适用于Boost三电平变换器的模型预测控制方法

相比于传统的双闭环控制,模型预测控制(MPC)具有动态响应快、无需调节PI参数以及可以增加系统状态变量约束等优点,被广泛应用于DC-DC变换器的控制中。而在大多数的研究中,一般采用的是有限控制集模型预测控制(FCS-MPC)方法,但这种控制方法无法提供固定的开关频率。因此,针对Boost三电平变换器,提出了一种基于连续控制集模型预测控制(CCS-MPC)的固定开关频率控制方法,其可同时实现输出电压控制以及平衡输出侧中点电位2个控制目标,并且在评价函数中无需调节不同控制目标的权重系数,简化了控制器参数设计难度。通过MATLAB/Simulink软件和dSPACE实时仿真系统进行仿真与实验,结果都证明了理论分析的正确性。     

适用于Boost变换器的自适应模型预测控制算法

相比于传统的PI控制,模型预测控制(model predictive control,MPC)具有动态响应快、避免调整控制参数,以及可增加系统约束等优点,因此被广泛应用到电力电子控制领域。然而,系统模型参数的不匹配通常会导致控制系统产生稳态误差,对于Boost变换器电流控制尤为严重。因此,该文针对Boost变换器提出一种简单有效的模型预测控制方法,可解决因未知的电感电阻和输入电压引起的模型不匹配问题,并且只需一步预测即可实现控制目标。另外,所提出的方法是属于连续控制集模型预测控制(continuouscontrol set model predictive control,CCS-MPC),使用固定的开关频率。仿真和实验结果证明了所提出方法的有效性。     

权重系数自适应调整的混合储能系统多目标模型预测控制

针对锂离子电池–超级电容车载储能系统在轨道交通领域的应用,以降低系统能耗、保证储能元件稳定运行为目标,提出一种多目标模型预测控制策略,包括系统损耗、超级电容电压、电池电流波动与电池内阻变化。针对多目标函数权重系数的设计,提出模糊控制–粒子群寻优两级优化方案。为提升控制策略的实用性,提出根据行车距离查询离线数据的方法。仿真结果表明,所提控制策略可行有效,能量利用效率高。