获得修正后的上桥臂子模块投入数Spon和修正后的下桥臂子模块投入数Snon；
S5.采集子模块电容电压Ucpj和Ucnj，对子模块电容电压进行排序，获得升序序列和降序序列；
S6.根据所述升序序列和降序序列建立固定开关状态集，获得上桥臂开关状态集和下桥臂开关状态集；
S7.采集上桥臂电流ipj、下桥臂电流inj，根据修正后的上桥臂子模块投入数Spon、修正后的下桥臂子模块投入数Snon、上桥臂开关状态集和下桥臂开关状态集，选择对应的开关状态进行投切，进行开关管触发控制输出触发信号；
所述步骤S1中下一时刻相电流预测值ij(t+Ts)的计算如公式(1)：
Figure BDA0003608445710000031
式中Ts为采样周期；uj(t+Ts)为下一时刻交流侧输出电压；令
Figure BDA0003608445710000032
其中upj、unj分别为上、下桥臂电压，j＝(a、b、c)；Req和Leq分别为桥臂与交流侧的等效电阻和等效电感：
Figure BDA0003608445710000033
其中RS、LS分别为负载侧的电阻和电感，Rarm、Larm分别为桥臂电阻和电感；
所述步骤S2中代价函数G1的计算如公式(2)：
Figure BDA0003608445710000034
其中λ1为权重因子；
所述步骤S3中下一时刻环流预测值izj(t+Ts)的计算如公式(3)：
Figure BDA0003608445710000035
式中Udc为直流母线电压；upj(t+Ts)、unj(t+Ts)分别为下一时刻上、下桥臂电压；uadd为用于修正的子模块电容电压：uadd＝m*Udc/N，其中m为最大修正子模块数，N为上桥臂投入的子模块数npj与下桥臂投入的子模块数nnj之和：npj+nnj＝N；
所述步骤S4中代价函数G2计算如公式(4)：
Figure BDA0003608445710000036
其中λ2为权重因子。
进一步地，所述步骤S5中对子模块电容电压进行排序包括具体步骤：
S51.采集各桥臂子模块电容电压值并排序；
S52.建立降序和升序的开关状态集；
S53.根据桥臂电流方向以及子模块投入数选择对应的开关序列，若电流大于0，电容充电，优先投入电容电压较小的子模块，采用升序的开关序列；若电流小于0，电容放电，优先投入电容电压较大的子模块，采用降序的开关序列；
S54.在一个排序周期内重复执行步骤S53，该周期结束后返回步骤S51。
进一步地，所述步骤S2中获得上桥臂子模块投入数Sp和下桥臂子模块投入数Sn的方法具体包括：
采集t时刻的交流侧输出电流ij(t)、电压uj(t)和相电流参考值
Figure BDA0003608445710000043
遍历i＝0到i＝N的N+1种状态，根据公式(1)计算出ij(t+Ts)，根据公式(2)计算出G1，判断G1是否小于代价函数最小值G1min，若否，则直接判断此时i是否遍历到了i＝N时刻；若是，则令G1min＝G1，再判断此时i是否遍历到了i＝N时刻；判断i是否遍历到了i＝N时刻，若否，则继续进行遍历，若是，则得到此时对应的上桥臂子模块投入数Sp和下桥臂子模块投入数Sn。
进一步地，所述步骤S4中获得修正后的上桥臂子模块投入数Spon和下桥臂子模块投入数Snon的方法具体包括：
当最大修正子模块数为n时，采集t时刻的桥臂环流值izj(t)和下一时刻环流参考值
Figure BDA0003608445710000041
遍历j＝0到j＝2n的2n+1种状态，令G2＝+∞，uadd＝(j-n)*Udc/N，根据公式(3)计算出izj(t+Ts)，根据公式(4)计算出G2；判断G2是否小于代价函数最小值G2min，若否，则直接判断此时j是否遍历到了j＝2n时刻，若是，则令G2min＝G2，再判断此时j是否遍历到了j＝2n时刻；判断j是否遍历到了j＝2n时刻，若否，则继续进行遍历，若是，则得到此时对应的上桥臂子模块投入数Spon和下桥臂子模块投入数Snon。
对步骤S5中子模块电容电压的排序采用最优排序频率控制，所述最优排序频率f计算如公式(5)：
Figure BDA0003608445710000042
其中iarm_max为桥臂电流幅值，λUc_ref为电容电压额定最大波动量，λ为波动百分比，C为电容。
