预测电流控制（精选7篇）
预测电流控制 篇1
摘要：在传统光伏电站低电压穿越技术之上,提出了一种基于模型电流预测控制的光伏并网逆变器低电压穿越控制方法,模型电流预测控制方法能够使逆变器的输出电流迅速地跟随参考电流指令,具有良好的动态特性。在光伏电站并网点发生故障期间,能够迅速控制光伏电站无功功率的输出,为并网点提供电压支撑,减少无功设备的投资,同时也提高了系统的暂态稳定性。在PSCAD/EMTDC仿真平台上进行了三相短路故障、单相短路故障和大负荷扰动3个仿真实验,另外对模型电流预测控制的输出响应和稳态性能进行了仿真分析,仿真结果表明,光伏电站在低电压期间为电网提供电压支撑,验证了所提出控制方法的有效性。
关键词：光伏电站,并网逆变器,模型电流预测,低电压穿越
0 引言
为了解决能源短缺危机和缓解环境保护压力，大力发展以光电、风电等为代表的新能源开发和利用，已经成为各国研究人员和决策者们的共识[1,2,3]。随着接入电网的新能源规模越来越大，其对电网造成的影响也越来越大，如大容量的光伏电站接入和切除，将对电力系统稳定造成重大影响，另外由于新能源电站内采用了大量电力电子器件，电网发生故障也会损坏这些器件[4,5]。因此，国家电网公司最新的并网接入标准中要求大型光伏电站应该具备低电压穿越（LVRT）能力。
光伏电站实现LVRT能力的关键设备是光伏并网逆变器。文献[6]采用了一种单级非隔离型光伏逆变器的LVRT控制策略，通过对逆变器的有功电流和无功电流进行协调控制，实现LVRT，但是该控制策略采用了传统的双闭环控制，控制电路中含有多个比例—积分（PI）控制器，因此，在实际工程中调节PI控制参数较为困难。
文献[7]提出了一种电网电压不平衡条件下简单而快速的正序分量分离算法，实现了三相不平衡条件下并网逆变器的快速锁相技术，并基于该锁相技术及正负序分离算法，设计了光伏逆变器的LVRT，但是其未对电网电压跌落20%以上的情况进行研究，控制算法在电网严重故障下的稳定性和可靠性不能保证。
文献[8]对模型电流预测用于并网逆变器的LVRT控制进行了研究，但是该研究基于中点钳位型逆变器，并非国内光伏电站普遍采用的三相两电平桥式逆变器，且该文献并未对逆变器正常运行下电流参考值的计算问题进行研究，也未考虑逆变器在故障期间的无功支撑问题。
在文献[9,10,11,12]基础上，本文采用模型电流预测控制（MCPC）技术，将该控制策略应用于光伏单级三相并网逆变器控制上，能够显著改善传统的LVRT技术，具有良好的动态响应，能够快速根据电网电压的跌落情况进行有功功率和无功功率的分配，为并网点提供电压支撑。另外，该控制方法中舍弃了传统控制方法中的电流线性控制器和脉宽调制（PWM）模块，控制算法简单，数字信号处理芯片实现起来十分容易，工程上易于实施。
1 光伏电站LVRT技术要求
国家电网公司出台的《光伏电站接入电网技术规定》指出：光伏电站应满足的LVRT要求，见图1。
由图1可以看出，LVRT要求为：(1)光伏电站并网点电压跌至0时，光伏电站应能不脱网连续运行0.15s;(2)光伏电站并网点电压跌至曲线1(0.15s之后的曲线）以下时，光伏电站可以从电网切出[13]。在曲线1上方，要求光伏电站不脱网连续运行；在曲线1下方，光伏电站可以从电网切出。
2 光伏电站的控制策略
2.1 基于模型电流预测的控制原理
模型电流预测控制技术是基于功率开关器件有限个开关状态（即开通和关断两种状态），并且系统的模型可以预测在不同开关状态下有限个控制变量的行为[14,15,16,17,18]。基于模型电流预测的控制策略可以通过构造一个价值函数c，建立逆变器的模型及其所有可能的开关状态，建立负荷的预测模型。对负荷模型进行离散化，通过价值函数来评价变量在下个周期的控制行为，一般选取负荷电流来构造价值函数。
图2为光伏并网逆变器的主电路[19,20]，其中L为滤波电感，R为线路的等效电阻。
根据基尔霍夫电压定律，逆变器的动态电流方程为：
式中：k=a,b,c;ik为并网逆变器输出电流；ukN为并网逆变器输出电压；unN为电网电压的中性点与直流母线的负极之间的电压；ek为三相电网电压。假设电网电压三相对称，那么，ea+eb+ec=0。
