CN115276120A

CN115276120A - 一种功率转换器的无模型预测控制方法及系统

Info

Publication number: CN115276120A
Application number: CN202211012434.4A
Authority: CN
Inventors: 张祯滨; 欧路利可·巴巴悠米; 李�真; 胡存刚; 尹忠刚
Original assignee: Shandong University
Current assignee: Shandong University
Priority date: 2022-08-23
Filing date: 2022-08-23
Publication date: 2022-11-01
Anticipated expiration: 2042-08-23
Also published as: CN115276120B

Abstract

本发明公开的一种功率转换器的无模型预测控制方法及系统，包括：获取k时刻功率转换器的输出电流和输出电压；根据PC‑ESO控制器的结构，构建基于时间的动态观测方程，并获取基于时间的动态观测方程的离散形式，其中，PC‑ESO控制器包括V个并行分支，且每个分支中有W个级联ESO；将k时刻功率转换器的输出电流、输出电压输入基于时间的动态观测方程的离散形式中，获得PC‑ESO控制器中每个分支的电流预测估计值，将所有分支的电流预测估计值相加，获得PC‑ESO控制器输出的k+1时刻电网电流预测估计值；根据k+1时刻电网电流预测估计值对功率转换器进行控制。其中的PC‑ESO具有非常好的抗干扰和高频噪声抑制能力。

Description

一种功率转换器的无模型预测控制方法及系统

技术领域

本发明涉及电力电子变流器无模型预测控制技术领域，尤其涉及一种功率转换器的无模型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发明相关的背景技术信息，不必然构成在先技术。

传统的功率转换器依靠传统扩展状态观测器(ESO)进行无模型预测控制，ESO具有高增益，可增强抗扰属性，但是这种高增益ESO有两个主要限制：i)它会放大高频测量噪声；ii)它会降低参考跟踪精度。常见的解决方案包括：使用低通滤波器和谐振滤波器来消除噪声，但这些减慢了预测控制的快速动态性能；也使用了低功率ESO，但它们的噪声过滤能力较低。

故现有的ESO虽然具有良好的干扰抑制能力，但对测量噪声的抑制、免疫能力较差。

发明内容

本发明为了解决上述问题，提出了一种功率转换器的无模型预测控制方法及系统，采用PC-ESO进行功率转换器的无模型预测控制，具有良好的拒绝干扰和抑制测量噪声能力。

为实现上述目的，本发明采用如下技术方案：

第一方面，提出了一种功率转换器的无模型预测控制方法，包括：

获取k时刻功率转换器的输出电流和输出电压；

根据PC-ESO控制器的结构，构建基于时间的动态观测方程，并获取基于时间的动态观测方程的离散形式，其中，PC-ESO控制器包括V个并行分支，且每个分支中有W个级联ESO；

将k时刻功率转换器的输出电流、输出电压输入基于时间的动态观测方程的离散形式中，获得PC-ESO控制器中每个分支的电流预测估计值，将所有分支的电流预测估计值相加，获得PC-ESO控制器输出的k+1时刻电网电流预测估计值；

根据k+1时刻电网电流预测估计值对功率转换器进行控制。

进一步的，V个并行分支为对称分支或不对称分支。

进一步的，每个ESO的子频率均不相同。

进一步的，根据k+1时刻电网电流预测估计值对功率转换器进行控制的过程包括：

根据k+1时刻电网电流预测估计值对k+2时刻电网电流进行预测，获得k+2时刻电网电流预测估计值；

根据k+2时刻电网电流预测估计值，计算每个开关状态下的成本函数；

选取成本最小时的开关状态，对功率转换器进行控制。

进一步的，当PC-ESO控制器包含两个并行分支，且每个分支包含两个级联的ESO时，构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀，M＝4，

是恒定控制输入增益，γ代表PC-ESO增益，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。

进一步的，当PC-ESO控制器包含两个并行分支，其中一个分支包含一个ESO，另一个分支包含两个级联的ESO时，构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀,M＝3，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。

