CN115995846A - 一种lc滤波型电压源逆变器无模型预测控制方法及设备 - Google Patents
一种lc滤波型电压源逆变器无模型预测控制方法及设备 Download PDFInfo
- Publication number
- CN115995846A CN115995846A CN202310120458.XA CN202310120458A CN115995846A CN 115995846 A CN115995846 A CN 115995846A CN 202310120458 A CN202310120458 A CN 202310120458A CN 115995846 A CN115995846 A CN 115995846A
- Authority
- CN
- China
- Prior art keywords
- voltage
- current
- vector
- gradient
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000001914 filtration Methods 0.000 title claims description 10
- 239000013598 vector Substances 0.000 claims abstract description 106
- 238000013178 mathematical model Methods 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 230000009977 dual effect Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 230000001808 coupling effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 30
- 239000003990 capacitor Substances 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 24
- 238000010586 diagram Methods 0.000 description 15
- 230000001965 increasing effect Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/10—Technologies improving the efficiency by using switched-mode power supplies [SMPS], i.e. efficient power electronics conversion e.g. power factor correction or reduction of losses in power supplies or efficient standby modes
Landscapes
- Inverter Devices (AREA)
Abstract
本发明的一种LC滤波型电压源逆变器无模型预测控制方法及设备,包括建立LC滤波型电压源逆变器在αβ静止坐标系中的数学模型,得到其八个基本矢量;重构LC滤波型VSI的状态空间方程,实现电压和电流梯度的实时更新;根据更新的电压和电流梯度以及采样的电压和电流,对未来时刻的电压和电流进行预测,并计算电压和电流参考;将计算得到预测电压和预测电流代数价值函数,并选择权重因子,消除LC滤波器导致的耦合效应;将八个矢量对应预测电压和预测电流代入价值函数进行评估,选择价值函数值最小的矢量作为最优矢量应用在下一个控制周期。本发明采用测量的电压和电流双梯度消除预测控制对系统参数的依赖,提高了参数鲁棒性。
Description
技术领域
本发明涉及电网技术领域,具体涉及一种LC滤波型电压源逆变器无模型预测控制方法及设备。
背景技术
近年来,交流微电网在分布式能源系统中发挥着重要的作用,其可配置为并网或孤岛模式。电压源逆变器(VSI)是交流微电网和独立负载或电网之间的关键设备。当交流微电网运行在孤岛模式时,VSI需要继负载提供高质量的交流电压以作为理想的交流电压源。与L或LCL滤波型VSI相比,LC滤波VSI可以在产生正弦输出电压的同时抑制高频谐波,因此适用于独立运行的系统。针对LC滤波型VSI,为了探索出一种有效的控制方案,以在各种负载条件下实现低电压纹波、低总谐波失真(THD)和快速的动态性能。