现在分析三相并网逆变器的输出电压矢量与开关状态的关系[19]。在三相并网逆变器的每相桥臂中共有两种开关模式，即上桥臂导通或下桥臂导通，因此逆变器共有23=8种开关模式，并可利用单极性二值逻辑开关函数gi(i=a,b,c）描述，即
逆变器输出电压为：
式中：；Udc为直流侧电压。
从三相静止坐标系abc变换到两相静止坐标系αβ，则有
开关状态与逆变器输出电压的关系如表1所示。
将式（1）进行abc/αβ变换，得到：
式中：uα，uβ分别为逆变器输出电压在α，β轴上的分量；iα，iβ分别为逆变器输出电流在α，β轴上的分量；eα，eβ分别为逆变器并网点电压在α，β轴上的分量。
在（tk,tk+1）时间内，对式（5）进行离散化，得到：
式中：Ts=tk+1-tk，为采样周期。
由式（6）可以得到：
在三相电网电压平衡条件下，采用电网电压矢量定向控制，将同步旋转dq坐标系的d轴定向于电网电压合成矢量Es方向上，有ed=|Es|，eq=0。根据瞬时功率理论统的瞬时有功功率P和无功功率Q分别为：
式中：id,iq分别为逆变器输出电流的dq轴分量。
可以看出，逆变器的瞬时有功功率和无功功率仅与id,iq有关，则通过控制id,iq就可以分别控制逆变器的有功功率和无功功率，实现功率的解耦控制。
根据需要向电网注入的有功电流和无功电流参考值id*,iq*，经过坐标变换dq/αβ，可以得到在两相静止坐标系αβ下的参考值iα*，iβ*。即
式中：φ为d轴与α轴的夹角。
选取价值函数为：
式中：iα（k+1）和iβ（k+1）为在下一个采样周期的预测值。
对三相并网逆变器的8个电压矢量进行评价，选择可以使价值函数c取得最小值的电压矢量，该电压矢量所对应的开关状态作用于下一个采样周期。
在电流预测模型中，式（10）所提出的价值函数有很好的灵活性，对于系统其他所需的约束条件可以方便地添加在价值函数里面进行处理，例如开关频率和开关损耗约束等。式（11）中将开关损耗添加到式（10）中从而构造出新的价值函数c′[14]。
式中：λ为权重系数；Δicp(j）为第j个开关器件在预测状态改变前后集电极电流值的差值；Δvcep(j）为预测状态改变前后集电极与发射极之间电压值的差值。
加入该约束可以使得在进行电流预测时开关状态的变换产生的损耗最少，这在传统的变流器双闭环控制方法中是没有的。
2.2 光伏逆变器LVRT控制策略
当电网电压在0.9（标幺值）～1.1（标幺值）范围内波动时，系统正常运行；当电网电压跌落至0.9以下时，光伏逆变器控制由故障之前的正常控制切换为LVRT控制。正常控制中电流预测的参考值由外环电压给定，LVRT控制中的参考值由用户直接给定。
根据光伏电站LVRT要求[10]，光伏电站注入电力系统的动态无功电流Iq应实时跟踪并网点电压变化，并应满足：
式中：UG为光伏电站并网点电压标幺值；IN=光伏电站额定装机容量/（×并网点额定电压）。
根据并网点电压得到注入电网的无功电流后，有功电流与无功电流应不超过额定电流的1.1（标幺值）[11]，即满足：
基于模型电流预测的LVRT技术主要是根据并网点电压的跌落情况对电流id*,iq*的控制，逆变器可按照无功电流的指令进行无功功率的输出。为限制电流增大，采用限幅控制[21,22,23]。基于模型电流预测法的LVRT控制框图如图3所示，实线为正常运行模式下的控制，虚线为故障下的控制。
模型电流预测法控制流程图如图4所示，在进行仿真实验时利用了PSCAD/EMTDC中c语言接口完成了编程工作。
3 仿真验证
3.1 算例参数说明
本文基于PSCAD/EMTDC仿真平台对光伏电站并网点三相接地故障、单相短路故障和大负荷扰动进行了仿真研究，对所提出的基于模型电流预测LVRT策略的可行性与正确性进行验证，如图5所示。
单个光伏发电单元的容量为0.5 MW,2个0.5MW的光伏发电单元组成一个容量为1MW的光伏电站，并通过一个1 000kVA/10kV的双绕组分裂变压器接入电网。架空线路选择LGJ-240/40，长度为10km。
3.2 对称故障
在0.5s时10kV母线发生三相短路故障，短路故障持续时间为0.1s，在0.6s时继电保护装置动作清除故障，系统恢复正常运行。光伏电站在故障前以额定功率运行，功率因数为1。
