CN104135181A - 一种基于光伏***并网逆变的模型预测控制方法 - Google Patents

Abstract

本发明涉及一种基于光伏***并网逆变的模型预测控制方法，步骤1、建立级联全桥逆变模型：根据两级单相全桥逆变电路分析结果，取输出电流和直流侧电压分析，利用基尔霍夫定律，获得连续时间***的瞬时动态模型；步骤2、利用PSIM仿真软件，根据建立的瞬时动态模型搭建仿真模型，并基于该仿真模型进行仿真计算；步骤3、确定基于期望电网电流跟踪、理想电压工作点和开关切换频率三项指标，对模型预测控制器进行设计；步骤4、由步骤3得出的三项指标确定模型预测控制器级联逆变综合性能指标。本发明可以实现并网电流不仅保持于电网电压同频同相、跟踪目标电流、引入谐波最少，并且具有最小的开关切换频率，有利于保护器件和节省能量。

Description

一种基于光伏***并网逆变的模型预测控制方法

技术领域

本发明涉及一种光伏***逆变并网的分布式优化控制方法，具体是一种基于光伏***并网逆变的模型预测控制方法，该方法用于多变量***控制技术领域。 

背景技术

光伏发电技术对新型能源技术、智能电网技术的开发与应用有着显著的推动作用。通过引进消化吸收国外先进技术和自主研发，我国已经掌握了世界先进的光伏器件制造技术，但在提高光伏发电效率、友好并网、低电压穿越等方面的研究起步相对较晚。截至2011年底，太阳能光伏发电并网装机容量仅为214万千瓦，约有69％光伏***尚未并网。这不仅造成了能量浪费，更带来了能源储存、能源流动控制等问题，迫切需要研究高效的并网优化控制方法，实现我国能源市场节能减排的目标。光伏并网***分为集中逆变和分布式逆变两种。 

集中式逆变控制简便且集中高效，但占地面积大、成本高等因素限制了其普及程度。 

分布式逆变不仅减小逆变规模，便于结构扩展、方便维修，且每一个串联结构都具有最大功率跟踪模块，能够根据不同的情况产生不同的最优工作电压或电流，从而提高整体逆变效率，因此，分布式微型逆变技术是光伏并网的重要研究方向之一，在光伏应用中，尤其是对家庭用户来说，具有广阔的前景。 

现有技术公开了一些逆变控制方法，例如：文献M.Koussa,A.Chknane,S.Hadji,Measured and modeled improvement in solar energy yield from flat plate photovoltaic systems utilizing different tracking system[J],Applied Energy,2011,88:1756-1771中公开了一种逆变控制方法，但是该逆变控制方法主要是调节控制器生成符合要求的PWM波进而控制输出电流。由于载波信号的引入，这样的方法会产生会给生成电流带入谐波杂质，影响并入电流质量；其次是生成PWM波的频率会受到硬件条件的限制，导致调节的响应速度有限，当操作环境变得复杂的时候，很容易造成控制失效。 

发明内容

本发明的目的在于针对分布式级联逆变并网中电流稳定与控制响应速度的优化问题，提供了一种基于光伏***并网逆变的模型预测控制方法，使其多变环境下的***约束和优化调度目标模块化，并将动态环境中的级联逆变并网问题转换为具体多目标优化问题，具有很强的实用性。 

本发明的技术方案是提供了一种基于光伏***并网逆变的模型预测控制方法，其特征在于： 

步骤1、建立级联全桥逆变模型：根据两级单相全桥逆变电路分析结果，取输出电流和直流侧电压分析，利用基尔霍夫定律，获得连续时间***的瞬时动态模型： 

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_s}{\mathrm{dt}}=\frac{1}{L_s}(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left(u_j{V}_{\mathrm{dcj}}\right)-R_s{i}_s-V_s)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}1}}{\mathrm{dt}}=\frac{1}{C_1}(i_{\mathrm{pv}1}-u_1{i}_s)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}2}}{\mathrm{dt}}=\frac{1}{C_2}(i_{\mathrm{pv}2}-u_2{i}_s)\end{array}\right.$

