CN116526884A - 并网逆变器无模型预测控制方法及控制系统 - Google Patents

并网逆变器无模型预测控制方法及控制系统 Download PDF

Info

Publication number
CN116526884A
CN116526884A CN202310797254.XA CN202310797254A CN116526884A CN 116526884 A CN116526884 A CN 116526884A CN 202310797254 A CN202310797254 A CN 202310797254A CN 116526884 A CN116526884 A CN 116526884A
Authority
CN
China
Prior art keywords
inverter
axis
current
voltage
grid
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.)
Granted
Application number
CN202310797254.XA
Other languages
English (en)
Other versions
CN116526884B (zh
Inventor
胡存刚
朱宇航
孙路
曹文平
芮涛
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.)
Hefei Ansys Semiconductor Co ltd
Original Assignee
Hefei Ansys Semiconductor Co ltd
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 Hefei Ansys Semiconductor Co ltd filed Critical Hefei Ansys Semiconductor Co ltd
Priority to CN202310797254.XA priority Critical patent/CN116526884B/zh
Publication of CN116526884A publication Critical patent/CN116526884A/zh
Application granted granted Critical
Publication of CN116526884B publication Critical patent/CN116526884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02M7/53—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 using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M7/537—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 using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only, e.g. single switched pulse inverters
    • H02M7/5387—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 using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only, e.g. single switched pulse inverters in a bridge configuration
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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]
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Inverter Devices (AREA)

Abstract

本发明提供一种并网逆变器无模型预测控制方法及控制系统。并网逆变器无模型预测控制方法包括：建立并网逆变器在静态坐标系中的数学模型，并对数学模型进行分析，以得到多个基本电压矢量；基于数学模型构造第一超局部模型；基于第一超局部模型构建第二超局部模型；进行电流预测，并分析得到多个基本电压矢量对应的价值函数值；将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。本发明具有在计算量减小的同时，极大提高系统的参数鲁棒性的优点。

Description

并网逆变器无模型预测控制方法及控制系统
技术领域
本发明涉及并网逆变器技术领域，特别是涉及一种并网逆变器无模型预测控制方法及控制系统。
背景技术
进入21世纪，能源问题已经成为关系到人类生存和发展的首要问题，太阳能的利用近年来已经逐渐成为新能源领域中开发利用水平最高、最成熟，应用最广泛的能源。并网逆变器作为光伏电池与电网的接口装置，将光伏电池的电能转换成交流电能并传输到电网上，在光伏并网发电系统中起着至关重要的作用。
在并网逆变器控制策略中，MPC（Manufacturing Planning and Control，制造计划与控制系统）因其原理简单、可实现多目标优化控制、无需PI（比例积分）控制器和PWM（Pluse Width Modulation，脉冲宽度调制）模块而在并网逆变器中得到研究和应用，但是传统的MPC在参数不匹配条件下具有较大的扰动。目前，国内外提出了很多改进的模型预测方法，主要分为以下三种：引入电感参数辨识算法，误差在线补偿策略，自适应控制策略。为了避免MPC 对参数的依赖性，近几年，MFPC （Model-Free Prediction Control，无模型预测控制）成为功率变换器领域的研究热点。为了提高参数鲁棒性，基于查表法（LUT）、超局部模型（Urtal-local Model）、最小二乘法（RLS）、神经网络的MFPC得到广泛关注。但查找表如果更新频率过低，则算法会发生停滞，鲁棒性较差；最小二乘法受异常值扰动影响大，鲁棒性较差；神经网络算法较为复杂，计算量较大；传统的超局部模型计算量大，且仍受参数影响，鲁棒性较差。
发明内容
本发明的目的在于，提供一种并网逆变器无模型预测控制方法及控制系统，具有在计算量减小的同时，极大提高系统的参数鲁棒性的优点。
为解决现有技术中的问题，第一方面，本发明提供一种并网逆变器无模型预测控制方法，所述并网逆变器无模型预测控制方法包括：
建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
基于所述数学模型构造第一超局部模型；
基于所述第一超局部模型构建第二超局部模型，所述第二超局部模型包括不含参数的超局部模型；
进行电流预测，并分析得到多个所述基本电压矢量对应的价值函数值；
将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。
可选地，建立并网逆变器在静态坐标系中的数学模型包括：根据基尔霍夫电压电流定律，建立所述并网逆变器在所述静态坐标系中的数学模型，所述数学模型为：
