CN109038673A - 光伏发电***的模型预测优化控制方法 - Google Patents

光伏发电***的模型预测优化控制方法 Download PDF

Info

Publication number
CN109038673A
CN109038673A CN201810979896.0A CN201810979896A CN109038673A CN 109038673 A CN109038673 A CN 109038673A CN 201810979896 A CN201810979896 A CN 201810979896A CN 109038673 A CN109038673 A CN 109038673A
Authority
CN
China
Prior art keywords
grid
moment
phase
generating system
photovoltaic generating
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
CN201810979896.0A
Other languages
English (en)
Other versions
CN109038673B (zh
Inventor
袁庆庆
钱金跃
吴豪栋
殷文倩
张波涛
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.)
Xiaertela Shanghai New Energy Technology Co ltd
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201810979896.0A priority Critical patent/CN109038673B/zh
Publication of CN109038673A publication Critical patent/CN109038673A/zh
Application granted granted Critical
Publication of CN109038673B publication Critical patent/CN109038673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/383
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H02J3/385
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Inverter Devices (AREA)
  • Control Of Electrical Variables (AREA)

Abstract

本发明涉及一种光伏发电***的模型预测优化控制方法,将光伏发电***MPPT控制输出的稳定直流电压Udc,两相静止坐标系下的eα、eβ、iα、iβ和并网参考电流iα *和iβ *送入降阶模型预测控制中,结合光伏发电***的离散数学模型和目标函数进行滚动寻优,选择最优开关状态作为输出,相对于SVPWM控制方法和模型预测传统控制方法而言,其以纯软件而非硬件的方式处理,节约成本,能够在保证NPC三电平并网逆变器中点电位平衡的情况下减少循环计算时间,提高运行效率;在理想和非理想电网工况下能够实现光伏发电***的安全可靠并网,提高并网电流的波形质量和降低并网电流的谐波含量,从而达到改善光伏发电***的整体性能。