为了控制输出电压,传统方法通常采用多回路的线性控制方法。尽管这种控制方法在实际中被广泛使用,但由于其级联的控制回路,导致动态性能有限,参数调整困难。与线性控制方法相比,模型预测控制(MPC)因其快速的动态响应以及灵活处理的多目标能力,是一种有效的替代方法。文献[P.Cortes,G.Ortiz,J.I.Yuz,etal.Model PredictiveControl of an Inverter With Output LC Filter for UPS Applications.IEEETransactions on Industrial Electronics,2009,56(6):1875-1883.]首次提出了LC滤波型VSI的MPC方法,其通过离散的系统模型计算未来时刻的电压预测值,并利用价值函数选择最优的矢量。由于LC滤波器的电感电流和电容电压之间存在耦合效应,以单一电压为控制目标很难得到满意的电压性能。文献[T.Model Predictive Control ofPower Converters for Robust and Fast Operation of AC Microgrids.IEEETransactions on Power Electronics,2018,33(7):6304-6317.]在价值函数中加入电感电流追踪评估,实现了以电感电流和电容电压为双控制目标的价值函数评估,改善了电压质量。然而,基于MPC的输出电压性能依赖于精确的数学模型,建模的不确定性以及系统参数不可预见的变化会影响其稳态性能。
为了消除模型参数对预测控制的影响,已有学者研究了基于查询表(LUT)的无模型预测控制(MFPC)方法。该方法原理简单,易于实现;其通过存储和更新一个控制周期中各个矢量作用下的电流梯度,实现鲁棒电流预测。然而,该方法需要更新未应用矢量作用下的电流梯度,否则将导致梯度更新的停滞现象,增大预测误差。为此,文献[Lin Cheng-kai,YuJen-te,Lai Yen-shin,et al.Improved Model-Free Predictive Current Control forSynchronous Reluctance Motor Drives.IEEE Transactions on IndustrialElectronics,2016,63(6):3942-3953.]设置了电流梯度的更新频率,即某个电流梯度在50个控制周期内没有被更新,控制系统将在下一个控制周期强制使用其对应的矢量,从而实现电流梯度的更新;文献[P.G.Carlet,F.Tinazzi,S.Bolognani,et al.An EffectiveModel-Free Predictive Current Control for Synchronous Reluctance MotorDrives,IEEE Transactions on Industry Applications,2019,55(4):3781-3790.]利用过去三个控制周期采样的电流梯度对剩余的电流梯度进行更新;文献[Ma Chenwei,LiHuayu,Yao Xuliang,et al.An Improved Model-Free Predictive Current ControlWith Advanced Current Gradient Updating Mechanism,IEEE Transactions onIndustrial Electronics,2021,68(12):11968-11979.]建立了两个控制周期间的电流梯度关系,并利用该关系更新剩余的电流梯度;文献[Yu Feng,Zhou Chenhui,Liu Xing,etal.Model-Free Predictive Current Control for Three-Level Inverter-Fed IPMSMWith an Improved Current Difference Updating Technique.IEEE Transactions onEnergy Conversion,2021,36(4):3334-3343.]通过应用矢量的幅值关系实现剩余梯度的更新;文献[C.A.Agustin,Yu Jen-te,Cheng Yu-shan,et al.Model-Free PredictiveCurrent Control for SynRM Drives Based on Optimized Modulation of Triple-Voltage-Vector,IEEE Access,2021,9:130472-130483.]在一个控制周期设置了三个采样点,通过多采样的方法提高了电流梯度的更新频率。目前,电流梯度的更新方法仍需被研究,且上述基于LUT的MFPC方法均针对L滤波型VSI系统提出,LC滤波型MFPC下LUT如何设计、梯度如何更新,尚未见讨论。
发明内容
本发明提出的一种LC滤波型电压源逆变器无模型预测控制方法,可至少解决上述技术问题之一。
为实现上述目的,本发明采用了以下技术方案:
一种LC滤波型电压源逆变器无模型预测控制方法,包括以下步骤,
步骤一:建立LC滤波型电压源逆变器在αβ静止坐标系中的数学模型,根据其三相开关管状态得到八个基本电压矢量,分别为第一个基本电压矢量v0(0,0,0)、第二个基本电压矢量v1(1,0,0)、第三个基本电压矢量v2(1,1,0)、第四个基本电压矢量v3(0,1,0)、第五个基本电压矢量v4(0,1,1)、第六个基本电压矢量v5(0,0,1)、第七个基本电压矢量v6(1,0,1)、第八个基本电压矢量v7(1,1,1);
步骤二:重构LC滤波型VSI的状态空间方程,实现电压和电流梯度的实时更新。