进一步地，根据最优排序频率将子模块电容电压波动限制在3％以内。
与现有技术相比，本发明的有益效果为：
本发明的MMC模型预测控制方法为一种基于固定开关状态集的MMC模型预测控制方法，将均压环节设计在电流控制之前，适当放宽子模块电容电压波动的限制，结合低频率排序计算的均压策略，解决了现有的有限元集模型预测控制在高电平数的MMC中计算量庞大、开关频率高的问题，实现了MMC相电流的良好跟踪、相间环流的有效抑制、子模块电容电压控制、有功和无功功率控制，同时大幅度降低了排序计算量和开关频率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为实施例1直驱永磁风电系统的MMC模型预测控制方法控制流程图。
图2为实施例1直驱永磁风电系统的MMC模型预测控制方法上、下桥臂的子模块序列和开关状态集。
图3为实施例1直驱永磁风电系统的MMC模型预测控制方法上桥臂电流变化时的开关状态集。
图4为实施例1直驱永磁风电系统的MMC模型预测控制方法下桥臂电流变化时的开关状态集。
图5为实施例1直驱永磁风电系统的MMC单相等效电路图。
图6为实施例1直驱永磁风电系统的MMC模型预测控制方法的三相交流控制流程图。
图7为实施例1直驱永磁风电系统的MMC模型预测控制方法的相间环流控制流程图。
图8为实施例1直驱永磁风电系统的MMC模型预测控制方法的预测控制仿真图。
图9为传统FCS-MMC模型预测控制方法的预测控制仿真图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例提供的直驱永磁风电系统的MMC模型预测控制方法，包括一定周期内按照子模块电容电压排序的结果建立固定的开关状态，根据相电流控制和环流抑制的代价函数计算出下一时刻上、下桥臂投入的子模块数，最后选择对应的开关状态进行投切。
如图1所示。本实施例的直驱永磁风电系统的MMC模型预测控制方法包括步骤：
S1.采集交流侧输出电流ij，采用公式(1)计算下一时刻相电流预测值ij(t+Ts)；
S2.采集步骤S1中的相电流预测值ij(t+Ts)和相电流参考值
Figure BDA0003608445710000062
通过公式(2)计算相电流控制的代价函数G1最小值获得上桥臂子模块投入数Sp和下桥臂子模块投入数Sn；
S3.采集桥臂环流值izj，采用公式(3)计算下一时刻环流预测值izj(t+Ts)；
S4.采集步骤S3中的环流预测值izj(t+Ts)和环流参考值
Figure BDA0003608445710000061
以及步骤S2所获得的上桥臂子模块投入数Sp和下桥臂子模块投入数Sn，通过公式(4)计算相间环流控制的代价函数G2最小值以获得修正后的上桥臂子模块投入数Spon和修正后的下桥臂子模块投入数Snon；
S5.采集子模块电容电压Ucpj和Ucnj，对子模块电容电压进行排序，获得升序序列和降序序列；
S6.根据步骤S5所得的升序序列和降序序列建立固定开关状态集，获得上桥臂开关状态集和下桥臂开关状态集；
S7.采集上桥臂电流ipj、下桥臂电流inj，根据修正后的上桥臂子模块投入数Spon、修正后的下桥臂子模块投入数Snon、上桥臂开关状态集和下桥臂开关状态集，选择对应的开关状态进行投切，进行开关管触发控制输出触发信号。
由以上可知本实施例的模型预测控制方法主要包括三个部分：确定开关状态集的子模块电容电压均衡控制、三相交流控制、相间环流控制。在FCS-MPC的基础上通过子模块电容电压均衡策略进一步建立精确的上、下桥臂开关状态集，得到子模块投切的优先级序列。该方法在实现了交流电流跟踪和环流抑制的同时，大幅度降低了器件的开关频率，减少了排序的计算量。
以下对本实施例预测控制方法的三个部分进行具体阐述：
1、确定开关状态集的子模块电容电压均衡控制
在理想状态下，MMC子模块的电容电压应满足：
Figure BDA0003608445710000071
且上、下桥臂投入的子模块需满足npj+nnj＝N。
实际上，单相2N个子模块的MMC具有22N种子模块投入的组合方式，但是，结合最近电平调制(NLM)的思想，即其输出相电压的电平数规律:
Figure BDA0003608445710000072
