CN110932309A - 一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 - Google Patents
一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 Download PDFInfo
- Publication number
- CN110932309A CN110932309A CN201911044351.1A CN201911044351A CN110932309A CN 110932309 A CN110932309 A CN 110932309A CN 201911044351 A CN201911044351 A CN 201911044351A CN 110932309 A CN110932309 A CN 110932309A
- Authority
- CN
- China
- Prior art keywords
- current
- value
- control
- inverter
- voltage
- 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 54
- 239000013598 vector Substances 0.000 claims abstract description 90
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 30
- 230000009471 action Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 14
- 230000009977 dual effect Effects 0.000 claims description 8
- 230000001939 inductive effect Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 235000006629 Prosopis spicigera Nutrition 0.000 claims description 2
- 240000000037 Prosopis spicigera Species 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 101150109657 ureF gene Proteins 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- H02M1/00—Details of apparatus for conversion
- H02M1/14—Arrangements for reducing ripples from dc input or output
-
- 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
- H02M7/53871—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 with automatic control of output voltage or current
-
- 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
- H02M1/00—Details of apparatus for conversion
- H02M1/0003—Details of control, feedback or regulation circuits
- H02M1/0025—Arrangements for modifying reference values, feedback values or error values in the control loop of a converter
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
Description
技术领域
本发明涉及逆变器的电流控制技术领域,尤其涉及一种基于ACSF-MPC和PI双模式切换的逆变器控制***及方法。
背景技术
随着新能源发电***以及柔性直流输电(FACTS)装置大量地接入电网,并网逆变器作为桥梁装置,在交流驱动、有源滤波器、静止无功补偿器、电网互联等方面得到了广泛的应用。并网逆变器是将分布式电能传输至电网的重要媒介,实现直流电向交流电的转换功能,是实现可再生能源有效利用的基础,其性能直接影响分布式发电***的可靠性和稳定性。