步骤三:根据步骤二中更新的电压和电流梯度以及采样的电压和电流,对未来时刻的电压和电流进行预测,并计算电压和电流参考。
步骤四:将步骤三中计算得到预测电压和预测电流代入价值函数,并选择权重因子,消除LC滤波导致的耦合效应;将八个基本电压矢量对应预测电压和预测电流代入价值函数进行评估,选择价值函数值最小的矢量作为最优矢量应用在下一个控制周期。
进一步的,所述步骤一具体如下:
将采样获得的三相电容电压(vca、vcb、vcc)、逆变器侧电感电流(iia、iib、iic)和三相负载电流(ioa、iob、ioc)进行克拉克坐标变换获得静止坐标系下的电容电压(vcα、vcβ)、静止坐标系下的逆变器侧电感电流(iiα、iiβ)和静止坐标系下的负载电流(ioα、ioβ):
所述LC滤波型VSI在静止坐标系中的数学模型为:
其中,Li为逆变器侧滤波电感;C为滤波电容;viα、viβ为静止坐标系下的基本电压矢量。
根据零阶保持方法,k+1时刻的电容预测电压和逆变器侧电感电流预测电流为:
其中,Φ11为第一个系数矩阵中第一行第一个系数,Φ12为第一个系数矩阵中第一行第二个系数,Φ21为第一个系数矩阵中第二行第一个系数,Φ22为第一个系数矩阵中第二行第二个系数,Γ11为第二个系数矩阵中第一行第一个系数,Γ12为第二个系数矩阵中第一行第二个系数,Γ21为第二个系数矩阵中第二行第一个系数,Γ22为第二个系数矩阵中第二行第二个系数,第一个系数矩阵Φ和第二个系数矩阵Γ计算并表示为
为了消除模型参数对预测电流的影响,在每个控制周期中,采样得到的电容电压和电感电流可视为线性的。因此,在第k时刻采样的电容电压梯度和电感电流梯度可以表示为
其中,Δvcα(k–1)、Δvcβ(k–1)为静止坐标系下的电容电压梯度;Δiiα(k–1)、Δiiβ(k–1)为静止坐标系下的电感电流梯度,其均由(k–1)时刻作用的基本电压矢量产生。同时,采样获得电压和电流梯度需要与应用的矢量相对应,并被存储在LUT中用于电压和电流预测。
然而,仅通过电压和电流采样只能更新上一控制周期应用矢量作用下的梯度值,对于未应用的矢量,其对应的梯度值则无法更新,这种现象被称为停滞现象,其将增大预测误差,降低输出电压性能。
进一步的,所述步骤二具体如下:
为了消除停滞现象,式(5)可以重构为:
由于式(8)中:vcα(k)–vcα(k–1)=Δvcα(k–1),vcβ(k)–vcβ(k–1)=Δvcβ(k–1)且iiα(k)–iiα(k–1)=Δiiα(k–1),iiβ(k)–iiβ(k–1)=Δiiβ(k–1);当式(8)中基本电压矢量viα(k–1)、viβ(k–1)变为剩余矢量vjα(k–1)、vjβ(k–1)时,其剩余矢量对应的电压梯度Δvcjα(k–1)、Δvcjβ(k–1)和剩余矢量对应的电流梯度Δiijα(k–1)、Δiijβ(k–1)表示为:
其中,j∈{0,1,…7}且j≠i。通过公式(8)和公式(9)相减,可以得到:
为了消除参数Γ21和Γ11,可以通过一步递推得到(k–2)时刻的电压电流梯度关系并表示为:
将式(10)和式(11)相除得到剩余应用矢量vjα(k–1)、vjβ(k–1)作用下的电容电压梯度(Δvcjα(k–1)和Δvcjβ(k–1))和电感电流梯度(Δiijα(k–1)和Δiijβ(k–1))并表示为:
根据式(12)可知,电流梯度的计算会受公式分母数值的影响。当分母不为0时,其可以进一步化简为:
当分母为0时,根据公式(10)可知,当矢量的坐标分量相等时,其对应的电压和电流梯度也相等。因此,更新公式(12)可以重新表达为:
因此,本发明实现了在每个控制周期内所有电压和电流梯度的实时更新,完全消除了停滞现象。
进一步的,步骤三具体如下:
根据每个矢量作用的电压和电流梯度,(k+1)时刻的预测电压和预测电流可以表示为:
为了补偿一步控制延时,(k+1)时刻的预测电压和电流可以表示为:
其中,Δvcα(k+1)、Δvcβ(k+1)和Δiiα(k+1)、Δiiβ(k+1)为八个基本电压矢量作用下的电压和电流梯度;
此外,电压参考和电流参考可以表示为:
其中,vc ref为电容电压参考,ii ref为逆变器侧电感电流参考,Vref为电容电压参考幅值,ωref为电容电压参考角频率。
进一步的,步骤四具体如下:
为了得到最优的矢量并应用在下一控制周期,需要将八个基本电压矢量对应的电压和电流梯度代入式(18),并将得到8个电压和电流预测代入双目标价值函数进行评估,价值函数可以表示为:
gd=gv+λgi (37)
其中,gd为双目标价值函数,gv为电容电压价值函数,gi为逆变器侧电感电流价值函数,λ为权重因子。
其中,vcα ref、vcβ ref为静止坐标系下的电容电压参考,iiα ref、iiβ ref为静止坐标系下的电感电流参考。
最终选择使价值函数最小的矢量作为最优矢量,应用在下一个控制周期。
另一方面,本发明还公开一种计算机可读存储设备,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述方法的步骤。