其中：i_s为电网电流，L_s为交流滤波电感，u_j为全桥j开关变量组合，V_dcj为直流侧光伏阵列j电压，R_s为等效逆变电阻，V_s为输出总电压，V_dc1为直流侧光伏第一阵列电压，V_dc2为直流侧光伏第二阵列电压，i_pv1是直流侧光伏第一阵列的电流，i_pv2是直流侧光伏第二阵列的电流，C₁为第一个全桥级联电路的滤波电容，第二个全桥的级联电路的滤波电容C₂，u₁为第一全桥开关变量组合，u₂为第二全桥开关变量组合； 

步骤2、利用PSIM仿真软件，根据建立的瞬时动态模型搭建仿真模型，并基于该仿真模型进行仿真计算； 

步骤3、根据瞬时动态模型和仿真计算的结果，对级联逆变过程进行分析，确定基于期望电网电流跟踪、理想电压工作点和开关切换频率三项指标； 

步骤4、根据级联逆变的动态模型，提出模型预测控制器的级联逆变预测模型，并由步骤3得出的三项指标确定模型预测控制器级联逆变综合性能指标。 

进一步地，步骤4中：级联逆变预测模型由直流侧电流预测模型和直流侧电压预测模型构成，其中： 

直流侧电流预测模型可表示为： 

$i_s(k+1)=i_s\left(k\right)-T_s\frac{R_s}{L_s}{i}_s\left(k\right)+\frac{T_s}{L_s}(v_c\left(k\right)-v_s\left(k\right))$

其中i_s(k+1)为k+1时刻电网电流，L_s为交流滤波电感，R_s为等效逆变电阻，v_c(k)为k时刻逆变输出电压，v_s(k)为k时刻输出总电压，i_s(k)为k时刻电网电流，T_s为开关操作周期； 

直流侧电压预测模型可表示为： 

$V_{\mathrm{pvj}}(k+1)=V_{\mathrm{pvj}}\left(k\right)+T_s\left[\frac{i_{\mathrm{pvj}}\left(k\right)-i_{\mathrm{cj}}\left(k\right)}{C}\right],j=\mathrm{1,2}$

其中，V_pvj(k+1)为k+1时刻光伏阵列j的直流侧电压，V_pvj(k)为k时刻光伏阵列j的直流侧电压，T_s为开关操作周期，i_pvj(k)为k时刻光伏阵列j的直流输入电流，i_cj(k)为k时刻光伏阵列j的进入逆变电路电流，C为并联滤波电容； 

基于三项指标得到预测控制器级联逆变综合性能指标： 

$\min J=\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\κ}}_i{E}_i++{\mathrm{\κ}}_v(E_{v1}+E_{v2})+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\κ}}_{\mathrm{\η}}\mathrm{\η}$

其中,J为性能指标，P为优化时域，M为控制时域，E_i为电流偏差，E_v1为光伏第一阵列的电压偏差，E_v2为光伏第二阵列的电压偏差，κ_i为电流权重因子；κ_v为电压权重因子；κ_η为频率权重因子，u是不同开关量的组合，i是光伏阵列i 

本发明的有益效果是： 

(1)本发明可以实现并网电流不仅保持于电网电压同频同相、跟踪目标电流、引入谐波最少，并且具有最小的开关切换频率，有利于保护器件和节省能量。 

(2)本发明可以使得光伏阵列在保持工作在最大功率点的同时，向电网输入满足并网条件的交流电流，电流的幅值随着光照的增加而增加，提高了并网的输出功率。 

(3)本发明所述的方法适用于多级级联全桥逆变并网光伏***。 

附图说明

图1两级单相全桥逆变电路； 

图2具有最大功率点跟踪功能的光伏并网逆变控制回路； 

图3两级单相全桥逆变电路的预测控制器设计框图； 

图4光伏***实验与仿真流程图； 

图5北方能源逆变器输出功率与PSIM逆变输出功率比较。 

具体实施方式

以下将结合附图1-5对本发明的具体实施方式进行详细说明。 

本发明根据级联逆变有效并网效率问题，提出了具有电流跟踪、电压变动最小、开关切换频率最小三个目标的性能指标，通过使上述性能指标最小化，选择最优开关变量，输入逆变电路中调节输出电流，使得并网电流不仅保持于电网电压同频同相、跟踪目标电流、引入谐波最少，并且具有最小的开关切换频率，从而有利于保护器件和节省能量。 