逆变器常用的控制方式包括电压型控制和电流型控制。由于电压型控制含有大量低次谐波以及动态性能差等缺点,大多数并网逆变器采用电流型控制方法,即将电网看作无限大的电源,其电压和频率不随着并网逆变器的入网电流变化而变化。目前,主流的电流跟踪控制算法主要包括电流滞环控制、滑模控制、线性控制、预测控制和模糊神经网络控制为代表的人工智能控制算法。MPC的主要思想是利用***未来所有可能的动作,预测出***所有可能的输出,然后通过约束条件和性能优化指标等选择未来的最优动作,总体而言是一种最优求解方法。电力电子领域中,控制动作即功率器件的导通和关断,按照开关动作的不同组合,应用于电力电子领域的模型预测控制可以被分为两大类:有限控制集模型预测控制(Finite Control Set Model Predictive Control,简称FCS-MPC)和连续控制集模型预测控制(Continuous Control Set Model Predictive Control,简称CCS-MPC)。FCS-MPC利用功率变换器的有限数量的开关状态特性解决最优控制问题,每个控制周期每个开关状态不变,因此控制动作的总量是有限的,由于每个控制周期内的控制数量有限,得出的不一定是最优解,一个开关周期只选择一组最优开关状态,开关驱动的占空比非零即一,使得输出电流带来纹波。CCS-MPC是在FCS-MPC的控制集中加入时间的元素,使得每个周期开关动作可变。并对其中每个开关状态的作用时间进行控制,使得受控变量沿固定开关周期收敛于参考值。但是上述两种控制方法都没有解决***模型的不准确情况下的优化问题。
当***模型准确时,模型预测控制能实现快速、准确跟踪效果,但是无法消除二倍频波动,这时比例积分控制能够实现电流的无静差跟踪并且在稳态情况下采用双PI控制会变得简单有效。在实际过程中,由于器件工艺、温度、不正常运行状态、故障等不确定因素会给***参数引入难以直接测量的未知偏差,而这些偏差会给***带来周期性扰动,当扰动过大时会影响控制效果,甚至造成***崩溃。如何通过一套有效合理的控制方案去控制逆变器在不同工况下实现并网是亟待解决的问题。
发明内容
针对上述现有技术的不足,本发明提供一种基于ACSF-MPC和PI双模式切换的逆变器控制***及方法。该方法在连续控制集模型预测控制CCS-MPC的基础上做出改进,提出了自适应恒定开关频率模型预测控制(Adaptive constant switching frequency modelpredictive control,ACSF-MPC)。
为解决上述技术问题,本发明所采取的技术方案是:一种基于ACSF-MPC和PI双模式切换的逆变器控制***,该***结构如图1所示,包括:
数据采集模块,用于采集当前时刻逆变器交流侧的电压、电流值和直流侧的电压值;
外环控制模块,将采样到的直流侧电压与给定电压值进行比较,经过PI控制器得到参考电流值;
模式切换模块,将参考电流值和电网侧采样得到的交流侧电流值进行比较,从而确定并选择合适的控制模式;
数据控制模式1,电流内环采用PI控制模式;
数据控制模式2,电流内环采用定频模型预测控制模式;
函数优化模块,对定频模型预测中的电流参考值采用改进模糊补偿,获得虚拟参考电流值的补偿量,反馈给外环控制模块,最后将最优开关序列及其作用时间作为本逆变器控制***的控制信号。
该控制***的控制图如图2所示,采用基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其流程如图3所示,包括如下步骤:
步骤1:采集逆变器交流侧的电压、电流值和直流侧电压值,并通过DSP的均值滤波模块获得交流侧电流量和直流侧电压量;
步骤2:采用电压外环控制;
将直流侧采样得到的电压值和给定电压值作比较,经过PI控制器得到dq坐标系下电流参考值i* dref和i* qref;
令q轴给定电流为零,将直流侧采样得到的电压值和给定值比较并进行PI控制,得到电流内环的d轴给定电流参考值i* dref;
步骤3:对步骤2得到的电流参考值i* dref、i* qref和电网侧采样得到的电流值作比较,如果偏差小于0.5A则电流内环采用PI控制模式,执行步骤4并结束;若偏差大于0.5A则电流内环采用定频模型预测控制模式,执行步骤5;
步骤4:将电流参考值与采样到的电网侧电流值做差,进行PI调节得到逆变器输出电压矢量,通过SVPWM调制单元得到PWM输出波,转到步骤9;
内环采用PI控制为:
其中kp、ki为内环PI控制器的比例系数和积分系数,vd、vq为dq坐标系下逆变器输出电压,id、iq为dq坐标系下逆变器侧采样电流,ed、eq为dq坐标系下并网电压,L为滤波电感,ω为电网频率,s为复频率。
步骤5:将步骤1得到的电流量和电压量上一控制周期获得的***参数带入到定频电流预测模型中,计算出下一控制周期的预测电流值;
为了设计的方便,将三相并网逆变器在两相静止坐标系下的电流、电压经过Clark变换,转化到αβ坐标系下;
计算下一周期的预测电流值:
其中,iα(k)和iβ(k)为αβ坐标系下第k(k=1,2,3…)个控制周期开始时的电网侧的三相采样电流;fαi和fβi(i=1,2,3)是瞬时电流在Clark变换下的增量,ti(i=1,2,3)是所对应逆变器输出电压矢量vi的作用时间;
如果假设在采样间隔期间fαi和fβi是恒定的,则fαi=fαi,k和fβi=fβi,k,其中fαi,k和fβi,k是向量vi的瞬时k的值如下所示:
其中,R为电网侧等值电阻,L为滤波电感,iα、iβ,vα、vβ,eα、eβ分别为αβ坐标系下并网电流,逆变器输出电压,并网侧电压。
步骤6:采用最小二乘优化的方法来定义目标函数,利用求极值的方法获得目标函数最小值时的3个输出电压矢量的作用时间,并采用改进的寻优策略来求得扇区的电压矢量值;
有限集模型预测控制的代价函数为电流预测值与电流参考值差的平方,对于定频模型预测控制,采用相似的性能优化指标,定义性能优化评价函数为:
J=(E'α)2+(E'β)2
评价函数J值越小表示k+1时刻的输出电流和参考电流的偏差越小,利用求极值的方法,可得目标函数取最小值时3个输出电压矢量的作用时间:
其中,分别为扇区的中心矢量在αβ坐标系下的值,vα0、vβ0为零矢量v0在αβ坐标系下的值对应的电压矢量;vαi、vβi和vα(i+1)、vβ(i+1)分别为vi和v(i+1)两个扇区相邻的电压矢量在αβ坐标系下的值对应的电压矢量;