由于逆变器的限幅作用，在电压发生跌落后，逆变器输出电流与故障前相比基本保持不变，而通过LVRT控制向电网注入无功功率来支撑电网电压，使电压与电流的相位差发生了显著变化，如附录A图A1(a）所示。
仿真模型中光伏电站的容量为1 MW，当电网故障后，光伏电站能够补偿的最大无功功率为1Mvar，为了能够清楚地说明光伏电站对电网电压的支撑作用，在故障期间，以无功优先为原则，即不输出有功电流，设置有功电流参考值id*=0，设置无功电流参考值iq*=-1。由附录A图A1(b）、图A1(c）可以看出，采用LVRT控制策略后，无功功率从0 Mvar提高至0.65 Mvar，有功功率从0.9MW降低至0 MW，此时光伏电站不再向电网提供有功功率，完全成为无功补偿设备，而当故障排除以后，有功和无功功率又可以快速地恢复至故障前的稳态值。
三相短路故障下并网点电压对比如图6所示。可以看出，采用LVRT控制策略后，逆变器能够快速地根据下达的电流指令进行功率的调节，为电网提供电压支撑，使并网点电压标幺值由0.683提升至0.703。
3.3 不对称故障
不对称故障包括单相短路接地故障、两相短路接地故障和两相短路故障。以单相短路接地故障为例进行分析。
在0.5s时10kV母线发生A相短路故障，短路故障持续时间为0.1s。发生A相短路故障时并网点电压变化曲线如附录A图A2所示，此时电压跌落期间并未进行LVRT控制。
当电网发生A相短路故障时，为了维持并网点电压，需要光伏输出一定的无功功率，此时逆变器的输出电压与电流出现相位差，如附录A图A3(a）所示。发生单相故障时，注入电网的电流会出现负序分量，通过相关控制消除零序分量，使得三相并网电流在故障期间仍可以保持平衡，如附录A图A3(b）所示。在故障期间采取LVRT控制后，并网点电压补偿效果如图7所示，当光伏电站提供无功支持后，并网点电压比没有无功支持时有所提升。
3.4 大负荷接入并网点
0.5s时，在10kV母线末端处，有功负荷突然增大为原来的2倍，并保持该容量不变，负荷突增前光伏电站以额定功率运行，功率因数为1。采用LVRT策略后，电压波形对比如图8所示。
采取LVRT中的有功和无功控制策略，在负荷变化后，减小逆变器有功功率的输出，增大无功功率的输出，如附录A图A4(a）、图A4(b）所示，逆变器的输出有功和无功功率能够在负荷变化后跟踪设定的有功和无功指令值。
从图8中可以看出，在负荷投入后，若不采用LVRT中的功率控制策略，10kV母线电压将跌落至0.91；采用LVRT控制策略后，母线电压提升到0.937，光伏电站能对并网点电压起到支撑的作用。
从仿真算例可以看出，在电网电压跌落时光伏电站能够按照电流指令，快速地向电网提供一定的无功功率，为电网提供电压支撑。但是由于光伏电站本身的容量有限，因此所能提供的无功功率也是有限的。但总体来说，在电网扰动和故障期间，光伏电站的无功输出特性对电网电压能够进行一定程度的支撑作用，提高电力系统暂态稳定性。
3.5 与传统控制器的对比分析
3.2至3.4节是模型电流预测对光伏LVRT控制的适用性仿真验证，本节以典型的三相两电平电压源型逆变器并网为例，对模型电流预测控制器和传统的PI控制器在系统响应和稳定性等方面进行对比分析。
在0.3s改变有功电流参考值时，仿真结果如附录A图A5所示。可以看出，当参考电流变化时，两种控制均可以快速地跟踪电流指令。仿真结果显示，在0.3s时参考信号突变，在0.02s内两种方法都能追踪参考信号的变化。采用PI控制器响应较电流预测要快，但是PI控制器的跟踪精度和响应速度受PI控制器设计者的经验和水平影响较大，而模型电流预测控制的响应速度只依赖于模型参数和采样频率。
稳定性分析主要研究电感参数在一定范围内变化时控制策略对参数波动的适应能力，即控制策略的鲁棒性。
用阶跃响应来分析控制策略的鲁棒性，控制中电感参数为3.5mH，线路参数中电感分别设置为2,3.5,7mH，仿真结果如附录A图A6和图A7所示。可以看出，随着电感参数的增大，调节时间变长，超调量也增大，但是在整个过程中，稳态特性一致，即PI控制器能够适应电感参数的变化，具有较强的鲁棒性；在附录A图A7电流阶跃过程中，随着电感的增大，其响应结果与PI控制的结果一致。且由附录A图A5可以看出，模型电流预测控制策略在调节过程中的超调量σ为3.16%，低于PI控制器的3.93%，但在稳态过程中，随着电感的减小，与参考指令值之间存在的误差增大，但不超过0.1%，则电感参数在一定变化范围之内，模型电流预测控制具有良好的鲁棒性。