可知，只需N+1种子模块组合即可实现多电平的输出，因此，其上、下桥臂投入的子模块数组合可以表示为(npj,nnj)∈{(0,N),(1,N-1),(2,N),…,(N,0)}。
此时，模型预测算法的寻优次数为N+1。然而，这N+1种子模块组合是不确切的，因此本实施例经过子模块电容电压的均衡控制来确立子模块投入的优先级。本实施例以11电平MMC的某一相为例阐述上述步骤S5中如何对子模块电容电压进行排序。
S51.采集各桥臂子模块电容电压值并排序。
S52.建立降序和升序的开关状态集。
假设经过子模块电容电压均衡控制后，其上、下桥臂的子模块序列和开关状态集如图2所示，其中Cj代表子模块j＝(1，2，3，…，8，9，10)，1代表投入，0代表切出，每个列向量内部元素代表同一个子模块，保持上、下桥臂投入的子模块数之和为10。
S53.根据桥臂电流方向以及子模块投入数选择对应的开关序列，若电流大于0，电容充电，优先投入电容电压较小的子模块，采用升序的开关序列；若电流小于0，电容放电，优先投入电容电压较大的子模块，采用降序的开关序列。
根据均压策略的原理可知，当桥臂电流的方向发生变化时，其子模块投切的优先级序列应与变化之前相反，因此，需根据桥臂电流方向的不同，建立对应的参考子模块序列和开关状态集，如图3、图4所示。
S54.在一个排序周期内重复执行步骤S53，该周期结束后返回步骤S51。据此可知，在理想状况下，电压电平阶跃正常时，相邻的开关状态仅发生一个子模块的投切，其余的子模块则保持原有的状态不变，经过这十一次开关状态后，每个子模块仅进行一次投切动作，依此类推，13电平、15电平以及更高电平的MMC均有其固定的开关状态集，N+1电平的三相MMC在一个排序周期内仅有3N次开关动作，相比于传统均压策略，本实施例的预测控制方法的开关频率和计算量都大幅度降低。
同时在步骤S5中，其排序采用最优排序频率进行控制。可以理解的是，不同均压策略本质区别是对开关频率和电容电压波动的取舍不一，即开关频率与电容电压的波动具有反比例的关系，为了获得最优的均压控制频率，本实施例获得了电容电压偏差与控制频率的数学关系。
在一个排序周期内，电容电压的最大波动量ΔUc为
Figure BDA0003608445710000081
令电容电压额定最大波动量为λUc_ref，其中λ为波动百分比，C为电容，那么排序的最大周期ts应满足下式，其中T为子模块投切的控制周期：
Figure BDA0003608445710000082
则最优排序频率f计算如公式(5)，其中iarm_max为桥臂电流幅值：
Figure BDA0003608445710000083
本实施例采用基于平均值比较算法的均压策略，每次获得上层指令后都需进行一次电容电压的平均值比较运算，才触发子模块的下次动作，最终得到上、下桥臂子模块投切的最优序列。为了减少排序或比较的计算量，本实施例适当延长子模块电容电压均衡控制的周期，具体地，本实施例将子模块电容电压波动限制在3％以内，并根据子模块投入数及其优先级序列建立上、下桥臂的固定开关状态集，在一定的周期内按照该开关状态集对子模块进行投切。
2、三相交流控制
如图5所示，建立MMC单相等效电路。考虑到负载侧的Rs和Ls，MMC的外特性方程和内特性方程可写为：
Figure BDA0003608445710000091
Figure BDA0003608445710000092
根据模型预测控制的原理，可通过前向欧拉法获得其三相交流预测值，令采样周期为Ts,在t时刻计算t+Ts时刻的电流值，如下所示：
Figure BDA0003608445710000093
计算桥臂与交流侧的等效电阻Req和等效电感Leq：
Figure BDA0003608445710000094
其中RS、LS分别为负载侧的电阻和电感，Rarm、Larm分别为桥臂电阻和电感；令
Figure BDA0003608445710000095
其中上、下桥臂电压upj、unj由子模块投入数和平均电容值计算：unj＝nnjucnavg，upj＝npjucpavg。根据前向欧拉法对MMC的外特性方程和内特性方程进行离散化处理，可得经过TS后的交流输出预测模型，由此可得相电流的预测值：
Figure BDA0003608445710000096
uj(t+Ts)为下一时刻交流侧输出电压，j＝(a、b、c)。