步骤7:采用改进的模糊补偿获得的虚拟参考电流值来作为外环PI输出的电流参考值的补偿量;
步骤7.1:采用二维模糊控制器,将k时刻电感电流误差wk以及误差变化率wk-wk-1作为二维模糊控制器的输入,得到模糊控制输出量Δw;为防止误差淹没对误差取平方,然后将过去的2n个输出量储存在DSP中,作为获得虚拟参考电流补偿量和权重系数M的数据库;
首先将模糊控制输出量的历史数据储存在DSP中,求得近2n次的数据为:
Δw2=[Δw2(k-2n) Δw2(k-2n+1) ... Δw2(k-1)]
最后n次采样的虚拟参考电流的变化为:
Δiref=[Δiref(k-n) Δiref(k-n+1) ... Δiref(k-1)]
步骤7.2:采用线性拟合的方法对***进行建模,得到虚拟参考的公式为:
其中MT=[M1 M2 … Mn]表示虚拟参考电流变化的误差的权重因子;
然后可以得到:
步骤7.3:用最新的一组误差数据[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T和虚拟参考电流变化Δiref(k)误差代替步骤7.2所述权重因子M公式中的[Δw2(k-2n) w2(k-2n+1)... Δw2(k-n-1)]T和Δiref(k-n),从而得到最新迭代的权重因子M;
步骤7.4:通过将权重因子M与[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T相乘得到虚拟参考Δiref(k)表示为:
Δiref(k)=M[Δw2(k-n) Δw2(k-n+1) ... Δw2(k-1)]T
将得到αβ的坐标系下的电网侧第k+1次采样的电感电流参考值代入步骤6中,用于更新电流参考值,即进行模型预测控制。
步骤8:根据最小开关损耗原则,采用零矢量集中的实现方法,即SVPWM的5电平中电压矢量的分配原则得到调制信号对逆变器的开关管进行控制,转到步骤9;
步骤9:将输出的结果即控制信号作用到逆变器的开关管上。
采用上述技术方案所产生的有益效果在于:
1、本发明采用双模式切换,可以在稳态时对***实现无静差调节,同时在动态调节时采用定频模型预测,实现了快速响应;
3、本发明在控制过程中,通过采用改进的模糊补偿获得的虚拟参考电流误差补偿值,来作为外环PI输出的电流参考值的补偿量,改善了周期性扰动和电流纹波的问题,同时针对计算过程中存在误差淹没的问题,采取将误差取平方再加权的改进方法来实现补偿值对参考值精确补偿。
附图说明
图1为本发明一种基于ACSF-MPC和PI双模式切换的逆变器控制***结构图;
图2为本发明一种基于ACSF-MPC和PI双模式切换的逆变器控制***的***控制图;
图3为本发明采用基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法流程图;
图4为本发明三相两电平并网逆变器带阻感负载图;
图5为本发明三相两电平并网逆变器8个开关状态和电压对应的αβ坐标系下的空间矢量图;
图6为本发明参考电压矢量所在位置不同开关切换顺序对应的三相波形图;
(a)UREF所在的位置为Ⅰ区(0°≤θ≤60°);
(b)UREF所在的位置为Ⅱ区(60°≤θ≤120°);
(c)UREF所在的位置为Ⅲ区(120°≤θ≤180°);
(d)UREF所在的位置为Ⅳ区(180°≤θ≤240°);
(e)UREF所在的位置为Ⅴ区(240°≤θ≤300°);
(f)UREF所在的位置为Ⅵ区(300°≤θ≤360°);
图7为本发明三相并网逆变器带未知阻感并网图;
图8为本发明电压矢量序列作用下的电流变化图;
(a)iα的变化情况;
(b)iβ的变化情况;
其中,——为输出电流,-----为参考电流。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,一种基于ACSF-MPC和PI双模式切换的逆变器控制***,包括:
数据采集模块,用于采集当前时刻逆变器交流侧的电压、电流值和直流侧的电压值;
外环控制模块,将采样到的直流侧电压与给定电压值进行比较经过PI控制器得到参考电流值;
模式切换模块,将参考电流值和电网侧采样得到的交流侧电流值进行比较,从而确定并选择合适的控制模式;
数据控制模块1,电流内环采用PI控制模式;
数据求解模块2,电流内环采用定频模型预测控制模式;
函数优化模块,对定频模型预测中的电流参考值采用改进模糊补偿,获得虚拟参考电流值的补偿量,反馈给外环控制模块,最后将最优开关序列及其作用时间作为本逆变器控制***的控制信号。
如图4所示,三相并网逆变器的拓扑由输入直流源、三相逆变桥、输出滤波器、交流电网四部分组成。Vdc为直流母线电压,Q1~Q6表示6个含反并联二极管的绝缘栅晶体管(IGBT),ia、ib、ic为逆变器的并网电流,va、vb、vc为逆变器的三相逆变桥输出电压,ea、ea、ea为三相并网电压,L为电网侧滤波电感,R为逆变回路的等效串联阻抗,且L、R即为预测模型参数。
本实施例采用的是L型滤波器,其他形式的滤波器同样适用,由图4得三相并网逆变器的基本电压方程为:
通过电压幅值不变的Clark变换,可得三相并网逆变器在两相静止坐标系下的数学模型为:
其中,v为逆变器输出电压矢量;e为电网电压矢量;i为输出电流矢量。
采用基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其流程如图2所示,包括如下步骤:
步骤1:采集逆变器交流侧的电压、电流值和直流侧电压值,并通过DSP的均值滤波模块获得交流侧电流量和直流侧电压量;
步骤2:采用电压外环控制;
将直流侧采样得到的电压值和给定电压值作比较,经过PI控制器得到dq坐标系下电流参考值i* dref和i* qref;
令q轴给定电流为零,将直流侧采样得到的电压值和给定值比较并进行PI控制,得到电流内环的d轴给定电流参考值i* dref;
步骤3:对步骤2得到的电流参考值i* dref、i* qref和电网侧采样得到的电流值作比较,如果偏差小于0.5A则电流内环采用PI控制模式,执行步骤4并结束;若偏差大于0.5A则电流内环采用定频模型预测模式,执行步骤5;
步骤4:将电流参考值与采样到的电网侧电流值做差,进行PI调节得到逆变器输出电压矢量,通过SVPWM调制单元得到PWM输出波,转到步骤9;
内环采用PI控制为:
其中,kp、ki为内环PI控制器的比例系数和积分系数,vd、vq为dq坐标系下逆变器输出电压,id、iq为dq坐标系下逆变器侧采样电流,ed、eq为dq坐标系下并网电压,L为滤波电感,ω为电网频率,s为复频率。
步骤5:将步骤1得到的电流量和电压量上一控制周期获得的***参数带入到定频电流预测模型中,计算出下一控制周期的预测电流值;
为了设计的方便,将三相并网逆变器在两相静止坐标系下的电流、电压经过Clark变换,转化到αβ坐标系下;
计算下一周期的预测电流值:
其中,iα(k)和iβ(k)为αβ坐标系下第k(k=1,2,3…)个控制周期开始时的电网侧的三相采样电流;fαi和fβi(i=1,2,3)是瞬时电流在Clark变换下的增量,ti(i=1,2,3)是所对应逆变器输出电压矢量vi的作用时间;
如果假设在采样间隔期间fαi和fβi是恒定的,则fαi=fαi,k和fβi=fβi,k,其中fαi,k和fβi,k是向量vi的瞬时k的值如下所示:
其中,R为电网侧等值电阻,L为滤波电感,iα、iβ,vα、vβ,eα、eβ分别为αβ坐标系下并网电流,逆变器输出电压,并网侧电压。
步骤6:采用最小二乘优化的方法来定义目标函数,利用求极值的方法获得目标函数最小值时的3个输出电压矢量的作用时间,并采用改进的寻优策略来求得扇区的电压矢量值;
有限集模型预测控制的代价函数为电流预测值与电流参考值差的平方,对于定频模型预测控制,采用相似的性能优化指标,定义性能优化评价函数为:
J=(E'α)2+(E'β)2
评价函数J值越小表示k+1时刻的输出电流和参考电流的偏差越小,利用求极值的方法,可得目标函数取最小值时3个输出电压矢量的作用时间:
如果直接按照上述步骤采用遍历式的寻优方法,需要对每组开关序列进行计算,大大增加了求解最优开关序列作用时间的计算量,因此采用改进的寻优策略来求得扇区的电压矢量值;
可以通过对目标电压矢量所在的扇区以寻优的方式进行定位,然后再利用最近的电压矢量序列来调整3个电压矢量的作用时间。根据三角形的余弦定理,从几何关系可以得出扇区Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ的中心矢量经Clark变换为:
其中,分别为扇区的中心矢量在αβ坐标系下的值,vα0、vβ0为零矢量v0在αβ坐标系下的值对应的电压矢量;vαi、vβi和vα(i+1)、vβ(i+1)分别为vi和v(i+1)两个扇区相邻的电压矢量在αβ坐标系下的值对应的电压矢量;
对于三相并网逆变器带普通阻感负载情况下,由于制造工艺、不正常工作状态、特殊温度等原因,会给电阻电感的数值;带来无法测量的偏差,模型失配会进一步增加模型误差,考虑到这些不确定扰动,如图7所示,ΔR和ΔL表示电阻和电感参数的位置偏差。采用误差补偿控制来对此进行消除。
步骤7:采用改进的模糊补偿获得的虚拟参考电流值来作为外环PI输出的电流参考值的补偿量;
步骤7.1:采用二维模糊控制器,将k时刻电感电流误差wk以及误差变化率wk-wk-1作为二维模糊控制器的输入,得到模糊控制输出量Δw;
wc(k)=wk(k)-wk(k-1)
为提高控制器的控制精度,将输入量与输入量在论域区间上的模糊子集均定义为{负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB)}7个语言值。
对输入及输出进行模糊化,建立模糊子集:
wk={NB NS ZO PS PB}
wc={P O N}
Δw={NB NM NS ZO PS PM PB}
为确保各变量的基本论域均能较好地被模糊覆盖,设定输入量与输出量地论域为:
wk={-10 -5 0 5 10}
wc={-5 -3 03 5}
Δw={-2 -1.5 -1 -0.5 0 0.5 1 1.5 2}
作为模糊控制的核心,建立合理有效的规则显得尤为重要,模糊控制规则表如表2所述,规则如下:
1)当误差为正的较大值且误差变化率为正值时,输出应为较大正值,以尽快减小误差;
2)当误差为正的较大值但误差变化率为负值时,输出应为较小正值或为0。
表2为模糊控制器规则表
在实行模糊控制时,将许多控制规则进行上述推论演算,然后结合各个由演算得到的推论结果获得控制输出;为了求得受控***的输出,必须将模糊集合解模糊化,解模糊的方法采用面积重心法,得到模糊控制输出量Δw。
为防止误差淹没对误差取平方,然后将过去的2n个模糊控制输出量Δw存在DSP中,作为获得虚拟参考电流补偿量和权重因子M的数据库;
首先将模糊控制输出量的历史数据储存在DSP中,求得近2n次的数据为:
Δw2=[Δw2(k-2n) Δw2(k-2n+1) ... Δw2(k-1)]
最后n次采样的虚拟参考电流的变化为:
Δiref=[Δiref(k-n) Δiref(k-n+1) ... Δiref(k-1)]
步骤7.2:采用线性拟合的方法对***进行建模,得到虚拟参考的公式为:
其中MT=[M1 M2 … Mn]表示虚拟参考电流变化的误差的权重因子;
然后可以得到:
步骤7.3:用最新的一组误差数据[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T和虚拟参考电流变化Δiref(k)误差代替步骤7.2所述权重因子M公式中的[Δw2(k-2n) w2(k-2n+1)... Δw2(k-n-1)]T和Δiref(k-n),从而得到最新迭代的权重因子M;
步骤7.4:通过将权重因子M与[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T相乘得到虚拟参考Δiref(k)表示为:
Δiref(k)=M[Δw2(k-n) Δw2(k-n+1) ... Δw2(k-1)]T
将得到αβ的坐标系下的电网侧第k+1次采样的电感电流参考值代入步骤6中,用于更新电流参考值,即进行模型预测控制。
步骤8:根据最小开关损耗原则,采用零矢量集中的实现方法,即SVPWM的5电平中电压矢量的分配原则得到调制信号对逆变器的开关管进行控制,转到步骤9;
步骤9:将输出的结果即控制信号作用到逆变器的开关管上。
以电流控制为目标,在模型预测电流直接控制为研究方向时,使得预测最优开关序列控制在一个开关周期内选择3个开关状态组成一个开关序列,并控制每个开关周期的作用时间。两电平并网逆变器的8个开关状态对应的空间矢量图如图5(a)所示。
为了减少开关次数和谐波含量,根据最小开关损耗原则,采用零矢量集中的方法,最后采用5段式的SVPWM,使得每个开关周期只有3次开关状态切换,同时谐波含量不会太大。参考矢量电压UREF所在的位置和开关切换顺序对照序如表1所示。
表1 UREF所在的位置和开关切换顺序对照序
根据上述原理,图8给出了理想情况下,在一个采样周期内输出电压矢量序列作用时输出电流iα和iβ的变化情况,输出电流iα的变化情况如图8(a)所示,输出电流iβ的变化情况如图8(b)所示。
在选择开关序列最优控制中,从图8可以看出开关序列对应的输出电压矢量序列既包含了可使iα增大的电压矢量,也同样包含了使其减少的电压矢量,同样iβ也是满足此情况。保证了一个周期以后在k+1与k时刻之间的变换和采样得到的实际电流变化接近。根据5段式的SVPWM,在3次开关状态切换时,只需要动作一个桥臂的状态。这时候只需要根据步骤6计算得到的三个电压矢量vi的换向时刻t1,t2,t3,其中i∈{1,2,3},就能实现对并网逆变器的动稳态控制。
Claims (7)
1.一种基于ACSF-MPC和PI双模式切换的逆变器控制***,其特征在于包括:
数据采集模块,用于采集当前时刻逆变器交流侧的电压、电流值和直流侧的电压值;
外环控制模块,将采样到的直流侧电压与给定电压值进行比较,经过PI控制器得到参考电流值;
模式切换模块,将参考电流值和电网侧采样得到的交流侧电流值进行比较,从而确定并选择合适的控制模式;
数据控制模块1,电流内环采用PI控制模式;
数据控制模块2,电流内环采用定频模型预测控制模式;
函数优化模块,对定频模型预测中的电流参考值采用改进模糊补偿,获得虚拟参考电流值的补偿量,反馈给外环控制模块,最后将最优开关序列及其作用时间作为本逆变器控制***的控制信号。
2.采用权利要求1所述的基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其特征在于包括如下步骤:
步骤1:采集逆变器交流侧的电流值和直流侧电压值,并通过DSP的均值滤波模块获得交流侧电流量和直流侧电压量;
步骤2:采用电压外环控制;
将直流侧采样得到的电压值和给定电压值作比较,经过PI控制器得到dq坐标系下电流参考值i* dref和i* qref;
步骤3:对步骤2得到的电流参考值i* dref、i* qref和电网侧采样得到的电流值作比较,如果偏差小于0.5A则电流内环采用PI控制模式,执行步骤4并结束;若偏差大于0.5A则电流内环采用定频模型预测控制模式,执行步骤5;
步骤4:将电流参考值与采样到的电网侧电流值做差,进行PI调节得到逆变器输出电压矢量,通过SVPWM调制单元得到PWM输出波,转到步骤9;
步骤5:将步骤1得到的电流量和电压量和上一控制周期获得的***参数带入到定频电流预测模型中,计算出下一控制周期的预测电流值;
步骤6:采用最小二乘优化的方法来定义目标函数,利用求极值的方法获得目标函数最小值时的3个输出电压矢量的作用时间,并采用改进的寻优策略来求得扇区的电压矢量值;
步骤7:采用改进的模糊补偿获得的虚拟参考电流值来作为外环PI输出的电流参考值的补偿量;
步骤8:根据最小开关损耗原则,采用零矢量集中的实现方法,即SVPWM的5电平中电压矢量的分配原则得到调制信号对逆变器的开关管进行控制,转到步骤9;
步骤9:将输出的结果即控制信号作用到逆变器的开关管上。
5.根据权利要求2所述的基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其特征在于所述步骤5的过程如下:
为了设计的方便,将三相并网逆变器在两相静止坐标系下的电流、电压经过Clark变换,转化到αβ坐标系下;
计算下一周期的预测电流值:
其中,iα(k)和iβ(k)为αβ坐标系下第k(k=1,2,3…)个控制周期开始时的电网侧的三相采样电流;fαi和fβi(i=1,2,3)是瞬时电流在Clark变换下的增量,ti(i=1,2,3)是所对应逆变器输出电压矢量vi的作用时间;