；
其中，vi为逆变器的输出电压，vc为滤波电容电压，i1为逆变器的输出电流，ig为入网电流，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电容电阻，t为时间。
可选地，使用Clark变换将三相系统的时域分量转换为静态坐标系中α轴和β轴的两个分量，所述并网逆变器为三相并网逆变器；对所述数学模型进行分析，以得到多个基本电压矢量，包括：
所述数学模型中的电压变量从对应的三相电压中经Clark变换得到，所述数学模型中的电流变量从对应的三相电流中经Clark变换而得到，并用复向量表示为：
；
式中，i1为逆变器的输出电流，ig为入网电流，vi为逆变器的输出电压，vc为滤波电容电压，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，i1α为逆变器对应α轴的输出电流，i1β为逆变器对应β轴的输出电流，igα为对应α轴的入网电流，igβ为对应β轴的入网电流，i1a为逆变器的a相输出电流，i1b为逆变器的b相输出电流，i1c为逆变器的a相输出电流，van为逆变器对应a相的输出相电压，vbn为逆变器对应b相的输出相电压，vcn为逆变器对应c相的输出相电压，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，j为复向量，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，vcα为滤波电容对应α轴的电容电压，vcβ为滤波电容对应β轴的电容电压，vca为a相滤波电容电压，vcb为b相滤波电容电压，vcc为c相滤波电容电压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，ea、eb、ec分别为a、b、c相的电网电压。
可选地，对所述数据模型进行分析，以得到多个基本电压矢量，还包括：
对所述复向量采用前向欧拉离散化处理，得到如下方程：
；
式中，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电阻，T为采样周期，i1(k+1)为逆变器在k+1时刻的输出电流，i1(k)为逆变器在k时刻的输出电流，vi(k)为逆变器在k时刻的输出电压，vc(k)为滤波电容在k时刻的输出电压，vc(k+1)为滤波电容在k+1时刻的输出电压，ig(k)为k时刻的入网电流，ig(k+1)为k+1时刻的入网电流，eg(k)为k时刻的电网侧电压；定义所述并网逆变器的开关状态为Sn，
；
其中，n=a、b、c；
所述并网逆变器的输出电压可以采用如下矢量表示法表示：
；
式中，Udc为直流母线电压，j为复向量，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，Sa为a相开关状态，Sb为b相开关状态，Sc为c相开关状态；
基于所述并网逆变器的多种不同的开关状态，即可得到多个所述基本电压矢量。
可选地，若预测控制对象为如下入网电流：
；
；
其中，L2为网侧滤波电感，R2为网侧滤波电阻，△RC、△L2、△R2均为实际系统与控制 器之间的参数变化，为常量，= 1/L2，dαβ为由逆变器的非线性引起的扰动；igα为对应α 轴的入网电流，vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电阻，i1α为逆变器 对应α轴的输出电流，viα为逆变器对应α轴的输出电压，igβ为对应β轴的入网电流，vcβ为滤波 电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，viβ为逆变器对应β轴的输出电 压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，dα为由逆变器的非线性引起对应α轴 的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型为：
；
；
式中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，δ1为常量，δ1 = 1/L2，L2为网侧滤波电感，R2为网侧滤波电阻，viα为逆变器对应α轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，viβ为逆变器对应β轴的输出电压，△RC、△L2、△R2均为实际系统与控制器之间的参数变化，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动，eα为对应α轴的电网电压，eβ为对应β轴的电网电压。
可选地，若预测控制对象为如下并网逆变器输出电流：
；
；
式中，△R1、△L1、△RC为实际系统与控制器之间的参数变化，δ2是定义的常量，设置为δ2= 1/L1，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，dα为由逆变器的非线性引起对应α轴的扰动， viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型为：
；
；
式中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，δ2为常量，δ2=1/L1，dα为由逆变器的非线性引起对应α轴的扰动，viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动。
可选地，基于所述第一超局部模型构建第二超局部模型包括：利用龙格库塔算法和拉格朗日插值法取代所述第一超局部模型，以构建所述第二超局部模型；其中，
龙格库塔算法的计算公式为：
；
式中，yk+1在第k+1个采样时刻是一个未知值；yk是第k个采样时刻的已知值；k1是yk处的斜率；k2是yk和k1的斜率；k3是yk和k2的斜率；k4是yk和k3的斜率；h1为步长，tk为电流微分方程f(t)第k个采样时刻的横坐标时间t的值；
拉格朗日插值法的电流插值多项式为：
；
式中，L4(t)为利用四个历史时刻数据所求恰好穿过二维平面上四个已知点的三次多项式函数，i(t0)为t0时刻的电流采样值，i (t1)为t1时刻的电流采样值，i (t2)为t2时刻的电流采样值，i (t3)为t3时刻的电流采样值；i’(t0)、i’(t1)、i’(t2)、i’(t3)为根据四个历史时刻数据由公式推导得到的四个三次多项式。
可选地，进行电流预测包括：基于如下公式得到下一时刻的电流估计值：
；
；
式中，式中，iα（k+1）为k+1时刻α轴的输出电流，k1是yk处的斜率；k2是yk和k1的斜 率；k3是yk和k2的斜率；k4是yk和k3的斜率，iα（k）为k时刻α轴的输出电流，为输入变量权重 系数，为常数值，viα为逆变器α轴上的输出电压，viβ为逆变器β轴上的输出电压，h1为步长，iβ （k+1）为k+1时刻β轴的输出电流，iβ（k）为k时刻β轴的输出电流。
可选地，基于如下公式分析得到多个所述基本电压矢量对应的价值函数值：
；
式中，i=0，1，2，3，4，5，6或7；iα（k+1）为k+1时刻α轴的输出电流，iβ（k+1）为k+1时刻β轴的输出电流，iαref(k+1)为α轴上k+1时刻的参考输出电流，iβref(k+1)为β轴上k+1时刻的参考输出电流。