进一步的，通过欧拉前向方法获得基于时间的动态观测方程的离散形式；

基于时间的动态观测方程的离散形式为：

其中，k是采样时刻，T_s是采样时间,γ₁₁＝2ω₀₁,

γ₁₂＝2ω₀₂,

γ₁₃＝2ω₀₃,

ω₀₃＝ω₀；M＝3。

第二方面，提出了一种功率转换器的无模型预测控制系统，包括：

数据获取模块，用于获取k时刻功率转换器的输出电流和输出电压；

模型构建模块，用于根据PC-ESO控制器的结构，构建基于时间的动态观测方程，并获取基于时间的动态观测方程的离散形式，其中，PC-ESO控制器包括V个并行分支，且每个分支中有W个级联ESO；

k+1时刻电网电流预测模块，用于将k时刻功率转换器的输出电流、输出电压输入基于时间的动态观测方程的离散形式中，获得PC-ESO控制器中每个分支的电流预测估计值，将所有分支的电流预测估计值相加，获得PC-ESO控制器输出的k+1时刻电网电流预测估计值；

控制模块，用于根据k+1时刻电网电流预测估计值对功率转换器进行控制。

第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种功率转换器的无模型预测控制方法所述的步骤。

第四方面，提出了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，完成一种功率转换器的无模型预测控制方法所述的步骤。

与现有技术相比，本发明的有益效果为：

1、本发明提出的PC-ESO包括V个并行分支，且每个分支中有W个级联ESO，由具有多个子频率级别的级联ESO的并行排列形成，具有非常好的抗干扰和抑制高频噪声能力，能够利用其独特的多个子频率来缓解实时操作期间ESO的结构变化，减少了噪声干扰。

本发明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，或通过本发明的实践了解到。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为实施例1公开的PC-ESO结构；

图2为实施例1公开的具有4个子频率级别的不同PC-ESO结构；

图3为G_Fη的波特图；

图4为实施例1公开的具有3个子频率级别的PC-ESO结构；

图5为三相并网电力电子变流器；

图6应用于并网功率变换器的完整控制方法；

图7为实施例1公开方法的性能验证结果。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。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。

实施例1

在该实施例中，公开了一种功率转换器的无模型预测控制方法，包括：

获取k时刻功率转换器的输出电流和输出电压；

根据k+1时刻电网电流预测估计值对功率转换器进行控制。

其中，进行无模型预测控制的功率转换器结构如图5所示，其动态模型为：

其中i_abc代表功率转换器的输入电网电流，e_gabc代表功率转换器的输入电网电压；u_abc＝f(S_abc)表示功率转换器的输出电压，是开关状态S_abc的函数；L代表滤波器电感，R代表滤波器电阻。

式(1)可转化为：

其中，u_abc是功率转换器的输出电压，也为PC-ESO控制器的输入，

是恒定控制输入增益，F为系统扰动，具体为：

对如图5所示的功率转换器进行无模型预测控制的具体过程如图6所示，为：

S1：获取k时刻功率转换器的输出电流i_dq、输出电压u_abc和采样时间Ts。

S2：根据k时刻的输出电流i_dq、输出电压u_abc、采样时间Ts和PC-ESO控制器，获得k+1时刻电网电流预测估计值

过程为：

将k时刻功率转换器的输出电流、输出电压输入基于时间的动态观测方程的离散形式中，获得PC-ESO控制器中每个分支的电流预测估计值，将所有分支的电流预测估计值相加，获得PC-ESO控制器输出的k+1时刻电网电流预测估计值。

具体的，PC-ESO控制器有级联的ESO，它们排列在平行的分支中，如图1所示，具体的包括V个并行分支，且每个分支中有W个级联ESO，因此，对于具有V个分支和W个级联的广义情况，子频率级别的总数为(V×W)。

考虑具有以下超局部状态空间模型的广义单输入单输出(SISO)系统：

其中u(t)是控制输入，α是恒定控制输入增益，F(t)表示总系统干扰，x(t)是系统状态，η(t)表示传感器的测量噪声，y(t)是输出。

总干扰F将由构建的新颖的混合并行级联扩展状态观测器(PC-ESO)估计。

根据PC-ESO控制器的结构，构建基于时间的动态观测方程；根据动态观测方程，获得PC-ESO中每个分支的电流预测估计值；将所有分支的电流预测估计值相加，获得PC-ESO输出的电流预测估计值。