控制器内电感参数保持在3.5mH，当线路电感参数发生变化时，对两者控制下变流器输出电流瞬时波形的谐波进行对比，结果如图9所示。
由图9可以看出，随着电感参数的增大，两者的谐波含量均减小，且MCPC的谐波含量低于PI控制。
4 结语
电流预测控制与传统的控制方法相比，其优越性和实用性主要表现在以下几个方面。
1）控制系统设计方面。控制系统设计简单，省去了大量的非线性环节和PWM，不需要进行控制器的参数调节。
2）约束条件方面。采用了价值函数对变流器的行为进行评价，对于系统其他所需的约束条件可以很容易地添加在价值函数里面进行处理，例如将开关器件的开关频率添加在价值函数中，可以对器件的开关损耗进行限制，这在传统的变流器双闭环控制方法中是没有的。
3）系统响应方面。从仿真试验可以看出，在并网点电压跌落时，逆变器能够迅速地根据计算出的无功电流指令输出无功电流并完成对电流的跟踪。
4）系统稳定性方面。电流预测控制方法本身具有良好的自适应性与鲁棒性等优势。
5）工程应用方面。本文所提方法与传统方法相比，更加易于在数字信号处理器上实现。
本文将模型电流预测控制技术应用到光伏电站的LVRT控制策略上，提出了一种基于模型电流预测控制的光伏并网逆变器LVRT控制方法，利用模型电流预测控制策略良好的动态响应，可以快速实现对并网逆变器的控制。在PSCAD/EMTDC平台上进行了三相对称故障、单相不对称故障和大负荷扰动仿真算例的验证，并对模型精度进行了分析。可以看出，运用该控制策略，光伏电站在故障期间能够实现LVRT，向电网提供一定无功功率，起到了局部电压支撑的作用，减少了传统无功补偿设备，在故障排除以后，能够迅速地恢复正常运行方式，提高了光伏电站的暂态稳定性，具有重要的现实意义。
附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx）。
预测电流控制 篇2
静止无功发生器SVG(Static Var Generator)是灵活交流输电系统(FACTS)技术中一个重要的基础技术[1]。它除了包括无功发生的功能外,还具有稳定系统电压、阻尼系统振荡和改善系统运行状况的功能,与静止无功补偿器SVC(Static Var Compensator)相比较,SVG动态调节特性灵活、补偿效果优越及设备体积小,因此引起国内外研究人员广泛关注[2]。
SVG的建模是研究的热点。根据SVG主电路结构的不同,所建立的数学模型也不尽相同。在模型建立过程中,文献[2]建立了SVG的单线等效电路数学模型,文献[3]所建立的SVG动态模型虽然对三相分别考虑,但只用一比例系数K(平均占空比)描述SVG网侧基波电压与直流侧电容电压的关系,而没有充分考虑到SVG的工作机理和动态行为。SVG的电流控制方法是研究SVG的关键,目前,电流控制的主要方法有三角波比较、滞环控制和预测电流控制3种。三角波比较在控制目标和实际输出电流之间存在相角误差[4];滞环控制最大的特点是简单,但是滞环控制的开关频率变化较大。
为了实现系统较理想的补偿性能及较高的控制精度,笔者在考虑到连接电抗器的损耗、变流器本身的损耗(如管压降、线路电阻等),从SVG的工作机理及动态性能出发,建立了SVG的数学模型,并在其动态数学模型的基础上提出了一种预测电流控制的方案[5,6,7,8,9],该控制方法是利用当前采样时刻的状态信息,预测下一个采样周期补偿电流的轨迹,计算出逆变器输出的电压参考值,将其作为空间矢量PWM调制的输入,确定开关函数,产生与参考值相当的电压,最终达到预测补偿的目的,并且通过Matlab仿真验证了该控制方法的有效性和可行性。
1 SVG的动态数学模型
SVG的主电路结构图如图1所示,电压型逆变器的主开关管采用集成门极换流晶闸管IGCT[10]。为了便于分析,在不影响研究准确性的前提下作如下假设:
a.功率开关器件视为理想开关;
b.电网电压为三相对称正弦电压;
c.装置的所有损耗(变流器本身的损耗和变压器的损耗)用等效电阻R表示;
