CN117240126B - 一种有限集模型预测控制方法、系统、终端及存储介质 - Google Patents

Abstract

本申请提供一种有限集模型预测控制方法、系统、终端及存储介质，所述方法包括：对电路中的初始电流数据进行坐标系转换，得到在α‑β坐标系下的第一电流数据；基于无差拍原则和第一电流数据，计算得到第一参考电压；利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；对第一干扰估计值进行去噪处理，得到第二干扰估计值；根据第一参考电压和第一干扰估计值，计算得到第二参考电压；根据第二参考电压，构建代价函数；利用代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；根据最佳电压矢量，生成控制信号以对三相逆变器进行控制。本申请能够增强三相逆变器的有限集模型预测控制方法的鲁棒性。

Description

一种有限集模型预测控制方法、系统、终端及存储介质

技术领域

本申请涉及电气控制领域，特别是涉及一种有限集模型预测控制方法、系统、终端及存储介质。

背景技术

随着风力发电、光伏发电及风光互补等新能源技术的快速发展，电压源型逆变器已成为电力电子领域的研究热点之一。其中，有限集模型预测控制因具有设计简单直观、无需脉宽调制、动态响应快、可实现多个非线性目标控制等优点，被广泛应用于电力电子变换器。然而，有限集模型预测控制是一种基于模型的控制策略，模型参数失配对其控制性能具有较大的影响。目前，针对三相逆变器的有限集模型预测控制方法，会在参数不确定性和外部干扰时出现模型参数失配，导致逆变器控制系统控制性能下降，控制系统的鲁棒性有待提高。

因此，如何增强三相逆变器的有限集模型预测控制方法的鲁棒性，是本领域技术人员亟待解决的技术问题。

发明内容

为解决上述技术问题，本申请提供一种有限集模型预测控制方法，能够增强三相逆变器的有限集模型预测控制方法的鲁棒性。本申请还提供一种有限集模型预测控制系统、终端及存储介质，具有相同的技术效果。

本申请的第一个目的为提供一种有限集模型预测控制方法。

本申请的上述申请目的一是通过以下技术方案得以实现的：

一种有限集模型预测控制方法，所述方法应用于三相逆变器，所述方法包括：

获取电路中的初始电流数据；

将所述初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

基于无差拍原则和所述第一电流数据，计算得到第一参考电压；

利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

对所述第一干扰估计值进行去噪处理，得到第二干扰估计值；

根据所述第一参考电压和所述第二干扰估计值，计算得到第二参考电压；

根据所述第二参考电压，构建代价函数；

利用所述代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

根据所述最佳电压矢量，生成控制信号以对所述三相逆变器进行控制。

优选地，所述有限集模型预测控制方法中，所述第一参考电压的表达式，如下：

式中，表示时刻的所述第一参考电压的α轴电压分量，表示时刻的所述第一参考电压的β轴电压分量，表示时刻的α轴参考电流分量，表示时刻的β轴参考电流分量，表示时刻的负载端α轴采样电流，表示时刻的负载端β轴采样电流，表示采样时间，表示电感标称值，表示电阻标称值。

优选地，所述有限集模型预测控制方法中，所述等价输入干扰估计器，通过如下步骤构建：

对所述第一参考电压的表达式进行转换，得到第二表达式，如下：

式中，，，，，，，A表示系数矩阵，B表示输入矩阵，C表示输出矩阵，x表示状态电流矩阵，u表示系统输入，d表示输入扰动，表示状态电流矩阵的导数，表示输出状态电流，表示矩阵的转置，表示逆变器负载端α轴电流分量，表示逆变器负载端β轴电流分量，表示逆变器负载端α轴电压分量，表示逆变器负载端β轴电压分量，表示α轴扰动，表示β轴扰动；

根据所述第二表达式，定义全阶观测器，其中，所述全阶观测器的表达式如下：

式中，表示状态电流观测值的导数，表示输出状态电流的观测值，，表示所述第一参考电压，表示所述第一参考电压的α轴分量，表示所述第一参考电压的β轴分量，是的重构状态，，表示α轴电流分量的观测值，表示β轴电流分量的观测值，是观测器系数矩阵，，、表示预设的观测器系数；