第二方面，本发明还提供一种并网逆变器无模型预测控制系统，所述并网逆变器无模型预测控制系统包括：
模型建立及分析模块，用于建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
第一超局部模型构造模块，与所述模型建立及分析模块相连接，用于基于所述数学模型构造第一超局部模型；
第二超局部模型构造模块，与所述第一超局部模型构造模块相连接，用于基于所述第一超局部模型构建第二超局部模型；
电流预测模块，与所述第二超局部模型构造模块相连接，用于进行电流预测；
价值函数评估模块，与所述电流预测模块相连接，用于基于所述电流预测模块的电流预测结果，分析得到多个所述基本电压矢量对应的价值函数值，并将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制
如上所述，本发明的并网逆变器无模型预测控制方法及控制系统，具有以下有益效果：本发明的并网逆变器无模型预测控制方法中，通过设定特定的并网逆变器无模型预测控制方法步骤，具有在计算量减小的同时，极大提高系统的参数鲁棒性的优点。
附图说明
图1为本发明实施例一中提供的并网逆变器无模型预测控制方法的流程图。
图2为本发明实施例一中的LCL并网逆变器拓扑图。
图3为本发明实施例一中提供的并网逆变器无模型预测控制方法中的8个基本矢量的示意图。
图4为本发明实施例一中提供的并网逆变器无模型预测控制方法中的α轴的集总扰动计算示意图。
图5为本发明实施例一中提供的另一示例中的并网逆变器无模型预测控制方法的流程图。
图6a为本发明实施例一中提供的并网逆变器无模型预测控制方法中网测电感匹配情况下网侧电流中的预测电流与参考电流的仿真对比图；其中，曲线ig_pre_α为α轴的预测电流的曲线，曲线ig_pre_β为β轴的预测电流的曲线，曲线ig_ref_α为α轴的参考电流的曲线，曲线ig_ref_β为β轴的参考电流的曲线。
图6b为图6a的A区域的放大图。
图6c为本发明实施例一中提供的并网逆变器无模型预测控制方法中网测电感匹配情况下网测电流THD的仿真图。
图6d为本发明实施例一中提供的并网逆变器无模型预测控制方法中网侧电流参考值在0.2s时突变、网侧电感匹配情况下网侧电流的预测电流与参考电流的仿真对比图；其中，曲线ig_pre_α为α轴的预测电流的曲线，曲线ig_pre_β为β轴的预测电流的曲线，曲线ig_ref_α为α轴的参考电流的曲线，曲线ig_ref_β为β轴的参考电流的曲线。
图6e为图6d的A区域的放大图。
图7a为本发明实施例一中提供的并网逆变器无模型预测控制方法中网侧电感不匹配情况下网侧电流的预测电流与参考电流的仿真对比图；其中，曲线ig_pre_α为α轴的预测电流的曲线，曲线ig_pre_β为β轴的预测电流的曲线，曲线ig_ref_α为α轴的参考电流的曲线，曲线ig_ref_β为β轴的参考电流的曲线。
图7b为图7a的A区域的放大图。
图7c为本发明实施例一中提供的并网逆变器无模型预测控制方法中网侧电感不匹配情况下网侧电流THD的仿真图。
图7d为本发明实施例一中提供的并网逆变器无模型预测控制方法中网侧电流参考值在0.2s时突变、网侧电感不匹配情况下网侧电流的预测电流与参考电流的仿真对比图；其中，曲线ig_pre_α为α轴的预测电流的曲线，曲线ig_pre_β为β轴的预测电流的曲线，曲线ig_ref_α为α轴的参考电流的曲线，曲线ig_ref_β为β轴的参考电流的曲线。
图7e为图7d的A区域的放大图。
图8a为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电感匹配情况下逆变器侧电流中的预测电流与参考电流的仿真对比图；其中，曲线i1_pre_α为α轴的预测电流的曲线，曲线i1_pre_β为β轴的预测电流的曲线，曲线i1_ref_α为α轴的参考电流的曲线，曲线i1_ref_β为β轴的参考电流的曲线。
图8b为图8a的A区域的放大图。
图8c为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电感匹配情况下逆变器侧电流THD的仿真图。
图8d为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电流参考值在0.2s时突变、逆变器侧电感匹配情况下逆变器侧电流中的预测电流与参考电流的仿真对比图；其中，曲线i1_pre_α为α轴的预测电流的曲线，曲线i1_pre_β为β轴的预测电流的曲线，曲线i1_ref_α为α轴的参考电流的曲线，曲线i1_ref_β为β轴的参考电流的曲线。
图8e为图8d的A区域的放大图。
图9a为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电感不匹配情况下逆变器侧电流中的预测电流与参考电流的仿真对比图；其中，曲线i1_pre_α为α轴的预测电流的曲线，曲线i1_pre_β为β轴的预测电流的曲线，曲线i1_ref_α为α轴的参考电流的曲线，曲线i1_ref_β为β轴的参考电流的曲线。
图9b为图9a的A区域的放大图。
图9c为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电感不匹配情况下逆变器侧电流THD的仿真图。
图9d为本发明实施例一中提供的并网逆变器无模型预测控制方法中逆变器侧电流参考值在0.2s时突变、逆变器侧电感不匹配情况下逆变器侧电流中的预测电流与参考电流的仿真对比图；其中，曲线i1_pre_α为α轴的预测电流的曲线，曲线i1_pre_β为β轴的预测电流的曲线，曲线i1_ref_α为α轴的参考电流的曲线，曲线i1_ref_β为β轴的参考电流的曲线。
图9e为图9d的A区域的放大图。
图10为本发明实施例二中提供的并网逆变器无模型预测控制系统与电网系统的结构示意图。
标号说明：10、电网系统；101、第一转换模块；102、锁相环；103、第二转换模块；104、第三转换模块；105、三相开关；106、并网逆变器；107、LCL滤波器；108、电网；20、模型建立及分析模块；30、第一超局部模型构造模块；40、第二超局部模型构造模块；50、电流预测模块；60、价值函数评估模块。
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做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。
以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底” “内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
实施例一
请参阅图1所示，本发明提供一种并网逆变器无模型预测控制方法，所述并网逆变器无模型预测控制方法包括：
S10：建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
S11：基于所述数学模型构造第一超局部模型；
S12：基于所述第一超局部模型构建第二超局部模型，所述第二超局部模型包括不含参数的超局部模型；
S13：进行电流预测，并分析得到多个所述基本电压矢量对应的价值函数值；
S14：将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。