Description

光伏发电***的模型预测优化控制方法
技术领域
本发明涉及一种电力控制技术,特别涉及一种光伏发电***的模型预测优化控制方法。
背景技术
光伏发电***中,二极管箝位型(neutral point clamped,NPC)三电平逆变器相对于传统两电平逆变器,具有低谐波输出量、低开关损耗、低开关频率以及低器件耐压水平等优点,因此其广泛应用于中大容量的分布式并网发电系中。控制策略主要有:SVPWM控制方法和模型预测传统控制方法。SVPWM控制方法在不同扇区合成参考电压矢量过程中,由于各个区域电压矢量的作用顺序不同,对应区域电压矢量作用时间顺序也有变化,因此其计算量大,占用CPU大量资源,并且中点电位控制效果不佳;模型预测传统控制方法每循环一个周期需要对27个开关矢量进行寻优,计算量大,导致CPU资源的大量浪费。因此,对目前的控制方法进行优化具有较强的现实意义。
发明内容
本发明是针对SVPWM控制方法和模型预测传统控制方法存在的问题,提出了一种光伏发电***的模型预测优化控制方法,该方法将光伏发电***MPPT控制输出的稳定直流电压Udc,两相静止坐标系下的eα、eβ、iα、iβ和并网参考电流iα *和iβ *送入降阶模型预测控制中,结合光伏发电***的离散数学模型和目标函数进行滚动寻优,选择最优开关状态作为输出,相对于SVPWM控制方法和模型预测传统控制方法而言,其以纯软件而非硬件的方式处理,节约成本,能够在保证NPC三电平并网逆变器中点电位平衡的情况下减少循环计算时间,提高运行效率;在理想和非理想电网工况下能够实现光伏发电***的安全可靠并网,提高并网电流的波形质量和降低并网电流的谐波含量,从而达到改善光伏发电***的整体性能。
本发明的技术方案为:一种光伏发电***的模型预测优化控制方法,光伏通过Boost电路升压后通过NPC三电平逆变器将直流电转换为交流电,交流电经过负载电感L和负载电阻R后并入电网,采集并网点三相电流信号ia、ib、ic以及三相电压信号ea、eb、ec,将其变为两相静止坐标系下的iα、iβ以及eα、eβ,并和并网参考电流iα *和iβ *一起送入降阶模型预测控制中;光伏发电***MPPT控制输出的稳定直流电压Udc和NPC三电平逆变器的箝位中点电压送入降阶模型预测控制模块中,降阶模型预测控制模块根据光伏发电***的离散数学模型和扇区划分进行未来时刻并网电流iα、iβ和NPC三电平逆变器直流侧中点电位uo值预测,再将预测值代入目标函数进行寻优,目标函数小为优,选择最优开关状态作为输出,控制NPC三电平逆变器中开关管工作,其中目标函数g如下:
其中:nc为开关频率,λdc、λn为NPC三电平逆变器直流侧中点电位和开关频率权重系数,考虑到中点电位的优先权大于开关频率,故设置λdc的数值大于λn
所述降阶模型预测控制模块中扇区划分:三电平空间矢量图由6个近似两电平空间矢量图的6个小扇区相互重叠构成,通过判断并网参考电流与零之间的大小、方向关系将三电平的27个开关矢量均匀分布在6个小扇区内,扇区划分判断如下:
将三相并网参考电流值ia *、ib *和ic *相乘,如三相乘积大于等于0,则判断1)ia *大于等于0,则选择A1扇区;2)如ia *小于0,ib *大于等于0,则选择A3扇区;3)如ib *小于0,则选择A5扇区;如三相乘积小于0,则判断1)ia *小于0,则选择A4扇区;2)ia *大于等于0,ib *小于0,则选择A6扇区;3)ib *大于等于0,则选择A2扇区。
所述降阶模型预测控制模块中预测优化控制方法为:
光伏发电***的离散数学模型:
其中uα、β(k)为k时刻NPC三电平逆变器的两相静止坐标系下输出电压;eα、β(k)为k时刻两相静止坐标系下并网点电压;iα、β(k)为k时刻两相静止坐标系下并网点电流;Ts为采样周期;
其中u0(k)为k时刻NPC三电平逆变器直流侧中点电位;Sa、Sb、Sc为k时刻NPC三电平逆变器三相开关状态;ia、ib、ic为k时刻并网点三相电流值;C为NPC三电平逆变器直流侧电容;
采用两步预测法对延时进行补偿,在t(k)时刻,即当前时刻,
第一步:根据并网电流参考值与零之间的大小、方向关系进行扇区的判断和选择;
第二步:在相应的扇区内利用光伏发电***离散数学模型计算t(k+1)时刻的预测值iα(k+1)、iβ(k+1)和uo(k+1),并将这三个预测值再次作为反馈值,计算t(k+2)时刻的预测值iα(k+2)、iβ(k+2)、uo(k+2)和nc
第三步:将k+1时刻和k+2时刻预测值代入目标函数g,选择使目标函数值较小的时刻对应扇区的开关状态,此开关状态即为最优开关状态,将该最优开关状态作为t(k)时刻的输出Sopt(k);
第四步:对第k个采样周期的并网参考电流iα *(k)和iβ *(k)做两个采样周期的相角补偿,具体公式如下所示:
其中:j是虚数单位,ω=2πf,f=50Hz,Ts为采样周期。
本发明的有益效果在于:本发明光伏发电***的模型预测优化控制方法,利用降阶模型预测控制算法,以纯软件而非硬件的方式处理,节约成本,且在保证NPC三电平逆变器中点电位平衡的情况下大幅简化计算量;在理想和非理想电网工况下保证光伏发电***安全可靠并网,提高并网电流的波形质量和降低并网电流的谐波含量,从而达到改善光伏发电***的整体性能和提高***的运行效率,同时该方法也易于实现。
附图说明
图1为本发明光伏发电***的模型预测优化控制方法总图;
图2为本发明光伏发电***的模型预测优化控制方法中将三电平降阶为6个近似两电平的参考坐标系示意图;
图3为本发明光伏发电***的模型预测优化控制方法扇区判断流程图;
图4a为实施例1对应的A相并网电流与A相电压示意图;