根据所述全阶观测器，估计得到等价输入干扰估计器。

优选地，所述有限集模型预测控制方法中，所述第一干扰估计值的表达式，如下：

式中，表示所述第一干扰估计值，，表示输入矩阵B的伪逆矩阵，表示输入矩阵B的转置，表示观测误差，。

优选地，所述有限集模型预测控制方法中，所述对所述第一干扰估计值进行去噪处理，得到第二干扰估计值，包括：

利用一阶低通滤波器，对所述第一干扰估计值进行去噪处理，得到第二干扰估计值。

优选地，所述有限集模型预测控制方法中，所述第二参考电压的计算公式，如下：

式中，表示所述第二参考电压，表示所述第一参考电压，表示所述第二干扰估计值。

优选地，所述有限集模型预测控制方法中，所述代价函数的表达式，如下：

式中，表示代价函数值，表示所述第二参考电压，表示所述候选电压矢量。

本申请的第二个目的为提供一种有限集模型预测控制系统。

本申请的上述申请目的二是通过以下技术方案得以实现的：

一种有限集模型预测控制系统，所述系统应用于三相逆变器，所述系统包括：

获取单元，用于获取电路中的初始电流数据；

转换单元，用于将所述初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

第一计算单元，用于基于无差拍原则和所述第一电流数据，计算得到第一参考电压；

估计单元，用于利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

去噪单元，用于对所述第一干扰估计值进行去噪处理，得到第二干扰估计值；

第二计算单元，用于根据所述第一参考电压和所述第二干扰估计值，计算得到第二参考电压；

构建单元，用于根据所述第二参考电压，构建代价函数；

处理单元，用于利用所述代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

控制单元，用于根据所述最佳电压矢量，生成控制信号以对所述三相逆变器进行控制。

本申请的第三个目的为提供一种有限集模型预测控制终端。

本申请的上述申请目的三是通过以下技术方案得以实现的：

一种有限集模型预测控制终端，包括：存储介质和处理器；

所述存储介质内存储计算机执行指令；

所述处理器执行所述存储介质存储的计算机执行指令，以实现上述有限集模型预测控制方法中任一所述方法。

本申请的第四个目的为提供一种计算机可读存储介质。

本申请的上述申请目的四是通过以下技术方案得以实现的：

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述有限集模型预测控制方法中任一所述方法。

上述技术方案，通过获取电路中的初始电流数据；将初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；基于无差拍原则和第一电流数据，计算得到第一参考电压；利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；对第一干扰估计值进行去噪处理，得到第二干扰估计值；根据第一参考电压和第二干扰估计值，计算得到第二参考电压；根据第二参考电压，构建代价函数；利用代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；根据最佳电压矢量，生成控制信号以对三相逆变器进行控制。上述技术方案，通过构建等价输入干扰估计器来估计由模型失配导致的扰动，解决了有限集模型预测控制的模型参数失配问题，将等价输入干扰方法与有限集模型预测控制相结合，提高了系统鲁棒性；此外，通过等价输入干扰估计器准确估计参数失配扰动，并将其反馈至有限集模型预测控制中，还提高了逆变器控制系统的电流跟踪性能，并且有效抑制了系统参数不确定性和外部干扰。

综上可知，上述技术方案能够增强三相逆变器的有限集模型预测控制方法的鲁棒性。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中提供的一种有限集模型预测控制方法的流程示意图；

图2为本申请实施例中提供的有限集模型简要控制框图；

图3为本申请实施例中提供的一种有限集模型预测控制系统的结构示意图；

图4为本申请实施例中提供的一种有限集模型预测控制终端的结构示意图。

具体实施方式

为了使本领域的技术人员更好地理解本申请中的技术方案，下面将对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

在本申请所提供的实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。以下所描述的系统实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

应当理解，本申请中如若使用了“系统”、“装置”、“单元”和/或“模块”，仅是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换该词语。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。

本申请中如若使用了流程图，则该流程图是用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

还需要说明的是，在本文中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括上述要素的物品或者设备中还存在另外的相同要素。

本申请实施例采用递进的方式撰写。

如图1-图2所示，本申请实施例提供一种有限集模型预测控制方法，所述方法应用于三相逆变器，所述方法包括：

S101.获取电路中的初始电流数据；

在S101中，具体地，可以对电路中的电气数据进行采样，并对电气数据进行模数转换，将得到的数值进行数据处理，得到电路中的初始电流数据。结合图2的有限集模型简要控制框图，初始电流数据可以包括、、、、、，其中，表示负载端A相参考电流，表示负载端B相参考电流，表示负载端C相参考电流，表示时刻的负载端A相采样电流，表示时刻的负载端B相采样电流，表示时刻的负载端C相采样电流。初始电流数据可以为abc坐标系下的电流数据，初始电流数据的获取方式还可以为其他，本申请不限于此。