V个并行分支为对称分支或不对称分支，如图2、4所示。

图2显示了当子频率级别总数为4时的几种不同可能的PC-ESO结构。给定ω₀的PC-ESO带宽，可以将PC-ESO中几个ESO的子频率定义为：ω₀₁<ω₀₂<ω₀₃<ω₀₄＝ω₀。例如，图2所示的PC-ESO-4B，包含两个并行分支，且每个分支包含两个级联的ESO，根据该结构构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀，M＝4，

是恒定控制输入增益，γ代表PC-ESO增益，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。

将所有ESO获得的估计扰动相加，获得PC-ESO控制器输出的总估计扰动

为

所有并行分支的估计状态之和为PC-ESO控制器的估计状态

为

从噪声到干扰估计误差(G_Fη)的频域传递函数是：

(4)的评估给出PC-ESO-4B的传递函数为：

其中，

使用类似的分析程序，PC-ESO-4A和PC-ESO-4C的传递函数为：

其中，

G_Fη(s)的波特图如图3所示。在高频下，所有PC-ESO控制器的扰动估计误差幅度均低于常规ESO。这表明所有新的PC-ESO控制器都比标准ESO具有更好的抗噪能力。

以共有3个子频率的不对称分支，对不对称分支结构的PC-ESO控制器进行说明，如图4所示，PC-ESO控制器包括两个并行分支，其中一个分支包含一个ESO，另一个分支包含两个级联的ESO，给定ω₀的PC-ESO带宽，可以将几个ESO子频率定义为：ω₀₁<ω₀₂<ω₀₃＝ω₀，根据该结构构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀,M＝3，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。该PC-ESO控制器的总估计扰动为

估计状态为

PC-ESO控制器中存储基于时间的动态观测方程的离散形式，该离散形式通过欧拉前向方法获得。

通过欧拉前向方法获得(9)的离散形式为：

其中，k是采样时刻，T_s是采样时间，是每个采样时刻之间经过的时间段，例如，当采样时间Ts＝10秒时，采样时刻k将出现在0秒、10秒、20秒、30秒等,γ₁₁＝2ω₀₁,

γ₁₂＝2ω₀₂,

γ₁₃＝2ω₀₃,

ω₀₃＝ω₀；M＝3。

当采用公式(10)描述的PC-ESO控制器来计算功率转换器所在系统的总估计扰动时，每个ESO均获得一个系统的估计扰动，将所有ESO获得的系统的估计扰动相加，获得PC-ESO输出的系统的总估计扰动。并需要对公式(10)中的变量进行替换，将

替换为

其中

是估计电网电流的dq轴等效值，即

为对估计电网电流i_abc使用Park变换计算获得的，u_dq为对输出电压u_abc使用Park变换计算获得。将

替换为

后，获得如下公式：

其中，k为采样时刻，T_s为采样时间，γ₁₁＝2ω₀₁,

γ₁₂＝2ω₀₂,

γ₁₃＝2ω₀₃,

ω₀₃＝ω₀；M＝3，y_dq＝i_dq是功率转换器的输出电流。

将k时刻的输出电网电流y_dq＝i_dq、输出电网电压u_dq、采样时间T_s输入至公式(11)中，获得

和

将

和

相加，获得k+1时刻电网电流预测估计值

S3：根据k+1时刻电网电流预测估计值对功率转换器进行控制，过程包括：

选取成本最小时的开关状态，对功率转换器进行控制。

具体为：

通过两步电网电流预测法根据

对k+2时刻电网电流预测估计值进行预测，获得

具体的两步电网电流预测法可以得到如下：

其中，k为采样时刻，Ts为采样时间，γ₁₂＝2ω₀₂,γ₁₃＝2ω₀₃,

ω₀₃＝ω₀；M＝3，ω₀表示PC-ESO的带宽，

是下一个采样(k+1)时刻电网电流预测估计值，

是当前离散样本(k)的估计电流,Ts是采样时间，α＝1/L，u(k)是表2中开关状态Sabc(k)引起的转换器电压，i_dq(k)是当前采样时刻功率转换器的输出电流，