图4b为实施例1对应的三相并网电流示意图;
图4c为实施例1对应的NPC三电平逆变器直流侧中点电位示意图;
图4d为实施例1对应的A相并网电流谐波分析示意图;
图5a为实施例2对应的A相并网电流与A相电压示意图;
图5b为实施例2对应的三相并网电流示意图;
图5c为实施例2对应的NPC三电平逆变器直流侧中点电位示意图;
图5d为实施例2对应的A相并网电流谐波分析示意图。
具体实施方式
如图1所示光伏发电***的模型预测优化控制方法总图,光伏通过Boost电路升压后通过NPC三电平逆变器将直流电转换为交流电,交流电经过负载电感L和负载电阻R后并入电网,采集并网点三相电流信号ia、ib、ic以及三相电压信号ea、eb、ec,将其变为两相静止坐标系下的iα、iβ、eα、eβ,并和并网参考电流iα *和iβ *一起送入降阶模型预测控制中;光伏发电***MPPT控制输出的稳定直流电压Udc和NPC三电平逆变器的箝位中点电压送入降阶模型预测控制模块中,降阶模型预测控制模块结合光伏发电***的离散数学模型和目标函数进行滚动寻优,选择最优开关状态作为输出,控制NPC三电平逆变器中开关管工作。
1、一种光伏发电***的模型预测优化控制方法的扇区划分
为了减少循环时间,实现算法的优化,根据两电平8个开关矢量构成一个循环周期的思路,可以根据并网参考电流将三电平分解成6个近似两电平,从而将三电平降阶为近似两电平控制,将三电平降阶为6个近似两电平的参考坐标系如图2所示。图2表示三电平空间矢量图由6个近似两电平空间矢量图的6个小扇区相互重叠构成,通过判断并网参考电流与零之间的大小、方向关系可以将三电平的27个开关矢量均匀分布在6个小扇区内,如表1所示各个小扇区的开关矢量状态,从而将三电平降阶为两电平循环控制,大大减少循环所用时间。由图3所示,根据ia *、ib *、ic *与零之间的大小、方向关系可以快速判断出所选择的扇区,图中的A1-A6依次表示6个小扇区。
表1
将三相并网参考电流值ia *、ib *和ic *相乘,如三相乘积大于等于0,则判断1)ia *大于等于0,则选择A1扇区;2)如ia *小于0,ib *大于等于0,则选择A3扇区;3)如ib *小于0,则选择A5扇区;如三相乘积小于0,则判断1)ia *小于0,则选择A4扇区;2)ia *大于等于0,ib *小于0,则选择A6扇区;3)ib *大于等于0,则选择A2扇区。
2、一种光伏发电***的模型预测优化控制方法的目标函数与预测计算
模型预测控制属于最优控制范畴,需要定义与被控变量相关的目标函数g作为最优选择的依据,本发明需要控制并网电流iα和iβ快速跟踪并网参考电流iα *和iβ *,控制NPC三电平逆变器直流侧中点电位uo平衡以及减少开关频率nc,定义目标函数g如下:
其中:nc为开关频率,λdc、λn为NPC三电平逆变器直流侧中点电位和开关频率权重系数,考虑到中点电位的优先权大于开关频率,故设置λdc的数值大于λn
光伏发电***的离散数学模型:
其中uα、β(k)为k时刻NPC三电平逆变器的两相静止坐标系下输出电压;eα、β(k)为k时刻两相静止坐标系下并网点电压;iα、β(k)为k时刻两相静止坐标系下并网点电流;Ts为采样周期。
其中u0(k)为k时刻NPC三电平逆变器直流侧中点电位;Sa、Sb、Sc为k时刻NPC三电平逆变器三相开关状态;ia、ib、ic为k时刻并网点三相电流值;C为NPC三电平逆变器直流侧电容。
考虑到实际采样和计算存在延时,本发明采用两步预测法对延时进行补偿,以改善光伏发电***的整体性能,提高并网电流的波形质量和降低并网电流的谐波含量。在t(k)时刻(即当前时刻),第一步:根据并网电流参考值与零之间的大小、方向关系进行扇区的判断和选择。第二步:在相应的扇区内利用光伏发电***离散数学模型计算t(k+1)时刻的预测值iα(k+1)、iβ(k+1)和uo(k+1),并将这三个预测值再次作为反馈值,计算t(k+2)时刻的预测值iα(k+2)、iβ(k+2)、uo(k+2)和nc。第三步:将k+1时刻和k+2时刻预测值代入目标函数g,选择使目标函数值较小的时刻对应扇区的开关状态,此开关状态即为最优开关状态,将该最优开关状态作为t(k)时刻的输出Sopt(k)。下一个采样周期重复以上的步骤。应当指出的是,为了减小控制误差,本发明对第k个采样周期的并网参考电流iα *(k)和iβ *(k)做两个采样周期的相角补偿,具体如公式2所示:
其中:j是虚数单位,ω=2πf,f=50Hz,Ts为采样周期。
实施例1是按照图1所示的在理想电网情况下对光伏发电***的优化控制方法进行仿真实验,具体参数如表1所示。实施例1的仿真结果如图4a~4d所示,图4a~4d分别为A相并网电流与A相电压示意图,三相并网电流示意图,NPC三电平逆变器直流侧中点电位示意图,A相并网电流谐波分析示意图,从图4a~4d可以看出,A相并网电流与A相电网电压同相位,保持单位功率因数为1,三相并网电流是相位互差120°的光滑正弦波并且满足并网谐波要求,同时NPC三电平逆变器直流侧中点电位也保持稳定。
表1
实施例2是按照图1所示的在三相电网电压幅值非理想的情况下对光伏发电***的优化控制方法进行仿真实验,具体参数如表2所示。实施例2的仿真结果如图5a~5d所示,图5a~5d分别为A相并网电流与A相电压示意图,三相并网电流示意图,NPC三电平逆变器直流侧中点电位示意图,A相并网电流谐波分析示意图,从图5a~5d可以看出,A相并网电流与A相电网电压同相位,保持单位功率因数为1,三相并网电流是相位互差120°的光滑正弦波并且满足并网谐波要求,虽然在三相电网电压幅值非理想情况下NPC三电平逆变器直流侧中点电位波动范围较理想情况较大,但最后稳定在一定范围内。
表2