由上述技术方案可知,本发明的LC滤波型电压源逆变器无模型预测控制方法,针对LC滤波型电压源逆变器,若采用传统模型预测控制方法时,其输出电压性能依赖于精确的数学模型,当控制器参数与实际参数不匹配时,输出电压预测误差显著增加。因此,本发明提出一种LC滤波型电压源逆变器无模型预测控制方法,建立了基于电压和电流双梯度的LUT,通过计算和存储上一时刻应用矢量作用下的电压和电流梯度,并结合当前时刻的采样值,实现未来时刻电压和电流的无模型预测,提高了预测控制的鲁棒性;重构了状态空间预测方程,根据应用矢量作用下的电压和电流梯度实时更新未应用矢量的梯度值;使用电压和电流双目标的价值函数进行跟踪评估,消除二阶LC滤波器中状态变量的耦合效应,进而选取下一控制周期最优的矢量。
总的来说,本发明提出的LC滤波型电压源逆变器无模型预测控制方法,采用测量的电压和电流双梯度消除预测控制对系统参数的依赖,提高了参数鲁棒性,根据重构不同电压矢量的状态空间方程,在每个控制周期更新了所有的电压和电流梯度数据,消除了梯度更新停滞带来的不利影响。本发明采用的控制方式可很好地解决传统模型预测控制方法对模型参数依赖强的问题,尤其适用于线路阻抗频繁变化的孤岛微电网系统。
具体的说,本发明采用电压电流双梯度的无模型预测控制方法,可以有效的提高预测控制对模型参数变化的鲁棒性。通过重构状态空间方程,提出了一种改进的电压电流梯度更新方法,实现了电压电流梯度的实时更新,有效避免了梯度更新停滞导致的电压谐波。
附图说明
图1为本发明实施例的LC滤波型电压源逆变器拓扑图;
图2为本发明实施例的矢量示意图;
图3是本发明实施例的电压电流LUT图;
图4是本发明实施例的矢量关系示意图;
图5为本发明实施例的电流梯度实时更新示意图;
图6为本发明实施的控制流程示意图;
图7是本发明实施例的实验平台图;
图8a和图8b为不同更新方法下电压性能对比图;其中,图8a为公式(7)所示更新方法,图8b为本发明所提方法示意图;
图9a和图9b为线性负载时稳态性能对比图;其中,图9a为传统MPC方法,9b为本发明实施例所提方法示意图;
图10a和图10b为非线性负载时稳态性能对比图;其中,图10a为传统MPC方法,图10b为本发明实施例所提方法示意图;
图11a、图11b、图11c、图11d、图11e及图11f为参数失配时电压性能对比图;其中,图11a为传统MPC方法在0.5Li,图11b为本发明实施例所提方法在0.5Li;图11c为传统MPC方法在0.5C,图11d为本发明实施例所提方法在0.5C;图11e为传统MPC方法在0.5Li和0.5C,图11f为本发明实施例所提方法在0.5Li和0.5C。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
针对上述背景技术中存在的不足,本发明提出了一种LC滤波型电压源逆变器无模型预测控制方法,解决了传统MPC对模型参数依赖性强的问题。
如图6所示,本发明实施例提供了一种LC滤波型电压源逆变器无模型预测控制方法。该发明通过使用测量的电压和电流梯度,消除了参数对预测控制的影响,提高的预测控制的参数鲁棒性;通过重构状态空间方程,实现了每个控制周期中所有电压电流梯度的实时更新,改善了输出电压性能。具体步骤如下:
步骤一:建立LC滤波型电压源逆变器在αβ静止坐标系中的数学模型,根据其三相开关管状态得到其八个基本电压矢量,分别为第一个基本电压矢量v0(0,0,0)、第二个基本电压矢量v1(1,0,0)、第三个基本电压矢量v2(1,1,0)、第四个基本电压矢量v3(0,1,0)、第五个基本电压矢量v4(0,1,1)、第六个基本电压矢量v5(0,0,1)、第六个基本电压矢量v6(1,0,1)、第七个基本电压矢量v7(1,1,1);使用电压和电流梯度代替传统的预测模型并保存到设计的LUT中。
将采样获得的三相电容电压(vca、vcb、vcc)、三相逆变器侧电感电流(iia、iib、iic)和三相负载电流(ioa、iob、ioc)进行克拉克坐标变换获得静止坐标系下的电容电压(vcα、vcβ)、静止坐标系下的逆变器侧电感电流iiαβ和静止坐标系下的负载电流(ioα、ioβ):
如图1所示,所述LC滤波型VSI在静止坐标系中的数学模型为:
其中,Li为逆变器侧滤波电感;C为滤波电容;viα、viβ为静止坐标系下的基本电压矢量。
根据零阶保持方法,k+1时刻的电容预测电压和逆变器侧电感电流预测电流为:
其中,Φ11为第一个系数矩阵中第一行第一个系数,Φ12为第一个系数矩阵中第一行第二个系数,Φ21为第一个系数矩阵中第二行第一个系数,Φ22为第一个系数矩阵中第二行第二个系数,Γ11为第二个系数矩阵中第一行第一个系数,Γ12为第二个系数矩阵中第一行第二个系数,Γ21为第二个系数矩阵中第二行第一个系数,Γ22为第二个系数矩阵中第二行第二个系数,第一个系数矩阵Φ和第二个系数矩阵Γ计算并表示为
为了消除模型参数对预测电流的影响,在每个控制周期中,采样得到的电容电压和电感电流可视为线性的。因此,在第k时刻采样的电容器电压梯度和电感电流梯度可以表示为
其中,Δvcα(k–1)、Δvcβ(k–1)为静止坐标系下的电容电压梯度;Δiiα(k–1)、Δiiβ(k–1)为静止坐标系下的电感电流梯度,其均由(k–1)时刻作用的基本电压矢量产生。同时,采样获得电压和电流梯度需要与应用的矢量相对应,并被存储在图3所示的LUT中用于电压和电流预测。