本发明的并网逆变器无模型预测控制方法中，通过设定特定的上述并网逆变器无模型预测控制方法步骤，具有在计算量减小的同时，极大提高系统的参数鲁棒性的优点。
作为示例，所述并网逆变器为三相并网逆变器，具体的，所述并网逆变器为LCL并网逆变器。
作为示例，步骤S10中，可以基于如图2中所示的LCL并网逆变器的拓扑图，建立所述并网逆变器在所述静态坐标系中的数学模型。如图2所示，所述LCL并网逆变器包括电源Vbus、晶体管M1、晶体管M2、晶体管M3、晶体管M4、晶体管M5、晶体管M6、电容Cbus、三个电感L1、三个电阻R1、三个电阻Rc、三个电容C、三个电感L2、三个电阻R2及三个交流电源（ea、eb及ec）。
作为示例，步骤S10中，建立并网逆变器在静态坐标系中的数学模型包括：根据基尔霍夫电压电流定律，建立所述并网逆变器在所述静态坐标系中的数学模型，所述数学模型为：
(1)
公式（1）中，vi为逆变器的输出电压，vc为滤波电容电压，i1为逆变器的输出电流，ig为入网电流，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电容电阻，t为时间。
作为示例，使用Clark变换将三相系统（abc坐标系）的时域分量转换为静态坐标系中α轴和β轴的两个分量，所述并网逆变器具体可以但不仅限于为三相并网逆变器。
作为示例，对所述数学模型进行分析，以得到多个基本电压矢量，可以包括：
所述数学模型中的电压变量从对应的三相电压中经Clark（克拉克）变换得到，所述数学模型中的电流变量从对应的三相电流中经Clark变换而得到，并用复向量表示为：
(2)
公式（2）中，i1为逆变器的输出电流，ig为入网电流，vi为逆变器的输出电压，vc为滤波电容电压，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，i1α为逆变器对应α轴的输出电流，i1β为逆变器对应β轴的输出电流，igα为对应α轴的入网电流，igβ为对应β轴的入网电流，i1a为逆变器的a相输出电流，i1b为逆变器的b相输出电流，i1c为逆变器的a相输出电流，van为逆变器对应a相的输出相电压，vbn为逆变器对应b相的输出相电压，vcn为逆变器对应c相的输出相电压，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，j为复向量，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，vcα为滤波电容对应α轴的电容电压，vcβ为滤波电容对应β轴的电容电压，vca为a相滤波电容电压，vcb为b相滤波电容电压，vcc为c相滤波电容电压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，ea、eb、ec分别为a、b、c相的电网电压。
作为示例，对所述数学模型进行分析，以得到多个基本电压矢量，还可以包括：
对所述复向量采用前向欧拉离散化处理，得到如下方程：
(3)
公式（3）中，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电容电阻，T为采样周期，i1(k+1)为逆变器在k+1时刻的输出电流，i1(k)为逆变器在k时刻的输出电流，vi(k)为逆变器在k时刻的输出电压，vc(k)为滤波电容在k时刻的输出电压，vc(k+1)为滤波电容在k+1时刻的输出电压，ig(k)为k时刻的入网电流，ig(k+1)为k+1时刻的入网电流，eg(k)为逆变器在k时刻的电网侧电压；定义所述并网逆变器的开关状态为Sn，
（4）
其中，n=a、b、c；
上述开关状态确定了三相并网逆变器的输出电压值，所述并网逆变器的输出电压可以采用如下矢量表示法表示：
(5)
公式（5）中，Udc为直流母线电压，j为复向量，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，Sa为a相开关状态，Sb为b相开关状态，Sc为c相开关状态；
基于所述并网逆变器的多种不同的开关状态，即可得到多个所述基本电压矢量。
因此，两电平并网逆变器有8种不同的开关状态，相应的生成有8个电压矢量，即多个说是基本电压矢量为8个基本电压矢量，分别为μ0(0,0,0)、μ1(1,0,0)、μ2(1,1,0)、μ3(0,1,0)、μ4(0,1,1)、μ5(0,0,1)、μ6(1,0,1)、μ7(1,1,1)，如图3所示。
具体的8个基本电压矢量在所述静止坐标系上的表示如下表1所示。
Sa Sb Sc vαi vβi
0 0 0 0 0
1 0 0 2/3Udc 0
1 1 0 1/3Udc √3/3Udc
0 1 0 -1/3Udc √3/3Udc
0 1 1 -2/3Udc 0
0 0 1 -1/3Udc -√3/3Udc
1 0 1 1/3Udc -√3/3Udc
1 1 1 0 0
表1
作为示例，在步骤S11中，基于所述并网逆变器在所述静态坐标系中的数学模型构造第一超局部模型的过程中，考虑到参数的不匹配和所述并网逆变器的非线性，在常规模型中引入了非线性扰动和参数变化。
作为示例，若预测控制对象为如下入网电流：
(6)
(7)
公式（6）及公式（7）中，L2为网侧滤波电感，R2为网侧滤波电阻，△RC、△L2、△R2均为 实际系统与控制器之间的参数变化，为常量，= 1/L2，dαβ为由逆变器的非线性引起的 扰动；igα为对应α轴的入网电流，vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电 阻，i1α为逆变器对应α轴的输出电流，viα为逆变器对应α轴的输出电压，igβ为对应β轴的入网 电流，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，viβ为逆变器对 应β轴的输出电压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，dα为由逆变器的非线 性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型可以为：
(8)
(9)
公式（8）及公式（9）中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，δ1为常量，δ1= 1/L2，L2为网侧滤波电感，R2为网侧滤波电阻，viα为逆变器对应α轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，viβ为逆变器对应β轴的输出电压，△RC、△L2、△R2均为实际系统与控制器之间的参数变化，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动，eα为对应α轴的电网电压，eβ为对应β轴的电网电压。
作为示例，若预测控制对象为如下并网逆变器输出电流：
(10)
(11)
公式（10）及公式（11）中，△R1、△L1、△RC为实际系统与控制器之间的参数变化，δ2是定义的常量，设置为δ2= 1/L1，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，dα为由逆变器的非线性引起对应α轴的扰动， viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型可以为：
(12)
(13)
