不平衡电压下三相级联并网逆变器的控制策略研究

《不平衡电压下三相级联并网逆变器的控制策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、不平衡电压下三相级联并网逆变器的控制策略研究TheControlResearchofThree-phaseCascadedGrid-connectedInverterUnderUnbalancedGridVoltage学科专业：控制科学与工程作者姓名：田兰叶指导教师：李冬辉教授天津大学电气自动化与信息工程学院二零一七年十一月摘要当今世界化石能源紧缺，各种各样的清洁能源受到关注和研究。并网逆变器作为太阳能、风能等各种清洁能源与电网的接口，得到广泛的应用。并网逆变器是与电网直接相连通的，电网故障也会影响其性能。因此，研究不平衡电网下对并网逆变器（Gr

2、id-connectedInverter）的控制至关重要。三相级联GCI易于模块化集成，与二极管钳位式和电容钳位式多电平逆变器相比，不需要使用很多的二极管和飞跨电容；与级联H桥多电平逆变器相比，当开关管的数量相同时，其输出电压值更高，比较适用于高电压大功率场合。有限集模型预测控制（finitecontrolsetmodelpredictivecontrol,FCS-MPC），可以分为预测模型、滚动优化和反馈校正三部分，具有概念直观、易于理解和控制、动态响应速度快等优点。相比于传统的逆变器控制算法，不需要PWM调制器和调节有关参数。本文对多步预测的

3、有限控制集模型预测控制算法（finitecontrolsetmodelpredictivecontrolwithmulti-stepprediction,FCS-MPCMSP）进行了改进，奇数周期采用传统算法，针对传统算法忽略模型误差的问题，采用反馈校正的思想对其进行补偿；偶数周期同时选取最优和次优电压矢量对应的开关状态，再进一步求取两个开关状态中的最优开关状态，将八次预测函数计算变成一次电压计算，减少算法的计算量。将改进的算法应用到三相级联并网逆变器的拓扑结构中，在不平衡电压下，将三相电流的动态电流方程经过前向差分离散化，得到FCS-MPC算法

4、的预测函数；使用基于二阶复矢量滤波器的正负序分离方法，分离得到电网电压的正负序分量，根据实现三相并网电流平衡、有功功率平衡、无功功率平衡和功率电流协调控制的不同的控制要求，推导出不同的参考电流；使用预测函数和价值函数来进行预测控制。最后，为了验证本文算法的有效性，在Matlab2014a/Simulink仿真平台上搭建了仿真模型。仿真结果表明基于二阶复矢量滤波器的正负序分离方法可以较准确提取出电网电压正序分量、负序分量；使用改进的FCS-MPCMSP算法控制三相级联逆变器，可以使输出电流很好地对参考电流进行跟踪，降低算法的保守性，减少计算量，降低

5、算法运行时间。关键词：不平衡电网，三相级联，并网逆变器，有限集模型预测，正负序分离IABSTRACTUndertheenvironmentthatfossilenergyisbecomingincreasinglyscarce,avarietyofcleanenergycomesintohuman’sattention.Grid-connectedinverter(GCI)istheinterfacebetweencleanenergyandpowergrid,whichhasusedwidely.TheGCIisdirectlyconnecte

6、dtothegrid,whichwillalsoaffectitsperformanceifgridfails.Therefore,itseemstobeintenselysignificanttostudythecontrolstrategyofGCIunderunbalancedgrid.Thethree-phasecascadedgrid-connectedinverteriseasytobemodularized.ComparedwithNeutralPointClampedinverterandFlyingCapacitorinvert

7、er,alargenumberofdiodesandflyingcapacitorarenotneeded.ComparedwithcascadedH-bridgetopology,whenthenumberofswitchtubesisthesame,theoutputvoltageishigher,whichcanbedirectlyusedinhigh-voltageandhigh-powerapplications.Finitecontrolsetmodelpredictivecontrol(FCS-MPC)iscomposedofthr

8、eeparts:predictionmodel,rollingoptimizationandfeedbackcorrection.Ith