然而,仅通过电压和电流采样只能更新上一控制周期应用矢量作用下的梯度值,对于未应用的矢量,其对应的梯度值则无法更新,这种现象被称为停滞现象,其将增大预测误差,降低输出电压性能。
步骤二:重构LC滤波型VSI的状态空间方程,实现电压和电流梯度的实时更新。
为了消除停滞现象,式(5)可以重构为:
由于式(8)中:vcα(k)–vcα(k–1)=Δvcα(k–1),vcβ(k)–vcβ(k–1)=Δvcβ(k–1)且iiα(k)–iiα(k–1)=Δiiα(k–1),iiβ(k)–iiβ(k–1)=Δiiβ(k–1);当式(8)中基本电压矢量viα(k–1)、viβ(k–1)变为剩余矢量vjα(k–1)、vjβ(k–1)时,其剩余矢量对应的电压梯度Δvcjα(k–1)、Δvcjβ(k–1)和剩余矢量对应的电流梯度Δiijα(k–1)、Δiijβ(k–1)表示为:
其中,j∈{0,1,…7}且j≠i。通过公式(8)和公式(9)相减,可以得到:
为了消除参数Γ21和Γ11,可以通过一步递推得到(k–2)时刻的电压电流梯度关系并表示为:
将式(10)和式(11)相除得到剩余应用矢量vjα(k–1)、vjβ(k–1)作用下的电容电压梯度值(Δvcjα(k–1)和Δvcjβ(k–1))和电感电流梯度值(Δiijα(k–1)和Δiijβ(k–1))并表示为:
根据式(12)可知,电流梯度的计算会受公式分母数值的影响。当分母不为0时,其可以进一步化简为:
当分母为0时,根据公式(10)可知,当矢量的坐标分量相等时,其对应的电压和电流梯度也相等。如图4所示,更新公式(12)可以重新表达为:
因此,本发明实现了在每个控制周期内所有电压和电流梯度的实时更新,完全消除了停滞现象,其控制框图如图5所示。
步骤三:根据步骤二中更新的电压和电流梯度以及采样的电压和电流,对未来时刻的电压和电流进行预测,并计算电压和电流参考。
根据每个矢量作用的电压和电流梯度,(k+1)时刻的预测电压和预测电流可以表示为:
为了补偿一步控制延时,(k+1)时刻的预测电压和电流可以表示为:
其中,Δvcα(k+1)、Δvcβ(k+1)和Δiiα(k+1)、Δiiβ(k+1)为八个基本电压矢量作用下的电压和电流梯度。
此外,电压参考和电流参考可以表示为:
其中,vc ref为电容电压参考,ii ref为逆变器侧电感电流参考,Vref为电容电压参考幅值,ωref为电容电压参考角频率。
步骤四:将步骤三中计算得到预测电压和预测电流代入价值函数,并选择权重因子,消除LC滤波导致的耦合效应;将八个基本电压矢量对应预测电压和预测电流代入价值函数进行评估,选择价值函数值最小的矢量作为最优矢量应用在下一个控制周期。
为了得到最优的矢量并应用在下一控制周期,需要将8个候选矢量对应的电压和电流梯度代入式(18),并将得到8个电压和电流预测代入双目标价值函数进行评估,价值函数可以表示为:
gd=gv+λgi (18)
其中,gd为双目标价值函数,gv为电容电压价值函数,gi为逆变器侧电感电流价值函数,λ为权重因子。
其中,vcα ref、vcβ ref为静止坐标系下的电容电压参考,iiα ref、iiβ ref为静止坐标系下的电感电流参考。
最终选择使价值函数最小的矢量作为最优矢量,应用在下一个控制周期。本发明控制框图如图6所示。
具体实验:
实验平台如图7所示,实验参数见表1所示。
表1LC滤波型VSI系统和控制参数
首先,为了证明本发明实施例所提出电压和电流梯度更新方法的有效性,对其不同更新方法下的电压性能进行了实验测试。
如图8a所示,公式(7)所示更新方法仅更新应用矢量作用下的电压和电流梯度,剩余矢量的梯度值保持旧值,存在明显的停滞现象,导致电压纹波及其预测误差中出现的尖峰。如图8b所示,当实施本发明所提更新方法时,由于停滞现象完全消除,因此其电压纹波和预测误差有效降低。
此外,图9a和图9b给出了线性负载以及参数准确时,传统MPC方法和本发明所提方法的实验对比。如图9a所示,当实施MPC方法时,可以实现最优的电压跟踪,其具有最低的THD及稳态误差。如图9b所示,当实施本发明所提方法时,其输出电压THD由3.08%增加到3.16%。这是因为本发明所提方法的电压性能依赖于电压及电流采样的准确性,而在实验过程中,由于采样噪声的存在,使得本发明所提方法的输出电压THD及电压预测误差略高于传统MPC方法。
图10a和图10b给出了非线性负载以及参数准确时,传统MPC方法和本发明所提方法的实验对比。上述两种方法均可准确追踪参考电压,没有明显的电压畸变。
最后,为了证明本发明的参数鲁棒性能,如图11a、图11b、图11c、图11d、图11e及图11f比较了传统MPC方法和本发明所提方法的电压纹波、预测误差。由图11a和11b可以看出,当电感的控制参数由3.4mH变为1.7mH(即0.5Li)时,传统MPC方法的RMSE由3.47V增长到6.84V,而本发明所提方法不受电感参数的影响,RMSE保持为3.66V,与传统MPC方法相比降低了3.37V。由图11c和11d可以看出,当电容的控制参数由25μF变为12.5μF(即0.5C)时,传统MPC方法RMSE由3.47V增长到8.04V;由于价值函数评估公式中存在电容参数,本发明所提方法的RMSE由3.66V增加为4.45V,其与传统MPC方法相比降低了3.59V。如图11e和11f所示,当电感和电容的控制参数同时降低50%(即0.5Li,0.5C)时,本发明所提方法的RMSE比传统MPC方法降低4.12V。