公式（12）及公式（13）中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，δ2为常量，δ2= 1/L1，dα为由逆变器的非线性引起对应α轴的扰动，viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动。
作为示例，在步骤S12中，基于所述第一超局部模型构建第二超局部模型包括：利用龙格库塔（Runge-Kutta）算法和拉格朗日插值法取代所述第一超局部模型，以构建所述第二超局部模型。
现有技术中的并网逆变器传统无模型控制方法虽然能够构造超局部模型，作为并网逆变器的预测模型，从而消除模型参数的影响。然而，传统无模型预测构造的超局部模型计算起来较为复杂，计算量大。为了解决上述问题，本实施例中基于并网逆变器的所述数学模型，利用所述龙格库塔和拉格朗日插值法构造了新的超局部模型（即所述第二超局部模型）进行所述并网逆变器的无模型预测控制。
所述龙格库塔算法可以为四阶龙格库塔算法；其中，龙格库塔算法的计算公式为：
(14)
公式（14）中，yk+1在第k+1个采样时刻是一个未知值；yk是第k个采样时刻的已知值；k1是yk处的斜率；k2是yk和k1的斜率；k3是yk和k2的斜率；k4是yk和k3的斜率；h1为步长，tk为电流微分方程f(t)第k个采样时刻的横坐标时间t的值；具体的，h1的数值等于采样时间Ts；
拉格朗日插值法的电流插值多项式为：
(15)
公式（15）中，L4(t)为利用四个历史时刻数据所求恰好穿过二维平面上四个已知点的三次多项式函数，i(t0)为t0时刻的电流采样值，i (t1)为t1时刻的电流采样值，i (t2)为t2时刻的电流采样值，i (t3)为t3时刻的电流采样值；i’(t0)、i’(t1)、i’(t2)、i’(t3)为根据四个历史时刻数据由公式推导得到的四个三次多项式。
具体的，由公式（14）的龙格库塔算法的计算公式推导可得如下公式：
(16)
因此，α轴的集总扰动Fα可以表示为：
(17)
β轴的集总扰动Fβ可以表示为：
(18)。
由于无模型预测控制要控制的电流的微分方程f（x，y）未知，很难直接使用RK4来预测电流。在对某个物理量进行观测时，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个多项式，其恰好在各个观测的点渠道观测到的值。这样的多项式成为拉格朗日（插值）多项式。数学上来说，拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数。
具体的，采用拉格朗日的四点推导（LF4PD），如图4所示，图4中，h1为步长，i(k-3h1)为t0时刻的电流采样值，i (k-2h1)为t1时刻的电流采样值，i (k-h1)为t2时刻的电流采样值，i (k)为t3时刻的电流采样值，i (k+1)为t4时刻的电流采样值；根据当前预测电流前四个时刻的历史数据找到一个多项式，它满足当前预测电流前四个时刻的历史电流值恰好与通过多项式计算得到的电流值一一对应。然后多项式对不同时刻进行求偏导估计k1、k2、k3和k4，从而求得Fα和Fβ。
具体的，拉格朗日插值法的电流插值多项式经过推导，k1、k2、k3和k4的表达式如下：
(19)
公式（19）中，Ts为采样时间，i(t0)为t0时刻的电流采样值，i (t1)为t1时刻的电流采样值，i (t2)为t2时刻的电流采样值，i (t3)为t3时刻的电流采样值。
令 (20)
从而，根据公式（20）可以得到下一时刻的输出电流的电流估计值如下：
(21)
(22)
公式（21）及公式（22）中，iα（k+1）为k+1时刻α轴的输出电流，k1是yk处的斜率；k2是 yk和k1的斜率；k3是yk和k2的斜率；k4是yk和k3的斜率，iα（k）为k时刻α轴的输出电流，为输 入变量权重系数，为常数值，viα为逆变器α轴上的输出电压，viβ为逆变器β轴上的输出电压， h1为步长，iβ（k+1）为k+1时刻β轴的输出电流，iβ（k）为k时刻β轴的输出电流。
作为示例，步骤S13中，根据通过所述龙格库塔和拉格朗日插值法得到的α轴的集总扰动Fα和β轴的集总扰动Fβ，进行电流预测，并分析得到多个基本电压矢量对应的价值函数值。
具体的，将8种开关状态所对应的所述并网逆变器α轴和β轴的的输出电压vαi和vβi代入离散预测模型，可以推导出下一时刻的输出电流的电流估算值iα(k+1)和iβ(k+1)。
作为示例，步骤S13中，基于如下公式分析得到多个所述基本电压矢量对应的价值函数值：
(23)
公式（23）中，i=0，1，2，3，4，5，6或7；iα（k+1）为k+1时刻α轴的输出电流，iβ（k+1）为k+1时刻β轴的输出电流，iαref(k+1)为α轴上k+1时刻的参考输出电流， iβref(k+1)为β轴上k+1时刻的参考输出电流。
作为示例，步骤S14中，通过比较寻优，确定价值函数值Gi的最小值所对应的电压矢量，将其作为最优电压矢量，并用于控制所述并网逆变器。
在一个示例中，本发明的并网逆变器无模型预测控制方法的流程图可以如图5所示，可以包括如下步骤：1）开始；2）根据如上iα(k+1)和iβ (k+1)的公式计算公式下一时刻电流预估值iα(k+1)和iβ (k+1)；若i=0，执行下一步骤；3）基于Gi的计算公式Gi=(iαref(k+1)-iα(k+1))2+(iβref(k+1)-iβ(k+1))2计算多个所述基本电压矢量对应的价值函数值Gi；4）存储计算得到的多个所述基本电压矢量对应的价值函数值Gi；5)判断i是否小于7；若i小于7，则重复步骤3)~4)；6）若i不小于7，计算最小价值函数值Gi对应最小的基本电压矢量作为最优矢量；7）将对应的最优矢量作用于下一时刻；8）等待下一采样时刻，并在下一采样时刻到来时重复步骤2）~7）。
为了验证本实施例的并网逆变器无模型预测控制方法的有效性，接下来对本发明的并网逆变器无模型预测控制方法在控制对象不同的情况下，对其稳态性能进行测试。具体可以进行如下仿真一至仿真四的多个仿真。
在仿真一到仿真四中，采用Matlab/Simulink仿真来验证所提策略的有效性使用的相关参数如下表2所示。
参数 数值
直流侧电压μdc/V 500
电网相电压有效值e/V 150
电网频率f/Hz 50
控制周期Ts/us 1
滤波电感L1/mH 1.8
滤波电感L2/mH 1
滤波电容L2/μF 500
滤波电阻R1/Ω 0.001
滤波电阻R2/Ω 0.001
阻尼电阻RC/Ω 0.5
表2
在仿真一中，控制对象为网侧电流，设置参考电流为20A，滤波电感控制器参数与实际参数匹配，此时利用基于龙格库塔的并网逆变器无模型预测控制方法预测的逆变器输出电流与设置参考电流基本一致，响应速度为0.3ms，具体地，预测电流总谐波失真1.04%，请参考图6a、图6b及图6c所示。在0.2s改变设置的参考电流值，从20A突变为40A，测得动态响应为0.65ms，具体的请参考图6d、图6e所示。
在仿真二中，控制对象为网侧电流，设置参考电流为20A，滤波电感控制器参数与实际参数不匹配，实际网测滤波电感参数为0.5L2时，此时利用基于龙格库塔的并网逆变器无模型预测控制方法预测的网侧输出电流与设置参考电流基本一致，响应速度为2.5ms，预测电流总谐波失真1.35%，具体地，请参考图7a、图7b及图7c所示。在0.2s改变设置的参考电流值，从20A突变为40A，测得动态响应为1.5ms，具体的请参考图7d、图7e所示。