建立电流参考值和预测值的代价函数G1，其中
Figure BDA0003608445710000097
为相电流参考值，λ1为权重因子：
Figure BDA0003608445710000098
相电流控制流程如图6所示：采集t时刻的交流侧输出电流ij(t)、电压uj(t)和相电流参考值
Figure BDA0003608445710000099
遍历i＝0到i＝N的N+1种状态，根据公式(1)计算出ij(t+Ts)，根据公式(2)计算出G1；判断G1是否小于代价函数最小值G1min，若否，则直接判断此时i是否遍历到了i＝N时刻；若是，则令G1min＝G1，然后再判断此时i是否遍历到了i＝N时刻；判断i是否遍历到了i＝N时刻，若否，则继续进行遍历，若是，则得到此时对应的上桥臂子模块投入数Sp和下桥臂子模块投入数Sn。
3、相间环流控制
理想状态下，上、下桥臂电压之和等于直流侧电压，由于电容在充、放电时产生了电压波动，使上、下桥臂电压之和与直流侧电压存在电压差，从而导致了MMC的相间环流。通常情况下可以用子模块电容电压均衡的策略控制其水平环流，用PR、PI或准PR等控制器构成的环流抑制器来控制如二倍频、四倍频等垂直环流。在本实施例的模型预测控制方法中，引入了平均值比较算法的均压策略，一定程度上抑制了水平环流分量，同时采用补偿电平的方式进一步抑制环流。
相电流仅与上、下桥臂电压差有关，而环流仅与上、下桥臂电压和有关，即上、下桥臂同时投入或切出相同数量的冗余子模块用于修正电压差，不会影响相电流的输出。环流预测值的计算如公式(3)：
Figure BDA0003608445710000101
式中Udc为直流母线电压，upj(t+Ts)、unj(t+Ts)分别为下一时刻上、下桥臂电压，uadd为用于修正的子模块电容电压：uadd＝m*Udc/N，其中m为最大修正子模块数，N为上桥臂投入的子模块数npj和下桥臂投入的子模块数nnj之和，npj+nnj＝N；
相间环流控制的代价函数G2如公式(4)所示，其中
Figure BDA0003608445710000102
为相电流参考值，λ2为权重因子。
Figure BDA0003608445710000103
当最大修正子模块数为n时，环流抑制流程图如图7所示。采集t时刻的桥臂环流值izj(t)和下一时刻参考值
Figure BDA0003608445710000104
遍历j＝0到j＝2n的2n+1种状态，令G2＝+∞，uadd＝(j-n)*Udc/N，根据公式(3)计算出izj(t+Ts)，根据公式(4)计算出代价函数G2，判断G2是否小于代价函数最小值G2min，若否，则直接判断此时j是否遍历到了j＝2n时刻；若是，则令G2min＝G2，再判断此时j是否遍历到了j＝2n时刻。判断j是否遍历到了j＝2n时刻，若否，则继续进行遍历；若是，则得到此时对应的上桥臂子模块投入数Spon和下桥臂子模块投入数Snon。
在经过相电流的控制之后，可知上、下桥臂电压的预测值以及子模块投入数，而经过环流控制之后，将获得修正后的子模块投入数。至此，通过相电流和环流控制的代价函数得到了最终的上、下桥臂子模块投入数，然后在固定开关状态集中找到所对应的开关状态，按照该开关状态对子模块进行投切，从而完成整体的模型预测控制。
本实施例验证了模型预测控制的有效性和可行性，在Matlab/Simulink平台上分别搭建了传统FCS-MPC以及本实施例改进的FCS-MPC控制下的三相11电平双端MMC-HVDC系统模型，取相电流和相间环流控制代价函数的权重因子为1，主要仿真参数如表1所示。
表1仿真主要参数表
名称 单位 数值
桥臂子模块数N 个 20
桥臂电感Lm mH 20
子模块电容值C mF 4.7
子模块电容电压额定值Uc V 2000
直流侧电压Udc V 20000
交流侧电压幅值A V 8000
交流侧电压频率f Hz 50
交流侧电抗Ls mH 2
交流侧电阻R R 0.2
采样周期Ts s 2e-5
在传统FCS-MPC中，由于MMC开关器件众多，其开关状态组合量达到了
Figure BDA0003608445710000121
而本实施例改进的组合量仅为N+1+3。在11电平的MMC系统中，取排序周期为1e-3s时，对比传统FCS-MPC以及本实施例改进MPC的开关状态组合量和排序计算量如表2所示。