Claims (3)

1.一种光伏发电***的模型预测优化控制方法,光伏通过Boost电路升压后通过NPC三电平逆变器将直流电转换为交流电,交流电经过负载电感L和负载电阻R后并入电网,其特征在于,采集并网点三相电流信号ia、ib、ic以及三相电压信号ea、eb、ec,将其变为两相静止坐标系下的iα、iβ以及eα、eβ,并和并网参考电流iα *和iβ *一起送入降阶模型预测控制中;光伏发电***MPPT控制输出的稳定直流电压Udc和NPC三电平逆变器的箝位中点电压送入降阶模型预测控制模块中,降阶模型预测控制模块根据光伏发电***的离散数学模型和扇区划分进行未来时刻并网电流iα、iβ和NPC三电平逆变器直流侧中点电位uo值预测,再将预测值代入目标函数进行寻优,目标函数小为优,选择最优开关状态作为输出,控制NPC三电平逆变器中开关管工作,其中目标函数g如下:
其中:nc为开关频率,λdc、λn为NPC三电平逆变器直流侧中点电位和开关频率权重系数,考虑到中点电位的优先权大于开关频率,故设置λdc的数值大于λn
2.根据权利要求1所述光伏发电***的模型预测优化控制方法,其特征在于,所述降阶模型预测控制模块中扇区划分:三电平空间矢量图由6个近似两电平空间矢量图的6个小扇区相互重叠构成,通过判断并网参考电流与零之间的大小、方向关系将三电平的27个开关矢量均匀分布在6个小扇区内,扇区划分判断如下:
将三相并网参考电流值ia *、ib *和ic *相乘,如三相乘积大于等于0,则判断1)ia *大于等于0,则选择A1扇区;2)如ia *小于0,ib *大于等于0,则选择A3扇区;3)如ib *小于0,则选择A5扇区;如三相乘积小于0,则判断1)ia *小于0,则选择A4扇区;2)ia *大于等于0,ib *小于0,则选择A6扇区;3)ib *大于等于0,则选择A2扇区。
3.根据权利要求2所述光伏发电***的模型预测优化控制方法,其特征在于,所述降阶模型预测控制模块中预测优化控制方法为:
光伏发电***的离散数学模型:
其中uα、β(k)为k时刻NPC三电平逆变器的两相静止坐标系下输出电压;eα、β(k)为k时刻两相静止坐标系下并网点电压;iα、β(k)为k时刻两相静止坐标系下并网点电流;Ts为采样周期;
其中u0(k)为k时刻NPC三电平逆变器直流侧中点电位;Sa、Sb、Sc为k时刻NPC三电平逆变器三相开关状态;ia、ib、ic为k时刻并网点三相电流值;C为NPC三电平逆变器直流侧电容;
采用两步预测法对延时进行补偿,在t(k)时刻,即当前时刻,
第一步:根据并网电流参考值与零之间的大小、方向关系进行扇区的判断和选择;
第二步:在相应的扇区内利用光伏发电***离散数学模型计算t(k+1)时刻的预测值iα(k+1)、iβ(k+1)和uo(k+1),并将这三个预测值再次作为反馈值,计算t(k+2)时刻的预测值iα(k+2)、iβ(k+2)、uo(k+2)和nc
第三步:将k+1时刻和k+2时刻预测值代入目标函数g,选择使目标函数值较小的时刻对应扇区的开关状态,此开关状态即为最优开关状态,将该最优开关状态作为t(k)时刻的输出Sopt(k);
第四步:对第k个采样周期的并网参考电流iα *(k)和iβ *(k)做两个采样周期的相角补偿,具体公式如下所示:
其中:j是虚数单位,ω=2πf,f=50Hz,Ts为采样周期。
CN201810979896.0A 2018-08-27 2018-08-27 光伏发电***的模型预测优化控制方法 Active CN109038673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810979896.0A CN109038673B (zh) 2018-08-27 2018-08-27 光伏发电***的模型预测优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810979896.0A CN109038673B (zh) 2018-08-27 2018-08-27 光伏发电***的模型预测优化控制方法