在仿真三中，控制对象为逆变器侧电流，设置参考电流为20A，滤波电感控制器参数与实际参数匹配，此时利用基于龙格库塔的并网逆变器无模型预测控制方法预测的逆变器输出电流与设置参考电流基本一致，响应速度为0.2ms，具体地，预测电流总谐波失真0.45%，请参考图8a、图8b及图8c所示。在0.2s改变设置的参考电流值，从20A突变为40A，测得动态响应为0.25ms，具体的请参考图8d、图8e所示。
在仿真四中，控制对象为逆变器侧电流，设置参考电流为20A，滤波电感控制器参数与实际参数不匹配，实际逆变器侧滤波电感参数为0.5L1时，此时利用基于龙格库塔的并网逆变器无模型预测控制方法预测的逆变器输出电流与设置参考电流基本一致，响应速度为0.2ms，预测电流总谐波失真0.90%，具体地，请参考图9a、图9b及图9c所示。在0.2s改变设置的参考电流值，从20A突变为40A，测得动态响应为0.15ms，具体的请参考图9d、图9e所示。
实施例二
请结合图1至图9c参阅图10，本实施例中还提供一种并网逆变器无模型预测控制系统，所述并网逆变器无模型预测控制系统包括：
模型建立及分析模块20，所述模型建立及分析模块20用于建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
第一超局部模型构造模块30，所述第一局部模型构造模块30与所述模型建立及分析模块20相连接，用于基于所述数学模型构造第一超局部模型；
第二超局部模型构造模块40，所述第二超局部模型构造模块40与所述第一超局部模型构造模块30相连接，用于基于所述第一超局部模型构建第二超局部模型；
电流预测模块50，所述电流预测模块50与所述第二超局部模型构造模块40相连接，用于进行电流预测；
价值函数评估模块60，所述价值函数评估模块60与所述电流预测模块50相连接，用于基于所述电流预测模块的电流预测结果，分析得到多个所述基本电压矢量对应的价值函数值，并将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。
作为示例，所述并网逆变器无模型预测控制系统可以与电网系统10相连接。
具体的，如图10所示，所述电网系统10可以包括：第一转换模块101、锁相环102、第二转换模块103、第三转换模块104、三相开关105、并网逆变器106、LCL滤波器10及电网108。所述第一转换模块101第一端与所述价值函数评估模块60相连接；所述锁相环102一端与所述第一转换模块101相连接；所述第二转换模块103一端与所述锁相环102相连接；所述电网108与所述第三转换模块104及所述LL滤波器107均相连接；所述第三转换器104还与所述模型建立及分析模块20、所述LCL滤波器107及所述并网逆变器106均相连接；
所述并网逆变器106与所述三相开关105及所述LCL滤波器均相连接；所述三相开关105还与所述价值函数评估模块60相连接。
具体的，所述第一转换模块101用于将dq轴的旋转坐标系上的向量等效于αβ轴的静止坐标系上的向量。所述第二转换模块103用于PARK变换，表示abc三相的相电压变换为可在dq轴等效的旋转坐标系上的向量。所述第三转换模块104用于CLARK变换，表示abc三相的采样电流等效为αβ轴的静止坐标系上的向量。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种并网逆变器无模型预测控制方法，其特征在于，包括：
建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
基于所述数学模型构造第一超局部模型；
基于所述第一超局部模型构建第二超局部模型，所述第二超局部模型包括不含参数的超局部模型；
进行电流预测，并分析得到多个所述基本电压矢量对应的价值函数值；
将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。
2.根据权利要求1所述的并网逆变器无模型预测控制方法，其特征在于，建立并网逆变器在静态坐标系中的数学模型包括：根据基尔霍夫电压电流定律，建立所述并网逆变器在所述静态坐标系中的数学模型，所述数学模型为：
；
其中，vi为逆变器的输出电压，vc为滤波电容电压，i1为逆变器的输出电流，ig为入网电流，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电容电阻，t为时间。
3.根据权利要求2所述的并网逆变器无模型预测控制方法，其特征在于，使用Clark变换将三相系统的时域分量转换为静态坐标系中α轴和β轴的两个分量；所述并网逆变器为三相并网逆变器；对所述数学模型进行分析，以得到多个基本电压矢量，包括：
所述数学模型中的电压变量从对应的三相电压中经Clark变换得到，所述数学模型中的电流变量从对应的三相电流中经Clark变换而得到，并用复向量表示为：
；
式中，i1为逆变器的输出电流，ig为入网电流，vi为逆变器的输出电压，vc为滤波电容电压，eg为逆变器的电网侧电压，L1为逆变器侧滤波电感，L2为网侧滤波电感，i1α为逆变器对应α轴的输出电流，i1β为逆变器对应β轴的输出电流，igα为对应α轴的入网电流，igβ为对应β轴的入网电流，i1a为逆变器的a相输出电流，i1b为逆变器的b相输出电流，i1c为逆变器的a相输出电流，van为逆变器对应a相的输出相电压，vbn为逆变器对应b相的输出相电压，vcn为逆变器对应c相的输出相电压，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，j为复向量，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，vcα为滤波电容对应α轴的电容电压，vcβ为滤波电容对应β轴的电容电压，vca为a相滤波电容电压，vcb为b相滤波电容电压，vcc为c相滤波电容电压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，ea、eb、ec分别为a、b、c相的电网电压。
4.根据权利要求3所述的并网逆变器无模型预测控制方法，其特征在于，对所述数学模型进行分析，以得到多个基本电压矢量，还包括：
对所述复向量采用前向欧拉离散化处理，得到如下方程：
；
式中，L1为逆变器侧滤波电感，L2为网侧滤波电感，C为滤波电容，R1为逆变器侧滤波电阻，R2为网侧滤波电阻，Rc为电容侧滤波电阻，T为采样周期，i1(k+1)为逆变器在k+1时刻的输出电流，i1(k)为逆变器在k时刻的输出电流，vi(k)为逆变器在k时刻的输出电压，vc(k)为滤波电容在k时刻的输出电压，vc(k+1)为滤波电容在k+1时刻的输出电压，ig(k)为k时刻的入网电流，ig(k+1)为k+1时刻的入网电流，eg(k)为k时刻的电网侧电压；定义所述并网逆变器的开关状态为Sn，
；
其中，n=a、b、c；
所述并网逆变器的输出电压可以采用如下矢量表示法表示：
；
式中，Udc为直流母线电压，j为复向量，ej2π/3表征了a、b相之间相差120°的空间电角度，ej4π/3表征了a、c相之间相差240°的空间电角度，vαi为逆变器对应α轴的输出电压，vβi为逆变器对应β轴的输出电压，Sa为a相开关状态，Sb为b相开关状态，Sc为c相开关状态；
基于所述并网逆变器的多种不同的开关状态，即可得到多个所述基本电压矢量。
5.根据权利要求2所述的并网逆变器无模型预测控制方法，其特征在于，