S102.将初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

在S102中，具体地，可以将初始电流数据进行坐标系转换，以由abc坐标系转换到α-β坐标系，得到第一电流数据。结合图2的有限集模型简要控制框图，第一电流数据可以包括、、、，其中，表示时刻的负载端α轴参考电流，表示时刻的负载端β轴参考电流，表示时刻的负载端α轴采样电流，表示时刻的负载端β轴采样电流。

S103.基于无差拍原则和第一电流数据，计算得到第一参考电压；

在S103中，具体地，无差拍原则，也称无差拍控制原理，是指在第k采样时刻，采样逆变器的输出电流，并根据逆变器离散模型预测第k+1采样时刻电流为电流参考值，从而得到第k时刻的参考电压，这样在一个采样周期实现了电流对其参考值的无差跟综，达到了无差拍的控制效果。这种控制方式动态响应快，非常适合应用于数字控制的逆变器系统。

在具体实施例中，以两电平电压源三相逆变器为例，当负载电阻和电感摄动时，两电平电压源三相逆变器在α-β静止坐标系下的数学模型，如式（1）所示：

（1）

式中，表示逆变器负载端α轴电流分量，表示逆变器负载端β轴电流分量，表示电感标称值，表示电阻标称值，表示逆变器负载端α轴电压分量，表示逆变器负载端β轴电压分量，表示α轴扰动，表示β轴扰动；

其中，和的表达式，如式（2）所示：

（2）

式中，，表示电阻的实际值，，表示电感的实际值；

在忽略参数扰动和的情况下，预测模型式的离散表达式，如式（3）所示：

（3）

式中，表示时刻的α轴电流，表示时刻的β轴电流，表示采样时间，表示时刻的标称参数下的α轴电压分量，表示时刻的标称参数下的β轴电压分量；

根据无差拍原则，时刻的α-β轴电流应等于参考电流值，如式（4）所示：

（4）

式中，表示时刻的α轴参考电流，表示时刻的β轴参考电流；

根据式（3）和式（4），可得到第一参考电压，如式（5）所示：

（5）

式中，表示时刻的第一参考电压的α轴电压分量，表示时刻的第一参考电压的β轴电压分量，表示时刻的α轴参考电流，表示时刻的β轴参考电流，表示时刻的负载端α轴采样电流，表示时刻的负载端β轴采样电流，表示采样时间，表示电感标称值，表示电阻标称值。

基于第一电流数据和上述表达式（5），即可计算出第一参考电压，其中，，其中，表示矩阵的转置，表示第一参考电压的α轴分量，表示第一参考电压的β轴分量。

S104.利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

在S104中，具体地，等价输入干扰方法（Equivalent Input Disturbance，EID）是一种主动扰动抑制方法，能观测系统扰动并将其等效值加到输入端以达到抑制的效果。在本步骤中，将逆变器系统参数不确定性和外部干扰转化为一个施加在控制输入端的等价输入干扰，并根据三相逆变器负载端采样的电流（即时刻的负载端α轴采样电流和时刻的负载端β轴采样电流）和电压（即第一参考电压），通过预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值。结合图2的有限集模型简要控制框图，可以将、和，输入等价输入干扰估计器，以计算出第一干扰估计值。

在具体实施例中，可以通过如下步骤，构建等价输入干扰估计器：

S201.对第一参考电压的表达式，即式（5），进行转换，得到第二表达式，如下：

（6）

式中，，，，，，，表示状态电流矩阵x的导数，表示输出状态电流，表示矩阵的转置，表示逆变器负载端α轴电流分量，表示逆变器负载端β轴电流分量，表示逆变器负载端α轴电压分量，表示逆变器负载端β轴电压分量，表示α轴扰动，表示β轴扰动，A表示系数矩阵，B表示输入矩阵，C表示输出矩阵，x表示状态电流矩阵，u表示系统输入，d表示输入扰动；