Publications (2)

Publication Number Publication Date
CN109038673A true CN109038673A (zh) 2018-12-18
CN109038673B CN109038673B (zh) 2022-05-27

Family

ID=64625036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810979896.0A Active CN109038673B (zh) 2018-08-27 2018-08-27 光伏发电***的模型预测优化控制方法

Country Status (1)

Country Link
CN (1) CN109038673B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861568A (zh) * 2019-03-07 2019-06-07 国网湖北省电力有限公司荆门供电公司 一种三电平逆变器的改进无模型预测电流控制方法
CN110707949A (zh) * 2019-09-03 2020-01-17 江苏师范大学 定频pwm整流器的控制方法
CN112467788A (zh) * 2020-11-18 2021-03-09 西安热工研究院有限公司 一种减少光伏模型预测控制***低电压穿越时稳态误差的方法
CN114675095A (zh) * 2020-12-27 2022-06-28 核工业理化工程研究院 基于半实物仿真的三电平逆变器调试方法及装置
CN114844115A (zh) * 2022-07-01 2022-08-02 浙江大学 一种基于模型预测控制的光伏变流器构网控制方法及装置
CN114944669A (zh) * 2022-05-27 2022-08-26 东南大学 基于Koopman算子的光伏发电模型预测控制***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015028242A2 (en) * 2013-08-28 2015-03-05 Abb Technology Ag Model predictive control of an electrical system
CN205139921U (zh) * 2015-10-25 2016-04-06 国网天津静海供电有限公司 一种光伏发电***的降阶模型
CN105634269A (zh) * 2016-01-27 2016-06-01 浙江大学 一种用于Buck型DC-DC变换器的闭环双模降阶模型预测控制方法
CN106787992A (zh) * 2017-03-24 2017-05-31 哈尔滨理工大学 永磁无刷电机霍尔传感器容错控制方法
CN107134939A (zh) * 2017-06-02 2017-09-05 华南理工大学 一种三电平并网逆变器双模型预测直接功率控制方法
CN107171584A (zh) * 2017-06-22 2017-09-15 南京理工大学 Npc三相三电平并网逆变器的模型预测控制方法及装置
CN107681915A (zh) * 2017-10-17 2018-02-09 南京理工大学 基于定频有限集模型预测的多电平逆变器并网方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015028242A2 (en) * 2013-08-28 2015-03-05 Abb Technology Ag Model predictive control of an electrical system
CN205139921U (zh) * 2015-10-25 2016-04-06 国网天津静海供电有限公司 一种光伏发电***的降阶模型
CN105634269A (zh) * 2016-01-27 2016-06-01 浙江大学 一种用于Buck型DC-DC变换器的闭环双模降阶模型预测控制方法
CN106787992A (zh) * 2017-03-24 2017-05-31 哈尔滨理工大学 永磁无刷电机霍尔传感器容错控制方法
CN107134939A (zh) * 2017-06-02 2017-09-05 华南理工大学 一种三电平并网逆变器双模型预测直接功率控制方法
CN107171584A (zh) * 2017-06-22 2017-09-15 南京理工大学 Npc三相三电平并网逆变器的模型预测控制方法及装置
CN107681915A (zh) * 2017-10-17 2018-02-09 南京理工大学 基于定频有限集模型预测的多电平逆变器并网方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
文鹏: "三电平逆变器模型预测控制研究", 《合肥工业大学硕士学位论文》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861568A (zh) * 2019-03-07 2019-06-07 国网湖北省电力有限公司荆门供电公司 一种三电平逆变器的改进无模型预测电流控制方法
CN110707949A (zh) * 2019-09-03 2020-01-17 江苏师范大学 定频pwm整流器的控制方法
CN110707949B (zh) * 2019-09-03 2021-09-07 江苏师范大学 定频pwm整流器的控制方法
CN112467788A (zh) * 2020-11-18 2021-03-09 西安热工研究院有限公司 一种减少光伏模型预测控制***低电压穿越时稳态误差的方法
CN112467788B (zh) * 2020-11-18 2023-03-10 西安热工研究院有限公司 一种减少光伏模型预测控制***低电压穿越时稳态误差的方法
CN114675095A (zh) * 2020-12-27 2022-06-28 核工业理化工程研究院 基于半实物仿真的三电平逆变器调试方法及装置
CN114944669A (zh) * 2022-05-27 2022-08-26 东南大学 基于Koopman算子的光伏发电模型预测控制***
CN114844115A (zh) * 2022-07-01 2022-08-02 浙江大学 一种基于模型预测控制的光伏变流器构网控制方法及装置

