基于快速矢量选择的永磁同步电机模型预测控制

有限状态集模型预测控制(FCS-MPC)由于概念简单,易于处理系统约束以及具有优秀的多变量控制能力等优点,近年来在电力电子与电力传动领域的应用吸引了学术界和工业界的广泛关注。基于最小化目标函数的原则,传统FCS-MPC通过枚举法来选择最优电压矢量。由于枚举法需要对所有基本电压矢量作用下的系统动态行为进行预测,因此算法的计算量较大,严重限制了FCS-MPC的实用性。针对这些问题,提出一种改进的模型预测控制算法。通过深入分析矢量选择过程,改进的模型预测控制算法只需一次预测即可选出最优电压矢量,因而显著地降低了算法的复杂度和计算量。在两电平永磁电机实验台上的仿真和实验结果表明所提出的改进模型预测控制算法在较宽的速度范围内均具有良好的控制性能。     

单元机组负荷系统预测函数控制

将基于FIR模型的预测函数控制算法推广到各通道开环渐进稳定多变量系统,为简单起见,针对2输入2输出系统,给出了采用单基函数(阶跃函数)的控制律解析解.考虑控制变量的幅值和速度约束,并将二者统一为速度约束,在线计算简单.将该算法应用到单元机组负荷控制系统中,仿真结果表明,系统具有良好的控制性能和很强的鲁棒性,尤其是,机组特性的变化几乎没有削弱系统的负荷跟踪性能.     

焙烧烟气负压的多变量解耦控制

阳极焙烧烟气负压是一个多变量耦合的控制对象,为实现其精确控制,依据现场实际测得的负压数据,辨识出烟气负压的控制模型,以此模型为初始预测模型,提出了一种多变量预测函数解耦控制算法,对焙烧9个烟道烟气负压进行多变量预测函数解耦控制仿真和实际应用,并与原有PID控制进行了试验比较,表明这种控制方法的控制精度和鲁棒性优于原有的PID控制方法,具有很好的控制效果。     

直流锅炉超超临界机组协调系统多变量预测控制方法

在分析直流锅炉超超临界机组协调控制系统被控对象特点的基础上,得到被控对象传递函数数学结构形式,建立3输入-3输出模型,并将其简化为2输入-2输出模型。采用约束条件下的多变量预测控制算法,提高协调控制系统的控制品质;采用Block模块对约束条件进行简化,提高预测控制算法的计算速度;采用基于滚动窗口的最小二乘法对协调控制系统被控对象实现在线辨识,提高预测控制模型的精度。依据模糊规则建立机组协调控制系统,并以其为非线性研究对象进行了滑压模式下定负荷和变负荷仿真试验。结果表明:采用多变量预测控制算法的控制品质优于传统PID控制,且计算速度是传统预测控制算法的5~6倍。     

三相四桥臂并网逆变器约束模型预测控制EI北大核心CSCD

提出了基于并行神经网络优化的约束模型预测控制（model predictive control,MPC）,应用于光伏并网逆变器中,提高光伏发电并网电能质量。建立了三相四桥臂逆变器的精确模型,分析约束模型预测控制算法的原理,在约束条件中加入输出变量和控制变量的约束,突破有限子集和无约束预测控制方法的限制。将并行神经网络递归优化算法用于求解约束预测控制优化问题中,提高单步优化问题的求解速度。利用FPGA的并行计算能力,在FPGA中运行神经网络在线优化求解,实现预测控制算法的实时运行。实验结果表明：采用该算法的并网逆变器输出电流偏差小,总谐波畸变率小,可以提高并网电能质量,验证了该算法的可行性和有效性。     

火电机组协调控制系统的解耦广义预测控制研究

先进的控制策略能够提高单元火电机组的控制品质。但是,由于机组协调控制存在的多变量强耦合问题,使得常规PID调节器难以达到很好的控制效果。对此,采用解耦广义预测控制算法建立了协调控制系统数学模型。仿真结果表明,基于解耦广义预测控制算法的协调控制系统控制效果明显优于普通广义预测控制系统,具有抗负荷扰动性能,鲁棒性强,适用于具有迟延和其它耦合性较强的系统。     