如式（6）所示系统是可控和可观测的，保证了该系统的内部稳定性。假设式（6）中，输入扰动满足，其中，是一个未知的正实数。

S202.根据第二表达式，即式（6），定义全阶观测器，其中，全阶观测器的表达式如下：

（7）

式中，表示状态电流观测值的导数，表示输出状态电流的观测值，，表示第一参考电压的α轴分量，表示第一参考电压的β轴分量，是的重构状态，，表示α轴电流分量的观测值，表示β轴电流分量的观测值，是观测器系数矩阵，，、表示预设的观测器系数；

S203.根据全阶观测器，估计得到等价输入干扰估计器。

具体地，可以将上述式（7）作为等价输入干扰估计器的表达式，即可充分利用系统的状态估计器来估计得到等价输入干扰估计器。

在另一些实施例中，为了准确定义第一干扰估计值，可以通过如下步骤实现：

将式（6）和式（7）相减，可得到误差方程，如式（8）所示：

（8）

式中，表示观测误差的导数，表示观测误差，，表示第一参考电压；

根据，并将其代入到（8），得到如下表达式：

（9）

根据，可得到：

（10）

定义变量，使得式（11）成立：

（11）

定义等价输入干扰估计器输出的第一干扰估计值，具体为：

（12）

将式（11）和式（12），代入（10），可得

（13）

根据式（7）和式（13）可得：

（14）

由式（14），可得等价输入干扰估计器输出的第一干扰估计值为：

（15）

式中，，表示输入矩阵B的伪逆矩阵，表示输入矩阵B的转置；

S105.对第一干扰估计值进行去噪处理，得到第二干扰估计值；

在S105中，具体地，可以利用一阶低通滤波器，对第一干扰估计值进行去噪处理，得到第二干扰估计值，本申请对此不作限制。去噪处理过程，有利于提高后续参考电压计算的准确性。

在等价输入干扰估计器中，一阶低通滤波器用于去除第一干扰估计值中的高频噪声，其表达式为：

（16）

式中，和分别为和的拉普拉斯变换形式，表示将去噪后得到的第二干扰估计值，为了抑制干扰，滤波器的截止角频率通常设置为大于最高角频率的5-10倍。

S106.根据第一参考电压和第二干扰估计值，计算得到第二参考电压；

在S106中，具体地，可通过如下公式计算出第二参考电压：

（17）

式中，表示第二参考电压，表示第一参考电压，表示第二干扰估计值；

S107.根据第二参考电压，构建代价函数；

在S107中，具体地，代价函数的表达式，如下：

（18）

式中，表示代价函数值，表示第二参考电压，表示三相逆变器的候选电压矢量，，其中，，，…，是指三相逆变器8个开关状态对应的电压矢量。

S108.利用代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

在S108中，具体地，通过遍历寻优，将三相逆变器候选的电压矢量，分别代入式（18）即可得到最佳电压矢量；

S109.根据最佳电压矢量，生成控制信号以对三相逆变器进行控制。

在S109中，具体地，根据最佳电压矢量，即可计算出相应的控制信号，以对三相逆变器进行控制，控制信号可以采用现有算法生成，本申请对此不作限制。上述实施步骤，通过将等价输入干扰方法与有限集模型预测控制相结合，提高了系统鲁棒性。

目前，针对三相逆变器的有限集模型预测控制方法，会在参数不确定性和外部干扰时出现模型参数失配，导致逆变器控制系统控制性能下降，控制系统的鲁棒性有待提高。

上述实施例，通过获取电路中的初始电流数据；将初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；基于无差拍原则和第一电流数据，计算得到第一参考电压；利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；对第一干扰估计值进行去噪处理，得到第二干扰估计值；根据第一参考电压和第二干扰估计值，计算得到第二参考电压；根据第二参考电压，构建代价函数；利用代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；根据最佳电压矢量，生成控制信号以对三相逆变器进行控制。上述实施例，通过构建等价输入干扰估计器来估计由模型失配导致的扰动，解决了有限集模型预测控制的模型参数失配问题，将等价输入干扰方法与有限集模型预测控制相结合，提高了系统鲁棒性；此外，通过等价输入干扰估计器准确估计参数失配扰动，并将其反馈至有限集模型预测控制中，还提高了逆变器控制系统的电流跟踪性能，并且有效抑制了系统参数不确定性和外部干扰。综上可知，上述实施例能够增强三相逆变器的有限集模型预测控制方法的鲁棒性。

