级联多电平逆变器有限控制集模型预测控制

针对传统级联多电平逆变器的有限控制集模型预测控制（FCS-MPC）计算量随电平数增加而指数增长的缺点,本文提出了改进的级联多电平逆变器FCS-MPC控制算法。首先,分析级联多电平逆变器的数学模型,探讨了FCS-MPC控制策略在级联多电平上的应用原理,在传统FCS-MPC控制的基础上,对电流进行延时补偿、反馈补偿及参考电流校正,提高了系统的跟踪特性和减少了电流谐波畸变率;其次,将复杂分区内电压矢量的追踪计算简化至在单一分区内进行,优化开关冗余状态,减少计算量。最后搭建了MATLAB仿真实验,与传统FCS-MPC算法对比分析,证明了此方法的正确性和优越性。     

电动汽车双向充电桩有限集模型预测控制研究

为提高电动汽车双向充电桩并网电流质量和抗干扰能力,并抑制其电流谐波,结合模型预测控制特性分析,提出了电动汽车双向充电桩的有限控制集模型预测控制(FCS-MPC)方法。首先,在同步旋转坐标系下建立了变流器的离散数学模型。然后,在传统模型预测控制基础上设计了输出电流的(k+2)时刻预测值,再将预测值和采样时刻的电流误差以及直流(DC)母线电压的误差作为价值函数的控制因子,寻求价值函数的最小解,以达到最优控制效果。仿真结果表明,相比传统比例积分(PI)前馈控制策略,FCS-MPC有效提高了DC母线电压的稳定性和抗干扰性,并将网侧电流控制在更低的总谐波失真水平下。考虑到组成价值函数控制因子的电压、电流、开关频率等物理量直观且易于采集,FCS-MPC方法可推广应用于同类的电力电子变换器。     

基于有限控制集的永磁同步电机模型预测控制方法

近年来,模型预测控制作为一种优化控制算法,被广泛应用于电机控制领域。其中,永磁同步电机的模型预测控制越来越受到关注。永磁同步电机预测控制主要使用的是基于有限控制集的模型预测控制策略。该方法在确定下一时刻的开关状态时,通常需要遍历所有的开关组合,因而计算量较大,影响实时控制的效果。对此,可以应用一种扇区划分法,通过求出期望电压矢量所在的扇区,进而减少算法在选择开关上需要遍历的开关组合数量。扇区划分法显著降低了有限控制集模型预测控制的计算量。但在同样试验条件下,控制效果相比传统的遍历法较差。使用一种基于最小二乘法的控制策略,可以方便最佳开关状态的选取。通过仿真实例,对几种有限控制集模型预测控制策略的稳态性能与计算量进行了对比。仿真结果表明,在相同试验条件下,最小二乘法的控制效果要优于扇区法。     

带LC滤波器的UPS三电平NPC逆变器改进模型预测控制

在UPS系统中,逆变器输出电压波形的质量决定了系统的性能,而总谐波失真(THD)是决定电压波形质量的重要因素.由于UPS逆变器输出端一般直接与负载相连,因此,在输出端加入LC滤波器可以有效改善电压波形,产生谐波失真较低的正弦电压.针对该逆变器结构,文章提出一种改进模型预测控制来解决传统有限集模型预测控制(FCS-MPC...     

基于时域信号的三电平逆变器复合故障诊断

针对NPC型三电平逆变器出现的单相单管和多管复合故障诊断问题,在对各类故障机理进行分析的基础上,根据故障后桥臂电压输出信号在时域的变化规律,引入新的故障特征变量,继而提出10个故障特征判据来提取故障特征信息,从而建立相应的故障特征向量表,基于此对不同故障类型进行诊断,并通过Matlab进行了仿真验证。仿真结果表明,该方法能够有效提取故障特征信息,并能对故障类型和器件进行较为准确的诊断与定位。     

单芯片三电平逆变器控制脉冲的产生

分析三电平逆变器的控制原理,提出采用单个TMS320LF2407芯片产生PWM控制脉冲的新方法,并以一个矢量的合成对产生方法作了详细介绍,通过实验证实了结果是正确的。     

三电平逆变器矢量控制合成方法探讨

本文首先分别介绍了三电平逆变器拓扑的基本工作原理及其空间矢量脉宽调制和异步电机动态数学模型下的矢量控制方法。并在此基础上对异步电机矢量控制与三电平之间的接口进行了讨论,主要对矢量所落扇区及小三角形区域判断、参考电压矢量的合成进行了讨论,并给出了仿真结果。     

面向预测控制的有限阶跃响应模型辨识

本文针对工业预测控制软件开发中所需有限阶跃响应模型辨识问题,给出了一种辨识算法．该法包含数据坏值的标识与插值、数据滤波、辨识案件分组、积分型输出的处理,适合实际软件开发与工程实现．在模型的计算环节,本 文采用经典的最小二乘辨识方法和递增的惩罚因子．本文的主要贡献是将稳定型输出和积分型输出统一处理,采用增量数据辨识和增量算法,与实际应用的动态矩阵控制技术完全吻合．仿真算例验证了本文算法的有效性．     

基于时域有限差分法的IBIS模型修正

针对高速电路设计中IBIS模型仿真精度较差问题,将时域有限差分算法与IBIS模型相结合。通过实验对高速PCB设计中常见的结构(完整接地面、狭缝和过孔)进行了信号完整性分析,结合时域有限差分法改进的波形、speed2000仿真波形与实际测量的波形三者之间的比较,结果表明该修正算法可以显著提高仿真模型的准确度,达到提高设计成功率,缩短研发周期,降低成本的功效。     