为了实现上述目的，本发明提出了一种基于光伏***并网逆变的模型预测控制方法，其包括以下具体步骤： 

步骤1、建立级联全桥逆变模型：根据两级单相全桥逆变电路分析结果，取输出电流和直流侧电压分析，利用基尔霍夫定律，获得连续时间***的瞬时动态模型。 

两级单相全桥逆变电路是级联全桥逆变电路的典型代表，其分析方法与N级级联单相全桥方法类似，如图1所示，为分析和仿真实验对象，建立两级单相全桥逆变电路，该电路包括两个光伏阵列，其中，每一个光伏阵列由15块光伏板串联而成，i_in1和i_in2分别为阵列输入电流，其大小会随着光伏电池板所受的光照强度的变化而变化；C₁和C₂为级联电路的滤波电容；S_i1，S_i2，S_i3和S_i4，i∈{1,2}分别为逆变电路的开关变量，S_ij为1表示IGBT开关闭合，为0则表示开关断开。 

图1中所示V_ac1和V_ac2分别为逆变输出电压，对于每一个逆变桥，由于开关为二进制的0或1，则逆变输出电压为(-V_aci,0,+V_aci)三种值；R_s为等效逆变电阻；L_s为交流滤波电感，起到平滑和滤波电流作用；对于n个级联逆变桥，其输出总电压Vs为2n+1种不同的情况，本发明中对于两级级联逆变则为(-2V_aci，-V_aci，0，V_aci，2V_aci)五种情况，其中i为第i个全桥。 

两级级联全桥逆变，其输出电压为： 

$V_s=\underset{j}{\overset{2}{\mathrm{\Σ}}}{V}_{\mathrm{acj}}=(S_{j1}{S}_{j4}-S_{j2}{S}_{j3})\·V_{\mathrm{dcj}}\⇔u_j\·V_{\mathrm{dcj}}$

其中u_j为光伏第j阵列开关变量组合，V_s为输出总电压，V_acj为光伏第j阵列逆变输出电压，S_j1为光伏第j阵列逆变电路的第一开关变量，S_j2为光伏第j阵列逆变电路的第二开关变量，S_j3为光伏第j阵列逆变电路的第三开关变量，S_j4为光伏第j阵列逆变电路的第四开关变量，V_dcj为直流侧光伏第j阵列电压。 

取输出电流和直流侧电压分析，利用基尔霍夫定律，有连续时间***的瞬时动态模型： 

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_s}{\mathrm{dt}}=\frac{1}{L_s}(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left(u_j{V}_{\mathrm{dcj}}\right)-R_s{i}_s-V_s)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}1}}{\mathrm{dt}}=\frac{1}{C_1}(i_{\mathrm{pv}1}-u_1{i}_s)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}2}}{\mathrm{dt}}=\frac{1}{C_2}(i_{\mathrm{pv}2}-u_2{i}_s)\end{array}\right.$

其中：i_s为电网电流，L_s为交流滤波电感，u_j为第j全桥开关变量组合，V_dcj为直流侧光伏阵列j电压，R_s为等效逆变电阻，V_s为输出总电压，V_dc1为直流侧光伏第一阵列电压，V_dc2为直流侧光伏第二阵列电压，i_pv1是直流侧光伏第一阵列的电流，i_pv2是直流侧光伏第二阵列的电流，C₁为第一个全桥级联电路的滤波电容，第二个全桥的级联电路的滤波电容C₂，u₁为第一全桥开关变量组合，u₂为第二全桥开关变量组合。 

步骤2、利用PSIM仿真软件，根据建立的瞬时动态模型搭建仿真模型，并基于该仿真模型进行仿真计算。 

出于安全和经济因素考虑，对于理论的逆变器改进控制方法首先进行仿真实验，并与实验室运行的光伏***实物平台做控制效果对比后，再进入实施运行。 

为了进行逆变控制的仿真实验，需搭建仿真平台，采用了MATLAB与PSIM软件联合仿真，并结合实验室已有光伏实验平台进行控制效果对比。PSIM是电力电子技术仿真专业软件，具有使用方便、模型准确、与MATLAB通过SIM-Coupler接口模块直接连接等特点。 