d.变压器的漏抗及连接的电抗用等效电感L表示;
e.忽略逆变器交流侧的电压谐波分量。
系统三相电压为
式中Um为系统线电压最大值。
为分析方便,引入逻辑开关函数Ci(i=a、b、c),3个桥臂开关元件的状态用Ca、Gb、Gc表示。其定义为
根据基尔霍夫电压定律,可得a相回路方程为
当Ga=1时,uaN=uN0;当Ga=0时,uaN=0。于是式(2)可改写为
同理,可得b相、c相方程如下:
对于三相输入无中线,即ia+ib+ic=0,且三相电源电压平衡时,则
图1中,逆变器由6个功率开关管组成,其通断规律是:同一桥臂不能同时导通。结合上文的开关函数,则3个桥臂只有“1”或“0”2种状态,因此VT1、VT3、VT5形成000、001、010、011、100、101、110、111共8种开关模式。其中,000、111开关模式使逆变器输出电压为零,所以称这2种开关模式为零状态。
直流侧电容正极节点处应用基尔霍夫电流定律得:
联立式(2)～(7),则在abc坐标下用Gi描述的SVG数学模型为
在abc坐标下的电路方程比较复杂,对三相电压、电流的方程进行d-q变换,其中变换矩阵为
由此可以得到d-q坐标下SVG的数学模型为
2 SVG的电流控制策略
SVG一般采用电压外环和电流内环的双环控制策略。电压外环主要控制三相电压型逆变器直流侧电压,而电流内环主要按电压外环输出的电流指令进行电流控制。由于电压外环通常采用PI控制方法确定装置从系统吸收的有功电流参考值[9,12],故不作介绍。内环控制是SVG的控制核心,在此对内环控制算法进行详细讨论。考虑到SVG的响应速度有较高要求,对于内环控制器提出了采用预测电流控制的策略。
预测电流控制原理的实质是:利用当前采样时刻的状态信息,预测下一个采样周期补偿电流的轨迹,从而确定逆变器的开关函数,使补偿电流跟随电流参考值变化,参考电流值可以通过参考电压值求得[5]。
SVG的预测电流控制策略的基本思路是在第k个采样时刻根据所检测到的负载电流及补偿器输出电流,根据SVG的数学模型以及下一个开关周期k+1时刻的期望电流,计算出符合电流变化的输出电压矢量,从而迫使下一次采样时刻的补偿电流以最优特性跟踪下一个时刻参考电流,达到跟踪输出电流的目的,即利用当前已知状态、SVG模型和下一步参考电流,预测使电流在第k+1时刻达到期望电流时所需的电压,用PWM方法施加在逆变器上,使实际电流在k+1时刻达到期望值。预测电流控制原理图如图2所示。
将d-q坐标下SVG的数学模型式(10)变形,可得控制电压的方程为
对式(11)进行离散化可得:
其中,id(k+1)、iq(k+1)分别为第k+1次采样时刻的输入电流的参考值,Ts为采样周期。
为简化计算,以参考矢量在零号扇区为例,空间矢量PWM合成图如图3所示。用U1、U2和零矢量U0合成Uref,等效矢量按伏秒平衡原则合成。
其中,t1、t2和t0分别为U1、U2和U0的作用时间,Ts为采样周期。U1、U2、U0对应的开关变量分别为100、110、000(111)。运用相电压与开关变量的关系,可求得:
将式(14)代入式(13)可得到:
可求得U1、U2、U0的计算时间:
其中,udc.是直流侧电压,|Uref|和δ的值为
因此,利用电流参考值计算出逆变器应输出的电压参考值Uref,将其作为空间矢量PWM调制的输入,确定三电平逆变器的开关函数Ca、Cb、Gc产生相应的脉冲触发功率开关器件导通,产生与参考值相当的电压,最终达到预测补偿的目的。
3 仿真结果分析
为了验证该控制系统的有效性,用Matlab软件对系统进行仿真分析。仿真条件如下:电源电压为380 V,系统频率50 Hz,装置与系统的连接电感为0.01 H,装置直流侧电容为0.004 F,等效电源电阻为10Ω。
补偿前a相电流及其频谱、总谐波畸变率THD如图4所示(图中,n为谐波次数,下同),补偿后a相电流及其频谱与THD如图5所示。由图可见,补偿前电流中含有大量的6k±l(k=1,2,3,…)次谐波,THD为19.38%。经过预测电流控制器补偿后,a相电流不但与电压同相,而且基本变为正弦波,THD降为4.31%。这说明了这种控制方法具有良好的性能。
4 结论