如图3所示，在本申请的另一实施例中，还提供一种有限集模型预测控制系统，所述系统应用于三相逆变器，所述系统包括：

获取单元10，用于获取电路中的初始电流数据；

转换单元11，用于将初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

第一计算单元12，用于基于无差拍原则和第一电流数据，计算得到第一参考电压；

估计单元13，用于利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

去噪单元14，用于对第一干扰估计值进行去噪处理，得到第二干扰估计值；

第二计算单元15，用于根据第一参考电压和第二干扰估计值，计算得到第二参考电压；

构建单元16，用于根据第二参考电压，构建代价函数；

处理单元17，用于利用代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

控制单元18，用于根据最佳电压矢量，生成控制信号以对三相逆变器进行控制。

在本申请的其他实施例中，所述有限集模型预测控制系统中，第一参考电压的表达式，如下：

式中，表示时刻的第一参考电压的α轴电压分量，表示时刻的第一参考电压的β轴电压分量，表示时刻的α轴参考电流分量，表示时刻的β轴参考电流分量，表示时刻的负载端α轴采样电流，表示时刻的负载端β轴采样电流，表示采样时间，表示电感标称值，表示电阻标称值。

在本申请的其他实施例中，所述有限集模型预测控制系统中，估计单元13还用于建立等价输入干扰估计器，估计单元13在执行建立等价输入干扰估计器时，具体用于：

对第一参考电压的表达式进行转换，得到第二表达式，如下：

式中，，，，，，，A表示系数矩阵，B表示输入矩阵，C表示输出矩阵，x表示状态电流矩阵，u表示系统输入，d表示输入扰动，表示状态电流矩阵x的导数，表示输出状态电流，表示矩阵的转置，表示逆变器负载端α轴电流分量，表示逆变器负载端β轴电流分量，表示逆变器负载端α轴电压分量，表示逆变器负载端β轴电压分量，表示α轴扰动，表示β轴扰动；

根据第二表达式，定义全阶观测器，其中，全阶观测器的表达式如下：

式中，表示状态电流观测值的导数，表示输出状态电流的观测值，，表示第一参考电压，表示第一参考电压的α轴分量，表示第一参考电压的β轴分量，是的重构状态，，表示α轴电流分量的观测值，表示β轴电流分量的观测值，是观测器系数矩阵，，、表示预设的观测器系数；

根据全阶观测器，估计得到等价输入干扰估计器。

在本申请的其他实施例中，所述有限集模型预测控制系统中，第一干扰估计值的表达式，如下：

式中，表示第一干扰估计值，，表示输入矩阵B的伪逆矩阵，表示输入矩阵B的转置，表示观测误差，。

在本申请的其他实施例中，所述有限集模型预测控制系统中，去噪单元14，在执行对第一干扰估计值进行去噪处理，得到第二干扰估计值时，具体用于：

利用一阶低通滤波器，对第一干扰估计值进行去噪处理，得到第二干扰估计值。

在本申请的其他实施例中，所述有限集模型预测控制系统中，第二参考电压的计算公式，如下：

式中，表示第二参考电压，表示第一参考电压，表示第二干扰估计值。

在本申请的其他实施例中，所述有限集模型预测控制系统中，代价函数的表达式，如下：

式中，表示代价函数值，表示第二参考电压，表示候选电压矢量。

如图4所示，在本申请的另一实施例中，还提供一种有限集模型预测控制终端，包括：存储介质20和处理器21；

存储介质20内存储计算机执行指令；

处理器21执行存储介质20存储的计算机执行指令，以实现上述有限集模型预测控制方法中任一所述方法。

其中，处理器21可以包括一个或者多个处理核心。处理器21通过运行或执行存储在存储介质20内的指令、程序、代码集或指令集，调用存储在存储介质20内的数据，执行本申请的各种功能和处理数据。处理器21可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器21功能的电子器件还可以为其它。

其中，存储介质20可用于存储指令、程序、代码、代码集或指令集。存储介质20可以包括存储程序区和存储数据区，其中存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述任一有限集模型预测控制方法的指令等；存储数据区可存储上述任一有限集模型预测控制方法中涉及到的数据等。

在本申请的另一实施例中，还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述有限集模型预测控制方法中任一所述方法。