本实施例中，基于步骤1中建立的瞬时动态模型，在PSIM中搭建了该两级单相全桥逆变电路。利用MATLAB中的S-FUNCTION模块写入控制程序，将PSIM软件中搭建的级联全桥作为控制对象，结合实验平台输入的实时环境数据，并与逆变器实 验平台进行效果对比，验证该仿真平台的有效性。 

利用PSIM软件中相应的IGBT、电感电容、交流电源等电力电子模块搭建逆变电路。对电网输入电流、电网电压、直流侧电流电压进行实时检测，IGBT开关变量作为逆变器输入。 

步骤3、根据瞬时动态模型和仿真计算的结果，对级联逆变过程进行分析，确定基于期望电网电流跟踪、理想电压工作点和开关切换频率三项指标。 

由步骤2所建仿真平台，可以得到如图2所示的逆变并网控制回路。 

分析控制对象中的逆变桥输出电压和各个级联桥输出电压关系，得出直流侧电压与直流输入电流和逆变输入电流有关，且输出电流和逆变电压均由开关量S_ij控制。为了这些变量满足以上控制要求，提出性能指标表示为： 

$\min J={\mathrm{\κ}}_i{\left|\right|i_s(k+j/k)-i_s^{*}\left(k\right)\left|\right|}^2+{\mathrm{\κ}}_v({\left|\right|V_{\mathrm{pv}1}(k+j/k)-V_1^{*}\left(k\right)\left|\right|}^2+{\left|\right|V_{\mathrm{pv}2}(k+j/k)-V_2^{*}\left(k\right)\left|\right|}^2)$

式中： 

J是性能指标； 

κ_i和κ_v分别表示电流误差和电压误差的权重因子； 

i_s(k+j/k)是k时刻对k+j时刻的电网电流的预测值； 

是k时刻的电网电流的期望值； 

V_pv1(k+j/k)是k时刻对k+j时刻的直流侧光伏第一阵列产生电压的预测值； 

是k时刻的电网直流侧光伏第一阵列电压的期望值； 

V_pv2(k+j/k)是k时刻对k+j时刻的直流侧光伏第二阵列产生电压的预测值； 

是k时刻的电网直流侧光伏第二阵列电压的期望值。 

上述性能指标分为两部分，其物理意义分别为使输出电网的电流跟踪到期望电流，同时直流侧满足工作在理想电压工作点的要求。 

考虑到对开关器件的保护以及减少谐波的摄入量，还需对开关变量的变化率做出限制，应使开关S_ij的变化率最小，故对以上性能指标另外加上对开关变量的要求： 

$\mathrm{\η}=\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{[S_{j1}(k+1)-S_{j1}\left(k\right)]}^2+{[S_{j2}(k+1)-S_{j2}\left(k\right)]}^2$

其中：S_j1(k+1)是全桥j的k+1时刻的第一开关的开关量，S_j1(k)是全桥j的k时 刻的第一开关的开关量，S_j2(k+1)是全桥j的k+1时刻的第二开关的开关量，S_j2(k)是全桥j的k时刻的第二开关的开关量。 

步骤4、根据级联逆变的动态模型，提出模型预测控制器的级联逆变预测模型，并由步骤3得出的三项指标确定模型预测控制器级联逆变综合性能指标。 

由图2所示控制回路，可以得到模型预测控制器设计框图，如图3所示。图3上半部为两级单相全桥逆变模型框图,其中包含光伏阵列PV1和PV2，下半部是模型预测控制器部分，包含预测模型(Predictive Model),优化的性能指标部分(Cost Function Minimization)，生成电网电流部分(Grid Current Reference Generation)，两个最大功率点跟踪模块(MPPT)和一个锁相环(PLL)。 

图3中所示的预测模型(Predictive Model)由直流侧电流预测模型和直流侧电压预测模型构成，分别是如下分析得到： 

由于两级串联，则逆变桥的输出电压可以表示为： 

$v_a=v_{c1}+v_{c2}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(S_{i1}-S_{i2})v_{\mathrm{ci}}$

其中v_a为输出电压，v_c1是第一全桥的逆变输出电压，v_c2是第二全桥的逆变输出电压，S_i1为全桥i的第一开关的开关量，S_i2为全桥i的第二开关的开关量，v_ci是全桥i的逆变输出电压。 