三相四桥臂并网逆变器约束模型预测控制

提出了基于并行神经网络优化的约束模型预测控制(model predictive control,MPC),应用于光伏并网逆变器中,提高光伏发电并网电能质量。建立了三相四桥臂逆变器的精确模型,分析约束模型预测控制算法的原理,在约束条件中加入输出变量和控制变量的约束,突破有限子集和无约束预测控制方法的限制。将并行神经网络递归优化算法用于求解约束预测控制优化问题中,提高单步优化问题的求解速度。利用FPGA的并行计算能力,在FPGA中运行神经网络在线优化求解,实现预测控制算法的实时运行。实验结果表明:采用该算法的并网逆变器输出电流偏差小,总谐波畸变率小,可以提高并网电能质量,验证了该算法的可行性和有效性。     

基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略

随着风电在电力系统中的大规模接入以及风电渗透率的不断提高,仅依靠传统电源进行频率控制将无法满足系统稳定性要求,亟需风电具有与传统电源协调配合共同参与电力系统频率控制的能力。首先,建立了一个考虑非线性约束的包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的结合拉盖尔函数分布式模型预测控制策略,该策略依据风电预测数据对控制策略预测时域进行滚动优化,形成频率超前控制的优化机制;最后,提出了纳什均衡分解协调在线优化控制算法,解决带约束多变量复杂系统与在线滚动优化求解之间的矛盾。通过算例分析,对所提策略与算法的可行性和有效性进行了验证。     

互联电网负荷频率的多变量约束预测控制器设计及仿真研究

为使互联电网的频率控制具有更好的负荷适应能力,保证电网运行的经济性、稳定性与可靠性,本文提出了无需依赖频率偏差系数、考虑区域调节容量约束、基于互联电网状态空间模型的多变量预测控制器算法设计方案。通过对2个区域电网频率控制系统的建模和仿真,将该预测算法与常规PI调节算法在单、双区域负荷扰动、随机白噪声扰动等方面对系统频率控制动态性能进行了比较,分析结果表明,该预测控制算法可使系统频率的恢复性能显著提高。     

预测控制算法的研究现状及展望

本文简要回顾了预测控制的发展过程，对当前引起控制界广泛重视的几种预测控制算法进行了比较，着重对该领域的热点课题：鲁棒性问题、非线性系统控制、多变量系统控制、实用化问题和综合功能预测控制器的研究现状及发展趋势进行了讨论。     

基于改进广义预测控制的PMSM速度控制

在机器人控制领域中,对永磁同步电机(PMSM)响应的快速性及稳定性要求较高,同时还需要其控制方法有较强的适应性。但传统的PID控制参数只适用于特定场合,应用受到限制。本文结合广义预测控制(GPC)理论与Luenberger观测器,形成一种新的控制方法来对PMSM进行速度闭环控制。该算法与传统GPC算法相比计算量更少,并通过负载转矩观测器对负载扰动进行测量反馈,提高了系统控制性能。仿真及试验结果表明,该算法与PID控制比超调量小,响应速度快,适用于要求较高的工程应用。     

改进的低损耗并网逆变器双矢量模型预测电流控制方法

针对传统单矢量模型预测控制负载电流谐波含量大和多矢量模型预测控制开关频率高、功率损耗大的问题,在给出传统双矢量并网逆变器模型预测电流控制方法的基础上,提出改进的低损耗并网逆变器双矢量模型预测电流控制方法。该方法结合无差拍控制思想计算目标参考电压矢量,以电压矢量为目标函数,并通过优化电压矢量选择,减少了控制算法计算量,降低了负载电流谐波含量、逆变器开关频率和功率损耗,从而提高了并网逆变器的运行效率。通过仿真和实验对比研究了传统单矢量法、传统双矢量法和所提方法的控制效果,并验证了所提方法的有效性。     

动态电压恢复器的模型预测控制

为了提高动态电压恢复器的响应速度和稳态精度,提出了基于模型预测控制的控制策略,详细分析了控制器参数设计方法。在分析动态电压恢复器主电路模型的基础上,采用内环电流控制器对模型进行改进,得出模型预测控制所需的被控对象一步预测模型,设计了模型预测控制器。所提控制算法克服了基于非参数预测模型的模型预测控制由于算法复杂、参数调整困难,计算量大,很难直接应用到电力系统这样的快速实时系统中的问题,同时实现了预测控制滚动优化、反馈校正的优点。在满意的稳定精度下,明显提高了系统的动态响应速度。与经典控制策略的实验对比分析,     