其中，计算机可读存储介质，可以为U盘、移动硬盘、只读存储器、随机存取存储器或者光盘等各种可以存储程序代码的介质。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种有限集模型预测控制方法，其特征在于，所述方法应用于三相逆变器，所述方法包括：

获取电路中的初始电流数据；

将所述初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

基于无差拍原则和所述第一电流数据，计算得到第一参考电压；

利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

对所述第一干扰估计值进行去噪处理，得到第二干扰估计值；

根据所述第一参考电压和所述第二干扰估计值，计算得到第二参考电压；

根据所述第二参考电压，构建代价函数；

利用所述代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

根据所述最佳电压矢量，生成控制信号以对所述三相逆变器进行控制。

2.如权利要求1所述的方法，其特征在于，所述第一参考电压的表达式，如下：

；

式中，表示时刻的所述第一参考电压的α轴电压分量，表示时刻的所述第一参考电压的β轴电压分量，表示时刻的α轴参考电流分量，表示时刻的β轴参考电流分量，表示时刻的负载端α轴采样电流，表示时刻的负载端β轴采样电流，表示采样时间，表示电感标称值，表示电阻标称值。

3.如权利要求2所述的方法，其特征在于，所述等价输入干扰估计器，通过如下步骤构建：

对所述第一参考电压的表达式进行转换，得到第二表达式，如下：

；

式中，，，，，，，A表示系数矩阵，B表示输入矩阵，C表示输出矩阵，x表示状态电流矩阵，u表示系统输入，d表示输入扰动，表示状态电流矩阵x的导数，表示输出状态电流，表示矩阵的转置，表示逆变器负载端α轴电流分量，表示逆变器负载端β轴电流分量，表示逆变器负载端α轴电压分量，表示逆变器负载端β轴电压分量，表示α轴扰动，表示β轴扰动；

根据所述第二表达式，定义全阶观测器，其中，所述全阶观测器的表达式如下：

；

式中，表示状态电流观测值的导数，表示输出状态电流的观测值，，表示所述第一参考电压，表示所述第一参考电压的α轴分量，表示所述第一参考电压的β轴分量，是的重构状态，，表示α轴电流分量的观测值，表示β轴电流分量的观测值，是观测器系数矩阵，，、表示预设的观测器系数；

根据所述全阶观测器，估计得到等价输入干扰估计器。

4.如权利要求3所述的方法，其特征在于，所述第一干扰估计值的表达式，如下：

；

式中，表示所述第一干扰估计值，，表示输入矩阵B的伪逆矩阵，表示输入矩阵B的转置，表示观测误差，。

5.如权利要求4所述的方法，其特征在于，所述对所述第一干扰估计值进行去噪处理，得到第二干扰估计值，包括：

利用一阶低通滤波器，对所述第一干扰估计值进行去噪处理，得到第二干扰估计值。

6.如权利要求5所述的方法，其特征在于，所述第二参考电压的计算公式，如下：

；

式中，表示所述第二参考电压，表示所述第一参考电压，表示所述第二干扰估计值。

7.如权利要求6所述的方法，其特征在于，所述代价函数的表达式，如下：

；

式中，表示代价函数值，表示所述第二参考电压，表示所述候选电压矢量。

8.一种有限集模型预测控制系统，其特征在于，所述系统应用于三相逆变器，所述系统包括：

获取单元，用于获取电路中的初始电流数据；

转换单元，用于将所述初始电流数据进行坐标系转换，得到在α-β坐标系下的第一电流数据；

第一计算单元，用于基于无差拍原则和所述第一电流数据，计算得到第一参考电压；

估计单元，用于利用预先构建的等价输入干扰估计器，对等价输入干扰进行估计，得到第一干扰估计值；

去噪单元，用于对所述第一干扰估计值进行去噪处理，得到第二干扰估计值；

第二计算单元，用于根据所述第一参考电压和所述第二干扰估计值，计算得到第二参考电压；

构建单元，用于根据所述第二参考电压，构建代价函数；

处理单元，用于利用所述代价函数，对三相逆变器的候选电压矢量进行寻优处理，得到最佳电压矢量；

控制单元，用于根据所述最佳电压矢量，生成控制信号以对所述三相逆变器进行控制。

9.一种有限集模型预测控制终端，其特征在于，包括：存储介质和处理器；

所述存储介质内存储计算机执行指令；

所述处理器执行所述存储介质存储的计算机执行指令，以实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。