如果假设在采样间隔期间fαi和fβi是恒定的,则fαi=fαi,k和fβi=fβi,k,其中fαi,k和fβi,k是向量vi的瞬时k的值如下所示:
其中,R为电网侧等值电阻,L为滤波电感,iα、iβ,vα、vβ,eα、eβ分别为αβ坐标系下并网电流,逆变器输出电压,并网侧电压。
6.根据权利要求2所述的基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其特征在于所述步骤6的过程如下:
有限集模型预测控制的代价函数为电流预测值与电流参考值差的平方,对于定频模型预测控制,采用相似的性能优化指标,定义性能优化评价函数为:
J=(E'α)2+(E'β)2
评价函数J值越小表示k+1时刻的输出电流和参考电流的偏差越小,利用求极值的方法,可得目标函数取最小值时3个输出电压矢量的作用时间:
其中,分别为扇区的中心矢量在αβ坐标系下的值,vα0、vβ0为零矢量v0在αβ坐标系下的值对应的电压矢量;vαi、vβi和vα(i+1)、vβ(i+1)分别为vi和v(i+1)两个扇区相邻的电压矢量在αβ坐标系下的值对应的电压矢量;
7.根据权利要求2所述的基于ACSF-MPC和PI双模式切换的逆变器控制***进行逆变器控制的方法,其特征在于所述步骤7的过程如下:
步骤7.1:采用二维模糊控制器,将k时刻电感电流误差wk以及误差变化率wk-wk-1作为二维模糊控制器的输入,得到模糊控制输出量Δw;为防止误差淹没对误差取平方,然后将过去的2n个输出量储存在DSP中,作为获得虚拟参考电流补偿量和权重系数M的数据库;
首先将模糊控制输出量的历史数据储存在DSP中,求得近2n次的数据为:
Δw2=[Δw2(k-2n) Δw2(k-2n+1) ... Δw2(k-1)]
最后n次采样的虚拟参考电流的变化为:
Δiref=[Δiref(k-n) Δiref(k-n+1) ... Δiref(k-1)]
步骤7.2:采用线性拟合的方法对***进行建模,得到虚拟参考的公式为:
其中MT=[M1 M2 … Mn]表示虚拟参考电流变化的误差的权重因子;
然后可以得到:
步骤7.3:用最新的一组误差数据[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T和虚拟参考电流变化Δiref(k)误差代替步骤7.2所述权重因子M公式中的[Δw2(k-2n) w2(k-2n+1) ...Δw2(k-n-1)]T和Δiref(k-n),从而得到最新迭代的权重因子M;
步骤7.4:通过将权重因子M与[Δw2(k-n) w2(k-n+1) ... Δw2(k-1)]T相乘得到虚拟参考Δiref(k)表示为:
Δiref(k)=M[Δw2(k-n) Δw2(k-n+1) ... Δw2(k-1)]T
将得到αβ的坐标系下的电网侧第k+1次采样的电感电流参考值代入步骤6中,用于更新电流参考值,即进行模型预测控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911044351.1A CN110932309A (zh) | 2019-10-30 | 2019-10-30 | 一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911044351.1A CN110932309A (zh) | 2019-10-30 | 2019-10-30 | 一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110932309A true CN110932309A (zh) | 2020-03-27 |
Family
ID=69849899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911044351.1A Pending CN110932309A (zh) | 2019-10-30 | 2019-10-30 | 一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110932309A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112910348A (zh) * | 2021-01-26 | 2021-06-04 | 西安交通大学 | 一种基于模型预测控制的平行结构频谱优化方法与*** |
CN113098353A (zh) * | 2021-05-24 | 2021-07-09 | 广东美芝制冷设备有限公司 | 基于变频器的脉宽调制方法、装置、变频器及存储介质 |
CN113991739A (zh) * | 2021-11-05 | 2022-01-28 | 福州大学 | 一种并网逆变器简化矢量定频预测电流控制方法 |
CN114243788A (zh) * | 2021-12-29 | 2022-03-25 | 河北工业大学 | 基于Lyapunov准则的逆变器模型预测控制大信号稳定性方法 |
CN114256874A (zh) * | 2021-12-16 | 2022-03-29 | 云南电网有限责任公司电力科学研究院 | 一种t型逆变器快速有限集模型预测控制方法 |
CN114362548A (zh) * | 2021-12-20 | 2022-04-15 | 中国矿业大学 | 一种双级式矩阵变换器最优开关序列模型预测控制算法 |