考虑可控负荷的多区域电力系统分布式模型预测负荷频率控制

由于同步发电机的惯性较大,导致传统的集中式负荷频率控制模式反应不够迅速,而用户侧具有快速响应能力的可控负荷资源为系统的频率调节提供了新机遇。研究了考虑用户侧可控负荷资源主动参与系统频率调节的多区域互联电力系统分布式模型预测负荷频率控制问题。通过建立的含可控负荷的多区域互联电力系统负荷频率响应模型及自动发电控制模型,基于连续时域交替方向乘子法和分布式模型预测控制方法,提出了一种用户侧可控负荷资源主动参与的多区域互联电力系统分布式模型预测最优负荷频率控制模型。基于修改的IEEE39节点三区域互联电力系统进行仿真验证,结果表明所提考虑可控负荷的分布式模型预测控制策略可显著减少系统恢复至稳态所需的时间。分布式控制策略的控制自由度更高,增强了系统的可控性。     

矢量集优化的永磁同步电机转矩预测控制

传统三相永磁同步电机有限状态集模型预测控制(Finite Control Set Model Predictive Control,FCS-MPC)采用枚举法遍历所有基本电压矢量,选择最优电压矢量,用以预测下一时刻的转矩和磁链,运算量较大,限制了其实时性。针对以上问题,提出一种优化的模型预测转矩控制算法,该算法由磁链和转矩误差估算期望电压矢量,基于期望电压矢量的位置选择候选电压矢量,减少候选电压矢量的数量,从而提高了算法的实时性,并在Matlab环境下对所提优化算法进行了仿真实验。实验结果表明,该算法与传统FCS-MPC算法相比,系统具有良好控制性能的,同时将运算时间减少了42%,便于工程实现。     

基于扰动观测的永磁同步电机单环预测控制

针对模型预测控制算法应用于永磁同步电机的控制过程中,存在电磁、机械参数变化导致电机模型设定值可能与实际值不匹配或负载扰动等所引起的非线性扰动现象,造成算法存在预测误差进而影响控制系统动态稳定性的问题。提出了一种基于同步旋转坐标系下具有扰动观测器的转速-电流单环模型预测控制方法。首先,根据永磁同步电机的数学模型,设计单环模型预测控制器,进而降低控制器参数整定难度。其次,设计基于卡尔曼滤波算法与无偏模型预测控制方法相结合的扰动观测器,用于反馈补偿控制,通过估计预测量和输出量中的扰动项和状态量,来消除模型不匹配和负载扰动等影响。最后,仿真结果和实验验证均表明,所提出的具有扰动观测的单环模型预测控制方法,改善了电机参数的不确定性和外部扰动所带来的鲁棒性问题。     

级联式双向DC-DC变换器的优化控制方法

级联式双向DC-DC变换器的传统双闭环比例-积分(PI)控制方法存在调节器参数多、整定工作量大等不足,而且受限于PI控制的内在局限性,系统的动态性能不够理想。针对级联式双向DC-DC变换器的实际控制需求,综合考虑传统双闭环PI控制和模型预测控制的各自优势,将二者有机结合,构建了一套折中优化的控制方法,即在第一级双向DC-DC变换器中采用传统双闭环PI控制,而在第二级双向DC-DC变换器中设计并实现改进的模型预测控制策略。将提出的优化控制方法与传统双闭环控制和经典模型预测控制分别进行了仿真和实验比较。结果表明,相对于传统的双闭环控制,采用提出的优化控制方法可以显著改善级联式双向DC-DC变换器的动态性能,而相对于经典的模型预测控制,该优化控制方法运算量减少了45.22%。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

Predictive control of wind turbine for load reduction during ramping events

With increasing penetration of wind power, the impact of its intermittence and volatility on power systems becomes more severe. A predictive control strategy for wind turbines (WTs) is proposed to deal with wind power ramping events and reduce WT load on the blades. The blade load model is based on the Blade Element Momentum (BEM) theory. The generator speed and pitch angle are simultaneously regulated to realize the control objectives. A two-stage optimization is designed in order to reduce the computational complexity. The objectives of the first stage are minimizing the ramping rate and maximizing the power generation. A trade-off is made between the two contradictory objectives by setting weight coefficients. The second stage reduces the WT load and meanwhile guarantees the power reference from the first stage is tracked. Feedback is designed based on neural network prediction to compensate the error of the prediction model. Case studies with a 1.5 MW WT were conducted to demonstrate the efficacy of the proposed predictive control strategy. Simulation results show that the proposed control can reduce the WT load during ramping events and the risk of ramping events.