Also Published As

Publication number Publication date
CN109038673B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN109038673A (zh) 光伏发电***的模型预测优化控制方法
Rodriguez et al. State of the art of finite control set model predictive control in power electronics
Siami et al. An experimental evaluation of predictive current control and predictive torque control for a PMSM fed by a matrix converter
Yaramasu et al. Model predictive current control of two-level four-leg inverters—Part I: Concept, algorithm, and simulation analysis
Bergna et al. A generalized power control approach in ABC frame for modular multilevel converter HVDC links based on mathematical optimization
Yaramasu et al. Predictive control of a three-level boost converter and an NPC inverter for high-power PMSG-based medium voltage wind energy conversion systems
Pan et al. Voltage balancing control of diode-clamped multilevel rectifier/inverter systems
Portillo et al. Model based adaptive direct power control for three-level NPC converters
CN109347351B (zh) 一种模块化多电平换流器的模型预测控制方法
Barra et al. Predictive direct power control for photovoltaic grid connected system: An approach based on multilevel converters
Xu et al. Direct power control of grid connected voltage source converters
Shahnazian et al. Interfacing modular multilevel converters for grid integration of renewable energy sources
Vijayagopal et al. Current control and reactive power minimization of a direct matrix converter induction motor drive with modulated model predictive control
Xia et al. Multi-objective optimal model predictive control for three-level ANPC grid-connected inverter
Zanchetta et al. Finite states model predictive control for shunt active filters
Li et al. Model predictive direct power control using optimal section selection for PWM rectifier with reduced calculation burden
CN110460089A (zh) 一种基于多变量预测的lcl并网逆变器fcs-mpc控制方法
CN113991715A (zh) 非理想电网下中压直挂不对称混合储能***控制方法
Cortes et al. Predictive control of a grid-connected cascaded H-bridge multilevel converter
Liu et al. Sequential direct model predictive control for gird-tied three-level NPC power converters
Liu et al. Model predictive control of a matrix-converter based solid state transformer for utility grid interaction
Liu et al. Real-time implementation of finite control set model predictive control for matrix converter based solid state transformer
Salem Mohamed Salem Design and analysis of five-level T-type power converters for rotating field drives
Renault et al. Current control based on space vector modulation applied to three-phase H-Bridge STATCOM
Renault et al. Analysis of H-Bridge STATCOM with Fault Phase Controlled by Modulated Predictive Current Control

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231012

Address after: Room 2401-241, 24th Floor, No. 988 Dingxi Road, Changning District, Shanghai 200050

Patentee after: XIAERTELA (SHANGHAI) NEW ENERGY TECHNOLOGY Co.,Ltd.

Address before: 200093 No. 516, military road, Shanghai, Yangpu District

Patentee before: University of Shanghai for Science and Technology

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Model predictive optimization control method for photovoltaic power generation systems

Granted publication date: 20220527

Pledgee: Agricultural Bank of China Limited Shanghai Changning Branch

Pledgor: XIAERTELA (SHANGHAI) NEW ENERGY TECHNOLOGY Co.,Ltd.

Registration number: Y2024980010680