表2不同模型预测控制下的计算量对比
计算目标 传统CS-MPC 本实施例改进MPC
开关状态组合量 184756 14
排序计算量(1s) 50000 1000
本实施例中，取子模块电容电压的最大波动百分比为3％，则最优排序频率约为709Hz，由于控制频率需满足排序频率的整数倍，因此取最优排序频率为1000Hz。
从表2和图8、图9可知，本实施例的预测控制方法大大降低了排序计算量以及开关状态组合量。
显然，上述实施例仅仅是为清楚地说明本发明的技术方案所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。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，均应包含在本发明权利要求的保护之内。

Claims (7)

1.一种直驱永磁风电系统的MMC模型预测控制方法，其特征在于，所述方法包括在一定周期内按照子模块电容电压排序的结果建立固定的开关状态，根据相电流控制和相间环流控制的代价函数计算出下一时刻上桥臂、下桥臂投入的子模块数，最后选择对应的开关状态进行投切。
2.根据权利要求1所述的直驱永磁风电系统的MMC模型预测控制方法，其特征在于，所述方法具体包括步骤：
S1.采集交流侧输出电流ij，计算下一时刻相电流预测值ij(t+Ts)；
S2.采集相电流预测值ij(t+Ts)和相电流参考值
Figure FDA0003608445700000011
通过计算相电流控制的代价函数G1最小值获得上桥臂子模块投入数Sp和下桥臂子模块投入数Sn；
S3.采集桥臂环流值izj，计算下一时刻环流预测值izj(t+Ts)；
S4.采集环流预测值izj(t+Ts)、环流参考值
Figure FDA0003608445700000012
上桥臂子模块投入数Sp和下桥臂子模块投入数Sn，通过计算相间环流控制的代价函数G2最小值获得修正后的上桥臂子模块投入数Spon和修正后的下桥臂子模块投入数Snon；
S5.采集子模块电容电压Ucpj和Ucnj，对子模块电容电压进行排序，获得升序序列和降序序列；
S6.根据所述升序序列和降序序列建立固定开关状态集，获得上桥臂开关状态集和下桥臂开关状态集；
S7.采集上桥臂电流ipj、下桥臂电流inj，根据修正后的上桥臂子模块投入数Spon、修正后的下桥臂子模块投入数Snon、上桥臂开关状态集和下桥臂开关状态集，选择对应的开关状态进行投切，进行开关管触发控制输出触发信号；
所述步骤S1中下一时刻相电流预测值ij(t+Ts)的计算如公式(1)：
Figure FDA0003608445700000013
式中Ts为采样周期；uj(t+Ts)为下一时刻交流侧输出电压；令
Figure FDA0003608445700000014
其中upj、unj分别为上、下桥臂电压，j＝(a、b、c)；Req和Leq分别为桥臂与交流侧的等效电阻和等效电感：
Figure FDA0003608445700000021
其中RS、LS分别为负载侧的电阻和电感，Rarm、Larm分别为桥臂电阻和电感；
所述步骤S2中代价函数G1的计算如公式(2)：
Figure FDA0003608445700000022
其中λ1为权重因子；
所述步骤S3中下一时刻环流预测值izj(t+Ts)的计算如公式(3)：
Figure FDA0003608445700000023
式中Udc为直流母线电压；upj(t+Ts)、unj(t+Ts)分别为下一时刻上、下桥臂电压；uadd为用于修正的子模块电容电压：uadd＝m*Udc/N，其中m为最大修正子模块数，N为上桥臂投入的子模块数npj与下桥臂投入的子模块数nnj之和：npj+nnj＝N；
所述步骤S4中代价函数G2计算如公式(4)：
Figure FDA0003608445700000024
其中λ2为权重因子。
3.根据权利要求2所述的直驱永磁风电系统的MMC模型预测控制方法，其特征在于，所述步骤S5中对子模块电容电压进行排序具体包括步骤：
S51.采集各桥臂子模块电容电压值并排序；
S52.建立降序和升序的开关状态集；