由此可知，逆变桥输出电压的是各个级联桥输出电压的组合，根据基尔霍夫定律滤波电感瞬时分压可以表示为： 

$L_s\underset{j=k}{\overset{k+1}{\∫}}{i}_s=(v_c\left(k\right)-v_s\left(k\right))-R_s{i}_s\left(k\right)$

其中：L_s为交流滤波电感，R_s为等效逆变电阻，v_c(k)为k时刻逆变输出电压，v_s(k)为k时刻输出总电压，i_s(k)为k时刻电网电流，i_s(j)为j时刻电网电流，引入开关操作周期T_s，则有： 

$L_s\frac{i_s(k+1)-i_s\left(k\right)}{T_s}=(v_c\left(k\right)-v_s\left(k\right))-R_s{i}_s\left(k\right)$

直流侧电流预测模型可表示为： 

$i_s(k+1)=i_s\left(k\right)-T_s\frac{R_s}{L_s}{i}_s\left(k\right)+\frac{T_s}{L_s}(v_c\left(k\right)-v_s\left(k\right))$

其中i_s(k+1)为k+1时刻电网电流，L_s为交流滤波电感，R_s为等效逆变电阻，v_c(k)为k时刻逆变输出电压，v_s(k)为k时刻输出总电压，i_s(k)为k时刻电网电流，T_s为开关操作周期。 

则此时的控制目标除了使预测输出电流i_s(k+j)与目标电流的差值最小，还需使直流侧保持工作在理想工作电压，防止在调节交流侧的同时对直流侧产生反作用的影响。基于基尔霍夫定律并以T_s离散化得： 

$C\frac{V_{\mathrm{pv}}(k+1)-V_{\mathrm{pv}}\left(k\right)}{T_s}=i_{\mathrm{pv}}\left(k\right)-i_c\left(k\right)$

其中，V_pv(k+1)为k+1时刻直流侧电压，V_pv(k)为k时刻直流侧电压，i_pv(k)为k时刻直流输入电流，i_c(k)为k时刻的进入逆变电路电流。 

直流侧电压预测模型可表示为： 

$V_{\mathrm{pvj}}(k+1)=V_{\mathrm{pvj}}\left(k\right)+T_s\left[\frac{i_{\mathrm{pvj}}\left(k\right)-i_{\mathrm{cj}}\left(k\right)}{C}\right],j=\mathrm{1,2}$

其中，V_pvj(k+1)为k+1时刻光伏第j阵列的直流侧电压，V_pvj(k)为k时刻光伏阵列j的直流侧电压，T_s为开关操作周期，i_pvj(k)为k时刻光伏阵列j的直流输入电流，i_cj(k)为k时刻光伏阵列j的进入逆变电路电流，C为并联滤波电容。 

再考虑三项性能指标得到，模型预测控制的性能指标： 

$\min J=\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\κ}}_i{E}_i++{\mathrm{\κ}}_v(E_{v1}+E_{v2})+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\κ}}_{\mathrm{\η}}\mathrm{\η}$

其中,J为性能指标，P为优化时域，M为控制时域，E_i为电流偏差，E_v1为光伏第一阵列的电压偏差，E_v2为光伏第二阵列的电压偏差，κ_i为电流权重因子；κ_v为电压权重因子；κ_η为频率权重因子，u是不同开关量的组合，i是光伏阵列i。 

本发明选取两级单相全桥逆变电路为控制对象。 

步骤1、取输出电流和直流侧电压分析，利用基尔霍夫定律，有连续时间***的瞬时动态模型： 

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_s}{\mathrm{dt}}=\frac{1}{L_s}(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left(u_j{V}_{\mathrm{dcj}}\right)-R_s{i}_S-V_S)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}1}}{\mathrm{dt}}=\frac{1}{C_1}(i_{\mathrm{pv}1}-u_1{i}_S)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}2}}{\mathrm{dt}}=\frac{1}{C_2}(i_{\mathrm{pv}2}-u_2{i}_S)\end{array}\right.$