综上所述,本发明为针对传统MPC方法对参数准确性依赖性强的问题,提出了一种LC滤波型电压源逆变器无模型预测控制方法。该发明通过使用电压和电流梯度进行预测计算,具有良好的参数鲁棒性,在参数发生变化时显著降低了逆变器输出电压误差,改善了电压质量,并在参数准确的条件下实现了与传统MPC方法相近的电压性能。此外,该发明提出一种先进的电压电流梯度更新方法,实时更新所有矢量作用下的电压和电流梯度,消除了停滞现象及其引起的预测尖峰,进一步改善了输出电压质量。
又一方面,本发明还公开一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述任一方法的步骤。
再一方面,本发明还公开一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述任一方法的步骤。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一方法的步骤。
可理解的是,本发明实施例提供的系统与本发明实施例提供的方法相对应,相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种LC滤波型电压源逆变器无模型预测控制方法,其特征在于,包括以下步骤,
步骤一:建立LC滤波型电压源逆变器在αβ静止坐标系中的数学模型,根据其三相开关管状态得到其八个基本电压矢量,分别为第一个基本电压矢量v0(0,0,0)、第二个基本电压矢量v1(1,0,0)、第三个基本电压矢量v2(1,1,0)、第四个基本电压矢量v3(0,1,0)、第五个基本电压矢量v4(0,1,1)、第六个基本电压矢量v5(0,0,1)、第七个基本电压矢量v6(1,0,1)、第八个基本电压矢量v7(1,1,1);
步骤二:重构LC滤波型VSI的状态空间方程,实现电压和电流梯度的实时更新;
步骤三:根据步骤二中更新的电压和电流梯度以及采样的电压和电流,对未来时刻的电压和电流进行预测,并计算电压和电流参考;
步骤四:将步骤三中计算得到预测电压和预测电流代入价值函数,并选择权重因子,消除LC滤波导致的耦合效应;将八个基本电压矢量对应预测电压和预测电流代入价值函数进行评估,选择价值函数值最小的矢量作为最优矢量应用在下一个控制周期。
2.根据权利要求1所述的LC滤波型电压源逆变器无模型预测控制方法,其特征在于:所述步骤一具体包括,
将采样获得的三相电容电压vca、vcb、vcc、三相逆变器侧电感电流iia、iib、iic和三相负载电流ioa、iob、ioc进行克拉克坐标变换获得静止坐标系下的电容电压vcα、vcβ、静止坐标系下的逆变器侧电感电流iiα、iiβ和静止坐标系下的负载电流ioα、ioβ:
LC滤波型VSI在静止坐标系中的数学模型为:
其中,Li为逆变器侧滤波电感;C为滤波电容;viα、viβ为静止坐标系下的基本电压矢量;
根据零阶保持方法,k+1时刻的电容预测电压和逆变器侧电感电流预测电流为:
其中,Φ11为第一个系数矩阵中第一行第一个系数,Φ12为第一个系数矩阵中第一行第二个系数,Φ21为第一个系数矩阵中第二行第一个系数,Φ22为第一个系数矩阵中第二行第二个系数,Γ11为第二个系数矩阵中第一行第一个系数,Γ12为第二个系数矩阵中第一行第二个系数,Γ21为第二个系数矩阵中第二行第一个系数,Γ22为第二个系数矩阵中第二行第二个系数,第一个系数矩阵Φ和第二个系数矩阵Γ计算并表示为
在第k时刻采样的电容电压梯度和电感电流梯度表示为
其中,Δvcα(k–1)、Δvcβ(k–1)为静止坐标系下的电容电压梯度;Δiiα(k–1)、Δiiβ(k–1)为静止坐标系下的电感电流梯度,其均由k–1时刻作用的基本电压矢量产生;同时,采样获得电压和电流梯度要与应用的矢量相对应,并被存储在LUT中用于电压和电流预测。
3.根据权利要求2所述的LC滤波型电压源逆变器无模型预测控制方法,其特征在于:所述步骤二具体包括,
式(5)重构为:
由于式(8)中:vcα(k)–vcα(k–1)=Δvcα(k–1),vcβ(k)–vcβ(k–1)=Δvcβ(k–1)且iiα(k)–iiα(k–1)=Δiiα(k–1),iiβ(k)–iiβ(k–1)=Δiiβ(k–1);当式(8)中基本电压矢量viα(k–1)、viβ(k–1)变为剩余矢量vjα(k–1)、vjβ(k–1)时,其剩余矢量对应的电压梯度Δvcjα(k–1)、Δvcjβ(k–1)和剩余矢量对应的电流梯度Δiijα(k–1)、Δiijβ(k–1)表示为:
其中,j∈{0,1,…7}且j≠i;通过公式(8)和公式(9)相减,得到:
为了消除参数Γ21和Γ11,通过一步递推得到k–2时刻的电压电流梯度关系并表示为:
将式(10)和式(11)相除得到剩余应用矢量vjα(k–1)、vjβ(k–1)作用下的电容电压梯度(Δvcjα(k–1)和Δvcjβ(k–1))和电感电流梯度(Δiijα(k–1)和Δiijβ(k–1))并表示为:
根据式(12)可知,电流梯度的计算会受公式分母数值的影响;当分母不为0时,化简为:
当分母为0时,根据公式(10)可知,当矢量的坐标分量相等时,其对应的电压和电流梯度也相等;更新公式(12)重新表达为:
实现了在每个控制周期内所有电压和电流梯度的实时更新,完全消除了停滞现象。
6.一种计算机可读存储设备,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120458.XA CN115995846A (zh) | 2023-02-03 | 2023-02-03 | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120458.XA CN115995846A (zh) | 2023-02-03 | 2023-02-03 | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115995846A true CN115995846A (zh) | 2023-04-21 |
Family
ID=85990288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310120458.XA Pending CN115995846A (zh) | 2023-02-03 | 2023-02-03 | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115995846A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116455288A (zh) * | 2023-06-12 | 2023-07-18 | 国网上海能源互联网研究院有限公司 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
CN116545292A (zh) * | 2023-06-30 | 2023-08-04 | 合肥安赛思半导体有限公司 | 一种lc滤波型逆变器预测控制方法及系统 |
CN116707342A (zh) * | 2023-08-08 | 2023-09-05 | 安徽大学 | 一种数据驱动的储能逆变器电压预测控制方法 |
CN117595698A (zh) * | 2024-01-19 | 2024-02-23 | 安徽大学 | 逆变器运行参数预测方法、装置、设备及存储介质 |
CN117792137A (zh) * | 2023-12-28 | 2024-03-29 | 苏州大学 | 五电平heric有源钳位逆变器的模型预测控制方法 |
CN117856651A (zh) * | 2023-12-27 | 2024-04-09 | 苏州大学 | 单相lc滤波逆变器的有限集滑模预测控制方法和系统 |
CN117856651B (zh) * | 2023-12-27 | 2024-07-09 | 苏州大学 | 单相lc滤波逆变器的有限集滑模预测控制方法和系统 |
-
2023
- 2023-02-03 CN CN202310120458.XA patent/CN115995846A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116455288A (zh) * | 2023-06-12 | 2023-07-18 | 国网上海能源互联网研究院有限公司 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
CN116455288B (zh) * | 2023-06-12 | 2023-08-29 | 国网上海能源互联网研究院有限公司 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
CN116545292A (zh) * | 2023-06-30 | 2023-08-04 | 合肥安赛思半导体有限公司 | 一种lc滤波型逆变器预测控制方法及系统 |
CN116707342A (zh) * | 2023-08-08 | 2023-09-05 | 安徽大学 | 一种数据驱动的储能逆变器电压预测控制方法 |
CN116707342B (zh) * | 2023-08-08 | 2023-12-19 | 安徽大学 | 一种数据驱动的储能逆变器电压预测控制方法 |
CN117856651A (zh) * | 2023-12-27 | 2024-04-09 | 苏州大学 | 单相lc滤波逆变器的有限集滑模预测控制方法和系统 |
CN117856651B (zh) * | 2023-12-27 | 2024-07-09 | 苏州大学 | 单相lc滤波逆变器的有限集滑模预测控制方法和系统 |
CN117792137A (zh) * | 2023-12-28 | 2024-03-29 | 苏州大学 | 五电平heric有源钳位逆变器的模型预测控制方法 |