若预测控制对象为如下入网电流：
；
；
其中，L2为网侧滤波电感，R2为网侧滤波电阻，△RC、△L2、△R2均为实际系统与控制器之间的参数变化，为常量，/>= 1/L2，dαβ为由逆变器的非线性引起的扰动；igα为对应α轴的入网电流，vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，viα为逆变器对应α轴的输出电压，igβ为对应β轴的入网电流，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，viβ为逆变器对应β轴的输出电压，eα为对应α轴的电网电压，eβ为对应β轴的电网电压，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型为：
；
；
式中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；vcα为滤波电容对应α轴的电容电压，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，为常量，/>= 1/L2，L2为网侧滤波电感，R2为网侧滤波电阻，viα为逆变器对应α轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，viβ为逆变器对应β轴的输出电压，△RC、△L2、△R2均为实际系统与控制器之间的参数变化，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动，eα为对应α轴的电网电压，eβ为对应β轴的电网电压。
6.根据权利要求5所述的并网逆变器无模型预测控制方法，其特征在于，
若预测控制对象为如下并网逆变器输出电流：
；
；
式中，△R1、△L1、△RC为实际系统与控制器之间的参数变化，δ2是定义的常量，设置为δ2= 1/L1，dα为由逆变器的非线性引起对应α轴的扰动，dβ为由逆变器的非线性引起对应β轴的扰动；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，dα为由逆变器的非线性引起对应α轴的扰动，viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动；
则所述第一超局部模型为：
；
；
式中，Fα为α轴的集总扰动，Fβ为β轴的集总扰动，均为实时更新变量；viα为逆变器对应α轴的输出电压，vcα为滤波电容对应α轴的电容电压，R1为逆变器侧滤波电阻，Rc为电容侧滤波电容电阻，i1α为逆变器对应α轴的输出电流，igα为对应α轴的入网电流，δ2为常量，δ2= 1/L1，dα为由逆变器的非线性引起对应α轴的扰动，viβ为逆变器对应β轴的输出电压，vcβ为滤波电容对应β轴的电容电压，i1β为逆变器对应β轴的输出电流，igβ为对应β轴的入网电流，dβ为由逆变器的非线性引起对应β轴的扰动。
7.根据权利要求2所述的并网逆变器无模型预测控制方法，其特征在于，基于所述第一超局部模型构建第二超局部模型包括：利用龙格库塔算法和拉格朗日插值法取代所述第一超局部模型，以构建所述第二超局部模型；其中，
龙格库塔算法的计算公式为：
；
式中，yk+1在第k+1个采样时刻是一个未知值；yk是第k个采样时刻的已知值；k1是yk处的斜率；k2是yk和k1的斜率；k3是yk和k2的斜率；k4是yk和k3的斜率；h1为步长，tk为电流微分方程f(t)第k个采样时刻的横坐标时间t的值；
拉格朗日插值法的电流插值多项式为：
；
式中，L4(t)为利用四个历史时刻数据所求恰好穿过二维平面上四个已知点的三次多项式函数，i(t0)为t0时刻的电流采样值，i (t1)为t1时刻的电流采样值，i (t2)为t2时刻的电流采样值，i (t3)为t3时刻的电流采样值；i’(t0)、i’(t1)、i’(t2)、i’(t3)为根据四个历史时刻数据由公式推导得到的四个三次多项式。
8.根据权利要求7所述的并网逆变器无模型预测控制方法，其特征在于，进行电流预测包括：基于如下公式得到下一时刻的电流估计值：
；
；
式中，iα（k+1）为k+1时刻α轴的输出电流，k1是yk处的斜率；k2是yk和k1的斜率；k3是yk和k2的斜率；k4是yk和k3的斜率，iα（k）为k时刻α轴的输出电流，为输入变量权重系数，为常数值，viα为逆变器α轴上的输出电压，viβ为逆变器β轴上的输出电压，h1为步长，iβ（k+1）为k+1时刻β轴的输出电流，iβ（k）为k时刻β轴的输出电流。
9.根据权利要求8所述的并网逆变器无模型预测控制方法，其特征在于，基于如下公式分析得到多个所述基本电压矢量对应的价值函数值：
；
式中，i=0，1，2，3，4，5，6或7；iα（k+1）为k+1时刻α轴的输出电流，iβ（k+1）为k+1时刻β轴的输出电流，iαref(k+1)为α轴上k+1时刻的参考输出电流， iβref(k+1)为β轴上k+1时刻的参考输出电流。
10.一种并网逆变器无模型预测控制系统，其特征在于，包括：
模型建立及分析模块，用于建立并网逆变器在静态坐标系中的数学模型，并对所述数学模型进行分析，以得到多个基本电压矢量；
第一超局部模型构造模块，与所述模型建立及分析模块相连接，用于基于所述数学模型构造第一超局部模型；
第二超局部模型构造模块，与所述第一超局部模型构造模块相连接，用于基于所述第一超局部模型构建第二超局部模型；
电流预测模块，与所述第二超局部模型构造模块相连接，用于进行电流预测；
价值函数评估模块，与所述电流预测模块相连接，用于基于所述电流预测模块的电流预测结果，分析得到多个所述基本电压矢量对应的价值函数值，并将价值函数值最小的基本电压矢量作为最优电压矢量进行预测控制。
CN202310797254.XA 2023-07-03 2023-07-03 并网逆变器无模型预测控制方法及控制系统 Active CN116526884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310797254.XA CN116526884B (zh) 2023-07-03 2023-07-03 并网逆变器无模型预测控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310797254.XA CN116526884B (zh) 2023-07-03 2023-07-03 并网逆变器无模型预测控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN116526884A true CN116526884A (zh) 2023-08-01
CN116526884B CN116526884B (zh) 2023-10-03

Family

ID=87390681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310797254.XA Active CN116526884B (zh) 2023-07-03 2023-07-03 并网逆变器无模型预测控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN116526884B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116865532A (zh) * 2023-09-05 2023-10-10 国网山西省电力公司临汾供电公司 一种采用模型预测控制的交直变换器的控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113472226A (zh) * 2021-07-07 2021-10-01 郑州轻工业大学 基于滑膜观测器的并网逆变器双矢量无模型预测控制方法