其中：i_s为电网电流，L_s为交流滤波电感L_s＝0.003H，u_j为全桥j开关变量组合，V_dcj为直流侧光伏阵列j电压，R_s为等效逆变电阻R_s＝0.001Ω，V_s为输出总电压，V_dc1为直流侧光伏第一阵列电压，V_dc2为直流侧光伏第二阵列电压，i_pv1是直流侧光伏第一阵列的电流，i_pv2是直流侧光伏第二阵列的电流，C₁为第一个全桥级联电路的滤波电容C₁＝0.012F，第二个全桥的级联电路的滤波电容C₂＝0.012F，u₁为第一全桥开关变量组合，u₂为第二全桥开关变量组合。 

步骤2、利用PSIM仿真软件，根据建立的瞬时动态模型搭建仿真模型，并基于该仿真模型进行仿真计算。 

该实施例中，据此两级单相全桥逆变电路的动态模型在软件PSIM中搭建了30×2(即分为两个光伏串级，每个串级由30个电池板组成)的光伏阵列，用PSIM软件中相应的IGBT、电感电容、交流电源等电力电子模块搭建逆变电路。并联滤波电容C＝0.012F，串联滤波电感为L＝0.003H，电阻R＝0.001Ω，T_s＝0.001s，仿真时间为10s，电网电压220V，频率50HZ。 

根据对两级单相全桥逆变电路的动态模型得到相应的模型预测控制器中预测模型分别是： 

直流侧电流预测模型可表示为： 

$i_s(k+1)=i_s\left(k\right)-T_s\frac{R_s}{L_s}{i}_s\left(k\right)+\frac{T_s}{L_s}(v_c\left(k\right)-v_s\left(k\right))$

其中L_s为交流滤波电感L_s＝0.003H，R_s为等效逆变电阻R_s＝0.001Ω，v_c(k)为k时刻逆变输出电压，v_s(k)为k时刻输出总电压，i_s(k)为k时刻电网电流，T_s为开关操作周期T_s＝0.001s。 

直流侧电压预测模型可表示为： 

$V_{\mathrm{pvj}}(k+1)=V_{\mathrm{pvj}}\left(k\right)+T_s\left[\frac{i_{\mathrm{pvj}}\left(k\right)-i_{\mathrm{cj}}\left(k\right)}{C}\right],j=\mathrm{1,2}$

其中，V_pvj(k+1)为k+1时刻光伏阵列j的直流侧电压，V_pvj(k)为k时刻光伏阵列j的直流侧电压，T_s为开关操作周期T_s＝0.001s，i_pvj(k)为k时刻光伏阵列j的直流输入电流，i_cj(k)为k时刻光伏阵列j的进入逆变电路电流，C为并联滤波电容C＝0.012F。 

步骤3、根据瞬时动态模型和仿真计算的结果，对级联逆变过程进行分析，确定基于期望电网电流跟踪、理想电压工作点和开关切换频率三项指标，对计控制器进行设计。 

步骤4、根据步骤3中描述的三项指标，得到两级单相全桥逆变电路中预测控制器的综合性能指标： 

$\min J=\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\κ}}_i{E}_i++{\mathrm{\κ}}_v(E_{v1}+E_{v2})+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\κ}}_{\mathrm{\η}}\mathrm{\η}$

其中,P为优化时域，M为控制时域，E_i为电流偏差，E_v1为光伏第一阵列的电压偏差，E_v2为光伏第二阵列的电压偏差，κ_i为电流权重因子；κ_v为电压权重因子；κ_η为频率权重因子，u是不同开关量的组合，i是光伏阵列i。 

取κ_i＝1/40；κ_v＝1/450；κ_η＝0.002，优化时域P＝1，控制时域M＝1。 

由上可以得到如图3所示的模型预测控制器的结构和参数。 

按图4所描述MATLAB/PSIM协同仿真，SimCoupler连接PSIM软件搭建的逆变桥作为控制对象，利用S-Function Builder编写控制器程序，在PSIM仿真平台中带入上述数据，运用本发明的方法，其逆变输出仿真结果与应用传统PWM逆变方式的实际的北方能源(NE)光伏***逆变输出结果进行比较，如图5所示。图5显示了2013年9月6日到2013年9月10日北方能源光伏***逆变器输出功率与同一时段PSIM仿真平台的逆变输出功率对比，并取平均值比较。 