MIS中的时域控制模型

本文设计了一种简洁通用的时域控制模型，给出了该模型的设计思想、数据结构和实现方法，使MIS开发中许多与时间相关的重要问题迎刃而解。     

三相并网逆变器的鲁棒模型预测电流控制

模型预测控制因具有概念简单、动态响应快、跟踪性能良好等优点,在电力电子领域得到广泛应用。模型预测控制在实际应用中存在参数失配的情况,易产生预测电流误差,因此提出一种基于扩张状态观测器的鲁棒模型预测控制策略。首先,以采用LCL滤波器的并网电压源逆变器为研究对象,利用加权平均电流将LCL滤波系统的传递函数由三阶降为一阶,简化模型预测控制的预测模型;然后,以加权平均电流为控制目标间接控制并网电流。仿真结果表明,基于扩张状态观测器的模型预测电流控制具有良好的动态和稳态性能,同时在解决参数失配方面具有较好的系统鲁棒性。     

基于三电平逆变器的直接转矩控制研究

研究异步电动机直接转矩控制调速系统的基本组成和工作原理,提出三电平逆变器的直接转矩控制的方案。直接转矩控制系统采用结构简单,受参数影响小的u—i模型作为磁链观测模型,提高了定子磁链观测的精确度。通过MATLAB／SIMULINK构建仿真模型,结果表明DTC系统具有动态响应速度快、精度高、易于实现等特点,仿真实验验证在该模型下的三电平逆变器直接转矩控制有良好动静态性能。     

五电平逆变器双波段SHEPWM控制方法研究

将能拓宽多电平逆变器调制比的SHEPWM方案与Walsh变换相结合,提出了一种五电平逆变器双波段SHEPWM控制方法;分析了傅里叶级数变换下的多电平多波段SHEPWM电压波形,归纳出了各波段模式下SHEPWM非线性方程组的一般形式;并利用Walsh变换将非线性方程组转换为易解的分段线性方程组,从而达到简化计算过程和拓宽调制比的目的。以五电平H桥级联逆变器为例,给出了A,B波段模式下的Walsh函数分段线性方程组,并通过实验验证了五电平逆变器双波段SHEPWM控制方法的正确性及可行性,为实现SHEPWM控制技术的在线运算及实时控制奠定了基础。     

NPC三电平逆变器容错拓扑及其控制研究

研究了二极管中点钳位(Neutral point clamped,NPC)三电平逆变器的容错拓扑及其控制问题,以保证NPC逆变器在发生器件故障时,仍然能够继续工作。在基本的NPC逆变器中增加一个不对称桥臂,并将其中点用双向可控开关连接到每相负载。为消除输出相电压的低次谐波含量,该桥臂采用SPWM控制方法代替传统的方波控制方法。当检测到NPC逆变器某相器件出现故障时,控制双向可控开关将故障相的负载连接到新加入的不对称桥臂中点。与以前文献提出的容错拓扑相比,在获得相同效果的情况下,提出的拓扑具有使用器件及其驱动电路数量少、电路成本低等优势。仿真和实验结果表明,所提出的NPC逆变器容错拓扑能够在容错控制后保持三相平衡工作,同时不降低原电路的输出功率,电路的可靠性得到很大提高。     

基于可达集的鲁棒模型预测控制

设计了一种基于可达集的鲁棒模型预测控制算法.首先确定了一个鲁棒不变集,并将此不变集用作模型预测控制的终端约束集;接着采用终端约束集对可达集的包含度作为优化指标;最后,采用预测时域逐渐减小的控制策略以保证在线优化存在可行解.从理论上证明了吸引域内的任意点在有限时域内都会被引导至终端约束集并始终停留在此集之内,并由仿真算例验证了本文所设计鲁棒模型预测控制算法的可行性.     

非理想电网下多电平并网逆变器控制仿真

在非理想状态下,多电平并网逆变器正负序电压影响,控制精确度下降,提出非理想电网下多电平并网逆变器控制研究。在非理想电网情况下,构建3L-ANPC光伏并网逆变器数学模型,计算三相电网电压、电流、正序分量、负序分量、谐波分量等,通过对称分量法分离正负序电压,通过锁相环定向正负序分量,利用派克变换锁相三相电流电压,实现多电平并网逆变器控制。实验使用Matlab仿真软件构建3L-ANPC光伏并网逆变器仿真模型,实验结果表明：可有效控制交流侧a相电压在-50-50V范围、电流在-1～1A之间,抑制谐波能力较好;在电压出现波动时受影响较小,上述方法可维持电压稳定输出;可显著抑制有功功率和无功功率波动。     

三电平逆变器中点电压平衡控制方法的分析

本文介绍了传统三电平逆变器中点电压平衡空间矢量控制方法的原理,在此基础上提出了一种新的方法,该方法只需要进行简单地计算就能很好解决中点电压平衡的问题,利用MATLAB搭建仿真电路,验证了该方法的可行性。     

基于机器学习的模块化多电平换流器的模型预测控制研究

模型预测控制器(model predictive controller, MPC)因可实现多目标优化控制被广泛应用在模块化多电平换流器(modular multilevel converter, MMC)领域,但随着子模块数量增加,MPC的在线计算量成几何级数增长。因此,提出了基于机器学习的MMC的模型预测控制方法,首先利用MPC-MMC仿真平台收集数据并对数据进行预处理,再进行神经网络训练得到神经网络-MPC(neural network-MPC, NN-MPC)。为了提高神经网络训练效率,采用随机森林来优化神经网络的初始权值和阈值,得到随机森林-神经网络-MPC(random forest-neural network-MPC, RF-NN-MPC),将其用来模拟MPC。仿真结果表明,RF-NN-MPC在学习效率和学习精度方面都优于NN-MPC,在保持了良好的控制效果的同时,使MPC-MMC不受子模块数量约束,在线计算量始终为1次。