是k时刻系统的总估计扰动。

成本函数为：

其中，

且

k_p,k_i是调节V_dc的PI控制器增益，即直流母线电压，

是直流母线电压参考。

选取成本最小时的开关状态，对功率转换器进行控制。

具体的：控制目标是通过最小化成本函数J来跟踪参考

对于表1中n＝{0,1,…,7}的值，每个开关状态电压u_dq在成本函数中进行评估。在这8个选项中，应用J最小值的电压u_dq作为功率转换器的开关状态S_abc。

表1：三相两电平功率转换器的开关状态

整体控制方案的性能如图7所示，ω₀＝400rad/s。在启动瞬态期间，新型的PC-ESO的d轴峰值电流i_d＝25.3A低于传统ESO的d轴峰值电流的28.25A。同样，新型PC-ESO(22.25A)的a轴电流i_a＝22.25A低于传统ESO的25.1A。证明了本实施例公开方法对于改进的干扰抑制的有效性。

本实施例公开的控制方法基于提出的PC-ESO实现，其中，PC-ESO包括V个并行分支，且每个分支中有W个级联ESO，由具有多个子频率级别的级联ESO的并行排列形成，具有非常好的抗干扰和抑制高频噪声能力，能够利用其独特的多个子频率来缓解实时操作期间ESO的结构变化，减少了噪声干扰。

实施例2

在该实施例中，公开了一种功率转换器的无模型预测控制系统，包括：

实施例3

在该实施例中，公开了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1公开的一种功率转换器的无模型预测控制方法所述的步骤。

实施例4

在该实施例中，公开了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公开的一种功率转换器的无模型预测控制方法所述的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims

1.一种功率转换器的无模型预测控制方法，其特征在于，包括：

获取k时刻功率转换器的输出电流和输出电压；

根据k+1时刻电网电流预测估计值对功率转换器进行控制。

2.如权利要求1所述的一种功率转换器的无模型预测控制方法，其特征在于，V个并行分支为对称分支或不对称分支。

3.如权利要求1所述的一种功率转换器的无模型预测控制方法，其特征在于，每个ESO的子频率均不相同。

4.如权利要求1所述的一种功率转换器的无模型预测控制方法，其特征在于，根据k+1时刻电网电流预测估计值对功率转换器进行控制的过程包括：

选取成本最小时的开关状态，对功率转换器进行控制。

5.如权利要求1所述的一种功率转换器的无模型预测控制方法，其特征在于，当PC-ESO控制器包含两个并行分支，且每个分支包含两个级联的ESO时，构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀，M＝4，

是恒定控制输入增益，γ代表PC-ESO增益，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。

6.如权利要求1所述的一种功率转换器的无模型预测控制方法，其特征在于，当PC-ESO控制器包含两个并行分支，其中一个分支包含一个ESO，另一个分支包含两个级联的ESO时，构建的基于时间的动态观测方程为：

其中，ω₀是带宽，

ω₀₄＝ω₀,M＝3，γ_1j＝2ω_0j,

表示每个子频率水平ω_0j的估计ESO状态。

7.如权利要求6所述的一种功率转换器的无模型预测控制方法，其特征在于，通过欧拉前向方法获得基于时间的动态观测方程的离散形式，获取的基于时间的动态观测方程的离散形式为：

其中，k是采样时刻，T_s是采样时间,γ₁₁＝2ω₀₁,

γ₁₂＝2ω₀₂,

γ₁₃＝2ω₀₃,

ω₀₃＝ω₀；M＝3。

8.一种功率转换器的无模型预测控制系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的一种功率转换器的无模型预测控制方法的步骤。

10.一种计算机可读存储介质，其特征在于，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1-7任一项所述的一种功率转换器的无模型预测控制方法的步骤。