图中9月6日到9月10日的NE逆变输出和同时段PSIM逆变输出功率，其输出功率分别得到了提高，取五天的功率输出平均值比较，其输出功率提高了9.65％，验证了并网电流预测控制算法的有效性。 

Claims (2)

1.一种基于光伏***并网逆变的模型预测控制方法，其特征在于：

步骤1、建立级联全桥逆变模型：根据两级单相全桥逆变电路分析结果，取输出电流和直流侧电压分析，利用基尔霍夫定律，获得连续时间***的瞬时动态模型：

$\left\{\begin{array}{c}\frac{{\mathrm{di}}_s}{\mathrm{dt}}=\frac{1}{L_s}(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\left(u_j{V}_{\mathrm{dcj}}\right)-R_s{i}_S-V_S)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}1}}{\mathrm{dt}}=\frac{1}{C_1}(i_{\mathrm{pv}1}-u_1{i}_S)\\ \frac{{\mathrm{dV}}_{\mathrm{dc}2}}{\mathrm{dt}}=\frac{1}{C_2}(i_{\mathrm{pv}2}-u_2{i}_S)\end{array}\right.$

其中：i_s为电网电流，L_s为交流滤波电感，u_j为第j全桥开关变量组合，V_dcj为直流侧光伏第j阵列电压，R_s为等效逆变电阻，V_s为输出总电压，V_dc1为直流侧光伏第一阵列电压，V_dc2为直流侧光伏第二阵列电压，i_pv1是直流侧光伏第一阵列的电流，i_pv2是直流侧光伏第二阵列的电流，C₁为第一个全桥级联电路的滤波电容，第二个全桥的级联电路的滤波电容C₂，u₁为第一全桥开关变量组合，u₂为第二全桥开关变量组合；

步骤2、利用PSIM仿真软件，根据建立的瞬时动态模型搭建仿真模型，并基于该仿真模型进行仿真计算；

步骤3、根据瞬时动态模型和仿真计算的结果，对级联逆变过程进行分析，确定基于期望电网电流跟踪、理想电压工作点和开关切换频率三项指标；

步骤4、根据级联逆变的动态模型，提出模型预测控制器的级联逆变预测模型，并由步骤3得出的三项指标确定模型预测控制器级联逆变综合性能指标。

2.根据权利要求1所述的基于光伏***并网逆变的模型预测控制方法，其特征在于：步骤4中：级联逆变预测模型由直流侧电流预测模型和直流侧电压预测模型构成，其中：

直流侧电流预测模型可表示为：

$i_s(k+1)=i_s\left(k\right)-T_s\frac{R_s}{L_s}{i}_s\left(k\right)+\frac{T_s}{L_s}(v_c\left(k\right)-v_s\left(k\right))$

其中i_s(k+1)为k+1时刻电网电流，L_s为交流滤波电感，R_s为等效逆变电阻，v_c(k)为k时刻逆变输出电压，v_s(k)为k时刻输出总电压，i_s(k)为k时刻电网电流，T_s为开关操作周期；

直流侧电压预测模型可表示为：

$V_{\mathrm{pvj}}(k+1)=V_{\mathrm{pvj}}\left(k\right)+T_s\left[\frac{i_{\mathrm{pvj}}\left(k\right)-i_{\mathrm{cj}}\left(k\right)}{C}\right],j=\mathrm{1,2}$

其中，V_pvj(k+1)为k+1时刻光伏阵列j的直流侧电压，V_pvj(k)为k时刻光伏阵列j的直流侧电压，T_s为开关操作周期，i_pvj(k)为k时刻光伏阵列j的直流输入电流，i_cj(k)为k时刻光伏阵列j的进入逆变电路电流，C为并联滤波电容；

基于三项指标得到预测控制器级联逆变综合性能指标：

$\min J=\underset{k=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\κ}}_i{E}_i++{\mathrm{\κ}}_v(E_{v1}+E_{v2})+\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\κ}}_{\mathrm{\η}}\mathrm{\η}$

其中,J为性能指标，P为优化时域，M为控制时域，E_i为电流偏差，E_v1为光伏第一阵列的电压偏差，E_v2为光伏第二阵列的电压偏差，κ_i为电流权重因子，κ_v为电压权重因子，κ_η为频率权重因子，u是不同开关量的组合，i是光伏阵列i。