CN114865938A (zh) * | 2022-05-27 | 2022-08-05 | 华侨大学 | 一种复合自抗扰和矢量控制的逆变器电压控制方法及装置 |
CN114944777A (zh) * | 2022-06-06 | 2022-08-26 | 河南科技大学 | 基于改进模型预测控制的并网逆变器控制方法 |
CN115459335A (zh) * | 2022-11-09 | 2022-12-09 | 四川大学 | 一种提高直流微电网稳定性的逆变器模型预测控制方法 |
WO2024138849A1 (zh) * | 2022-12-29 | 2024-07-04 | 苏州大学 | 基于最优切换序列模型的逆变器预测控制方法 |
CN114865938B (zh) * | 2022-05-27 | 2024-07-26 | 华侨大学 | 一种复合自抗扰和矢量控制的逆变器电压控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170047862A1 (en) * | 2014-04-30 | 2017-02-16 | Hunan University | Steady state control method for three-phase double-mode inverter |
CN106788027A (zh) * | 2016-12-16 | 2017-05-31 | 华中科技大学 | 一种基于最优二矢量组合的模型预测控制方法及*** |
CN107453627A (zh) * | 2017-08-31 | 2017-12-08 | 华南理工大学 | 一种有限集模型预测控制的定频控制方法 |
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 |
CN108631591A (zh) * | 2018-05-11 | 2018-10-09 | 西安理工大学 | 一种双向dc-dc变换器预测电流的控制方法 |
-
2019
- 2019-10-30 CN CN201911044351.1A patent/CN110932309A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170047862A1 (en) * | 2014-04-30 | 2017-02-16 | Hunan University | Steady state control method for three-phase double-mode inverter |
CN106788027A (zh) * | 2016-12-16 | 2017-05-31 | 华中科技大学 | 一种基于最优二矢量组合的模型预测控制方法及*** |
CN107453627A (zh) * | 2017-08-31 | 2017-12-08 | 华南理工大学 | 一种有限集模型预测控制的定频控制方法 |
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 |
CN108631591A (zh) * | 2018-05-11 | 2018-10-09 | 西安理工大学 | 一种双向dc-dc变换器预测电流的控制方法 |
Non-Patent Citations (1)
Title |
---|
杨惠 等: "基于开关序列的光伏储能双向DC-DC 变换器预测电流控制方法", 《电网技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112910348B (zh) * | 2021-01-26 | 2022-06-07 | 西安交通大学 | 一种基于模型预测控制的平行结构频谱优化方法与*** |
CN112910348A (zh) * | 2021-01-26 | 2021-06-04 | 西安交通大学 | 一种基于模型预测控制的平行结构频谱优化方法与*** |
CN113098353A (zh) * | 2021-05-24 | 2021-07-09 | 广东美芝制冷设备有限公司 | 基于变频器的脉宽调制方法、装置、变频器及存储介质 |
CN113991739A (zh) * | 2021-11-05 | 2022-01-28 | 福州大学 | 一种并网逆变器简化矢量定频预测电流控制方法 |
CN114256874B (zh) * | 2021-12-16 | 2023-11-17 | 云南电网有限责任公司电力科学研究院 | 一种t型逆变器快速有限集模型预测控制方法 |
CN114256874A (zh) * | 2021-12-16 | 2022-03-29 | 云南电网有限责任公司电力科学研究院 | 一种t型逆变器快速有限集模型预测控制方法 |
CN114362548A (zh) * | 2021-12-20 | 2022-04-15 | 中国矿业大学 | 一种双级式矩阵变换器最优开关序列模型预测控制算法 |
CN114362548B (zh) * | 2021-12-20 | 2023-10-13 | 中国矿业大学 | 一种双级式矩阵变换器最优开关序列模型预测控制算法 |
CN114243788A (zh) * | 2021-12-29 | 2022-03-25 | 河北工业大学 | 基于Lyapunov准则的逆变器模型预测控制大信号稳定性方法 |