CN115378325A (zh) * 2022-08-22 2022-11-22 合肥工业大学 基于动态权重因子的smpmsm驱动系统直接速度复合控制方法
CN115528975A (zh) * 2022-10-13 2022-12-27 合肥工业大学 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法
CN116365600A (zh) * 2023-03-27 2023-06-30 电子科技大学长三角研究院(湖州) 基于神经网络观测器的并联逆变器无模型预测控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113472226A (zh) * 2021-07-07 2021-10-01 郑州轻工业大学 基于滑膜观测器的并网逆变器双矢量无模型预测控制方法
CN115378325A (zh) * 2022-08-22 2022-11-22 合肥工业大学 基于动态权重因子的smpmsm驱动系统直接速度复合控制方法
CN115528975A (zh) * 2022-10-13 2022-12-27 合肥工业大学 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法
CN116365600A (zh) * 2023-03-27 2023-06-30 电子科技大学长三角研究院(湖州) 基于神经网络观测器的并联逆变器无模型预测控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LIU ZHILE;XIE YUNYI;WANG DAN: "Model Predictive Control of Grid-Connected Inverter Based on Exponentially Extended State Observer", SCIENCE DISCOVERY., vol. 10, no. 6 *
郭磊磊 等: "LC 滤波型逆变器并网电压鲁棒预测控制", 电力自动化设备, vol. 42, no. 6, pages 90 - 95 *
郭磊磊 等: "三相LCL 并网逆变器无参数滑模预测控制策略", 电力系统保护与控制, vol. 50, no. 18, pages 72 - 81 *
高鹏飞 等: "基于滑模观测器的LCL型并网逆变器鲁棒预测控制研究", 电力系统保护与控制, vol. 51, no. 1 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116865532A (zh) * 2023-09-05 2023-10-10 国网山西省电力公司临汾供电公司 一种采用模型预测控制的交直变换器的控制方法
CN116865532B (zh) * 2023-09-05 2023-11-24 国网山西省电力公司临汾供电公司 一种采用模型预测控制的交直变换器的控制方法

Also Published As

Publication number Publication date
CN116526884B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
Jia et al. Direct grid current control of LCL-filtered grid-connected inverter mitigating grid voltage disturbance
Liserre et al. Genetic algorithm-based design of the active damping for an LCL-filter three-phase active rectifier
CN109950922B (zh) 一种适用于vsc-hvdc的多步模型预测控制方法
CN111541262A (zh) 模型预测定交流电压控制下mmc频率耦合阻抗建模方法
CN113472226B (zh) 基于滑模观测器的并网逆变器双矢量无模型预测控制方法
CN116526884B (zh) 并网逆变器无模型预测控制方法及控制系统
CN103595069A (zh) 不平衡电压下光伏发电系统网侧变换器模型预测控制方法
CN104184355A (zh) 三相pwm电压型逆变器的双闭环控制装置及控制方法
CN111725840B (zh) 一种直驱风电机组控制器参数辨识方法
CN109274119B (zh) 三相电流型并网逆变器控制方法
CN114123200B (zh) 基于数据驱动的光伏电站动态建模方法、存储设备
CN112653173B (zh) 基于改进模态分析法对ac-vsc-mtdc混合系统进行静态电压稳定性分析的方法
CN103595279A (zh) 电网不对称故障下光伏逆变器定频式模型预测控制方法
CN109830987B (zh) 计及分布式光伏随机性的主动配电网概率稳定性分析方法
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
He et al. Predictive DC voltage control for three-phase grid-connected PV inverters based on energy balance modeling
CN110297446B (zh) 一种非理想电网条件下多矢量快速模型预测控制方法
Yu et al. Improved virtual synchronous generator control strategy for the flexible interconnection system in distribution transformer areas
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
CN115498616A (zh) 一种柔性直流输电系统高频振荡主导环节快速识别方法
CN115579951A (zh) 多逆变器新能源电站分布式协同稳定控制方法
CN110244567B (zh) 一种基于扩展瞬时无功理论的快速模型预测控制方法
CN115276439A (zh) 适应弱电网阻抗变化的lcl型并网逆变器谐振抑制方法
Huixian et al. A sliding mode control of vienna rectifier based on improved double power reaching law
CN104617798A (zh) 三相功率变换器变矢量个数直接功率控制方法

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
GR01 Patent grant
GR01 Patent grant