S53.根据桥臂电流方向以及子模块投入数选择对应的开关序列，若电流大于0，电容充电，优先投入电容电压较小的子模块，采用升序的开关序列；若电流小于0，电容放电，优先投入电容电压较大的子模块，采用降序的开关序列；
S54.在一个排序周期内重复执行步骤S53，该周期结束后返回步骤S51。
4.根据权利要求3所述的一种直驱永磁风电系统的MMC模型预测控制方法，其特征在于，所述步骤S2中获得上桥臂子模块投入数Sp和下桥臂子模块投入数Sn的方法具体包括：
采集t时刻的交流侧输出电流ij(t)、电压uj(t)和相电流参考值
Figure FDA0003608445700000033
遍历i＝0到i＝N的N+1种状态，根据公式(1)计算出ij(t+Ts)，根据公式(2)计算出G1，判断G1是否小于代价函数最小值G1min，若否，则直接判断此时i是否遍历到了i＝N时刻；若是，则令G1min＝G1，再判断此时i是否遍历到了i＝N时刻；判断i是否遍历到了i＝N时刻，若否，则继续进行遍历，若是，则得到此时对应的上桥臂子模块投入数Sp和下桥臂子模块投入数Sn。
5.根据权利要求1至4任意一项所述的直驱永磁风电系统的MMC模型预测控制方法，其特征在于，所述步骤S4中获得修正后的上桥臂子模块投入数Spon和下桥臂子模块投入数Snon的方法具体包括：
当最大修正子模块数为n时，采集t时刻的桥臂环流值izj(t)和下一时刻环流参考值
Figure FDA0003608445700000031
遍历j＝0到j＝2n的2n+1种状态，令G2＝+∞，uadd＝(j-n)*Udc/N，根据公式(3)计算出izj(t+Ts)，根据公式(4)计算出G2；判断G2是否小于代价函数最小值G2min，若否，则直接判断此时j是否遍历到了j＝2n时刻，若是，则令G2min＝G2，再判断此时j是否遍历到了j＝2n时刻；判断j是否遍历到了j＝2n时刻，若否，则继续进行遍历，若是，则得到此时对应的上桥臂子模块投入数Spon和下桥臂子模块投入数Snon。
6.根据权利要求5所述的直驱永磁风电系统的MMC模型预测控制方法，其特征在于，对步骤S5中子模块电容电压的排序采用最优排序频率控制，所述最优排序频率f计算如公式(5)：
Figure FDA0003608445700000032
其中iarm_max为桥臂电流幅值，λUc_ref为电容电压额定最大波动量，λ为波动百分比，C为电容。
7.根据权利要求6所述的直驱永磁风电系统的MMC模型预测控制方法，其特征在于，根据最优排序频率将子模块电容电压波动限制在3％以内。
CN202210425722.6A 2022-04-21 2022-04-21 一种直驱永磁风电系统的mmc模型预测控制方法 Pending CN114785093A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210425722.6A CN114785093A (zh) 2022-04-21 2022-04-21 一种直驱永磁风电系统的mmc模型预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210425722.6A CN114785093A (zh) 2022-04-21 2022-04-21 一种直驱永磁风电系统的mmc模型预测控制方法

Publications (1)

Publication Number Publication Date
CN114785093A true CN114785093A (zh) 2022-07-22

Family

ID=82430466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210425722.6A Pending CN114785093A (zh) 2022-04-21 2022-04-21 一种直驱永磁风电系统的mmc模型预测控制方法

Country Status (1)

Country Link