CN114243788B (zh) * | 2021-12-29 | 2023-11-21 | 河北工业大学 | 基于Lyapunov准则的逆变器模型预测控制大信号稳定性方法 |
CN114865938A (zh) * | 2022-05-27 | 2022-08-05 | 华侨大学 | 一种复合自抗扰和矢量控制的逆变器电压控制方法及装置 |
CN114865938B (zh) * | 2022-05-27 | 2024-07-26 | 华侨大学 | 一种复合自抗扰和矢量控制的逆变器电压控制方法及装置 |
CN114944777A (zh) * | 2022-06-06 | 2022-08-26 | 河南科技大学 | 基于改进模型预测控制的并网逆变器控制方法 |
CN114944777B (zh) * | 2022-06-06 | 2024-03-26 | 河南科技大学 | 基于改进模型预测控制的并网逆变器控制方法 |
CN115459335A (zh) * | 2022-11-09 | 2022-12-09 | 四川大学 | 一种提高直流微电网稳定性的逆变器模型预测控制方法 |
CN115459335B (zh) * | 2022-11-09 | 2023-03-24 | 四川大学 | 一种提高直流微电网稳定性的逆变器模型预测控制方法 |
WO2024138849A1 (zh) * | 2022-12-29 | 2024-07-04 | 苏州大学 | 基于最优切换序列模型的逆变器预测控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110932309A (zh) | 一种基于acsf-mpc和pi双模式切换的逆变器控制***及方法 | |
CN107317490B (zh) | 一种基于三相Vienna整流器的无差拍预测直接功率控制方法 | |
CN106953535B (zh) | 一种pfc ac/dc变换器的无模型功率控制方法 | |
CN105552959B (zh) | 基于扩张状态观测器的三相并网整流器预测直接功率控制方法 | |
CN110021960B (zh) | 一种基于模型预测控制的孤岛微电网电压频率控制方法 | |
CN103036460A (zh) | 一种三电平电压源型变换器模型预测控制方法 | |
CN109638863B (zh) | 基于双重偏差补偿控制算法的多功能储能变流器设计方法 | |
CN113285481B (zh) | 并网变流器电感参数在线估计方法、预测控制方法及*** | |
CN111162684B (zh) | 一种三相电压型pwm整流器无电压传感器功率预测控制方法 | |
CN110768280A (zh) | 一种并网逆变电流控制方法 | |
CN104811069A (zh) | 一种模块化多电平逆变器的预测控制方法 | |
Liu et al. | Extended state observer based interval type-2 fuzzy neural network sliding mode control with its application in active power filter | |
CN112688307A (zh) | 一种交直流混合微电网控制器及控制方法 | |
CN110365230B (zh) | 一种三相电压型pwm整流器直接功率控制装置 | |
CN108347190A (zh) | 一种基于模块化多电平变换器结构的快速预测方法 | |
CN113411002B (zh) | 一种基于极限学习机的滑模变结构的单相逆变器控制***及方法 | |
Zhou et al. | Hybrid prediction-based deadbeat control for a high-performance shunt active power filter | |
Fei et al. | Chebyshev Fuzzy Neural Network Super-Twisting Terminal Sliding-Mode Control for Active Power Filter | |
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 | |
Wang et al. | Control of input current harmonics and output voltage of three-phase voltage source PWM rectifier using Model Predictive Control | |
CN113726202A (zh) | 一种pwm整流器的模型预测控制策略 | |
CN113992042B (zh) | 一种应用于三相并网逆变器的定频模型预测控制方法 | |
Li et al. | Adaptive model predictive control for PUC grid-connected inverter system with inaccurate parameters | |
CN117039977B (zh) | 一种基于预测控制条件下的模糊超螺旋滑模观测器电感辨识方法 | |
CN114362548B (zh) | 一种双级式矩阵变换器最优开关序列模型预测控制算法 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240524 |