CN117595698A (zh) * | 2024-01-19 | 2024-02-23 | 安徽大学 | 逆变器运行参数预测方法、装置、设备及存储介质 |
CN117595698B (zh) * | 2024-01-19 | 2024-04-09 | 安徽大学 | 逆变器运行参数预测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115995846A (zh) | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 | |
Li et al. | Enhanced online model identification and state of charge estimation for lithium-ion battery under noise corrupted measurements by bias compensation recursive least squares | |
Abo-Khalil et al. | DC-link capacitance estimation in AC/DC/AC PWM converters using voltage injection | |
CN111525572B (zh) | 电网中的电能质量等级确定方法、装置、设备和存储介质 | |
CN111740457B (zh) | 充电控制装置及充电控制方法 | |
Sandoval-Chileño et al. | Robust State of Charge estimation for Li-ion batteries based on Extended State Observers | |
CN109861374B (zh) | 一种无需负载电流传感器的三相全桥不间断电源控制方法 | |
CN116545292A (zh) | 一种lc滤波型逆变器预测控制方法及系统 | |
CN115987130A (zh) | 改进的数据驱动型储能逆变器电流预测控制方法及系统 | |
Mukhopadhyay et al. | Supercapacitor characterization using universal adaptive stabilization and optimization | |
Abraham | Particle swarm optimization based sliding mode controllers for electric vehicle onboard charger | |
CN116169894A (zh) | 三相三电平储能变流器离散空间矢量无模型预测控制方法 | |
CN113824193A (zh) | 阻抗匹配方法、装置、强化学习控制器和计算机可读存储介质 | |
Zhou et al. | Hybrid prediction-based deadbeat control for a high-performance shunt active power filter | |
CN113691155A (zh) | 基于pi和重复控制的单相逆变器控制方法、系统及逆变器 | |
CN111106606B (zh) | 谐波电流的补偿方法、装置、有源滤波器和存储介质 | |
Zhang et al. | Multivariable sequential model predictive control of LCL‐type grid connected inverter | |
CN114938153B (zh) | 三相pwm变流器的固定时间命令滤波控制方法及系统 | |
CN111900752A (zh) | 储能变流器输出电压控制方法、装置、设备和存储介质 | |
CN107817451B (zh) | 动力电池模型在线参数的辨识方法、系统及存储介质 | |
Abo-Khalil | Current injection-based DC-link capacitance estimation using support vector regression | |
US11366175B2 (en) | Linear asymmetric method for examining branch-outage-type steady-state security of AC power networks | |
Dam et al. | Battery impedance spectroscopy using bidirectional grid connected converter | |
CN112688338A (zh) | 一种基于锁频环稳态线性卡尔曼滤波的upqc电能质量补偿控制方法 | |
CN116613755A (zh) | 微电网的谐波补偿方法 |
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 |