CN (1) CN114785093A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116131641A (zh) * 2023-02-23 2023-05-16 天津大学 直流配电网下混合型模块化多电平变换器控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116131641A (zh) * 2023-02-23 2023-05-16 天津大学 直流配电网下混合型模块化多电平变换器控制方法
CN116131641B (zh) * 2023-02-23 2024-02-13 天津大学 直流配电网下混合型模块化多电平变换器控制方法

Similar Documents

Publication Publication Date Title
Routray et al. Harmonic minimization in three-phase hybrid cascaded multilevel inverter using modified particle swarm optimization
CN110867887B (zh) Npc三电平逆变器最优序列模型预测控制装置及方法
Abdelsalam et al. Capacitor voltage balancing strategy based on sub-module capacitor voltage estimation for modular multilevel converters
US20150171769A1 (en) Controlling a modular converter in two stages
CN112003491B (zh) 一种模块化并联三相三电平逆变器的控制方法及系统
CN107707142B (zh) 基于混合型模块化多电平换流器的低频模型预测控制方法
CN116131641B (zh) 直流配电网下混合型模块化多电平变换器控制方法
CN104811069B (zh) 一种模块化多电平逆变器的预测控制方法
Rodriguez et al. Predictive current control with reactive power minimization in an indirect matrix converter
CN108347190B (zh) 一种基于模块化多电平变换器结构的快速预测方法
CN114785093A (zh) 一种直驱永磁风电系统的mmc模型预测控制方法
CN107659194A (zh) 一种模块化多电平变换器的优化控制集模型预测控制方法
CN115133802A (zh) 一种逆变器模型预测控制方法
CN112688587A (zh) 一种阻抗源逆变器的鲁棒预测控制方法
KR102275748B1 (ko) 모듈러 멀티레벨 컨버터 제어 시스템
Lamterkati et al. Fuzzy logic based impoved direct power control of three-phase PWM rectifier
Villarroel et al. A multiobjective ranking based finite states model predictive control scheme applied to a direct matrix converter
Cortes et al. Predictive control of a grid-connected cascaded H-bridge multilevel converter
CN116566179A (zh) 一种三相三电平t型并网逆变器的模型预测控制方法
CN116722762A (zh) 一种基于模型预测控制的飞跨电容并网逆变器控制方法
CN113904577B (zh) 一种多电平逆变器模型预测控制方法及系统
CN113809944B (zh) 海上风电柔直变流器并网电流追踪及环流预测控制方法
CN113746109B (zh) 一种降低并网逆变器开关损耗的顺序模型预测控制方法
CN114614690A (zh) 基于二维控制区的mmc最优开关序列模型预测控制算法
CN114785166A (zh) 基于滑模控制的t型整流器三矢量模型预测控制方法

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