本文建立了电压型SVG的动态数学模型,该模型精确描述了SVG的动态工作过程,便于控制系统的设计。在其动态数学模型的基础上提出了一种预测电流控制的方案,对该控制方法进行了理论研究和Matlab仿真,结果表明:该控制方法对预测补偿SVG的无功电流具有有效性和可行性。
摘要：为实现静止无功发生器SVG(Static Var Generator)良好的控制性能，从SVG的工作机理动态性能出发，引入逻辑开关函数建立SVC的动态数学模型，在该模型基础上提出了一种预测电流控制的方案。该控制方法是利用当前采样时刻的状态信息，预测下一个采样周期补偿电流的轨迹，计算出逆变器输出的电压参考值，将其作为空间矢量PWM调制的输入，确定开关函数，产生与参考值相当的电压，最终达到预测补偿的目的。Matlab仿真结果表明：该控制方法对预测补偿SVG的无功电流具有有效性和可行性。
关键词：静止无功发生器,数学模型,预测电流控制
参考文献
[1]RAM A.FACTS system studies[J].IEEE Power Engineering Review,2002,22(12):17-22.
[2]王兆安，杨君，刘进军，等．谐波抑制和无功功率补偿[M]．北京：机械工业出版社，2005．
[3]姜齐荣，谢小荣，陈建业．电力系统并联补偿——结构、原理、控制与应用[M]．北京：机械工业出版社，2004．
[4]唐欣，罗安，涂春鸣．一种电力有源滤波器电流控制的新方法[J]．电力系统自动化，2004，28(13)：31-34．TANG Xin,LUO An,TU Chunming.A new method to current control of active power filter[J].Automation of Electric Power Systems,2004,28(13):31-34.
[5]MOON G W.Predictive current control of distribution static compensator for reactive power compensator[J].IEE Pro-Gener Transm,Distrib,1999(5):515-520.
[6]LEE C K,LEUNG J S K,HUI S Y R,et al.Circuit-level comparison of STATCOM technologies[J].IEEE Trans on Power Electronics,2003,18(4):1084-1092.
[7]CLARK H,ROBERT H.STATCOM controls for operations with unbalanced voltages[J].IEEE Transactions on Power Delivery, 1998,13(2):538-544.
[8]MOON Hyungtae,K1M Hyunsoo,YOUN Myungjoong.A discrete -time predictive current control for PMSW[J].IEEE Trans on Power Electronics,2003,18(1):464-472.
[9]HAITHEM A R,JAROSLAW G,ZBIGNIEW K,et al.Predictive current control of voltage-source inverters[J].IEEE Transactions on Industrial Electronic,2004,51(3):585-593.
[10]CHO G C,JUNG G H,CHOI N S,et al.Analysis and controller design of static var compensator using three-level GTO inverter [J].IEEE Trans Power Electron,1996,11(1):57-65.
[11]袁佳歆，陈柏超，万黎，等．一种低压系统无功补偿器的研究[J]．电力自动化设备，2004，24(3)：69-71．YUAN Jiaxin,CHEN Baichao,WAN Li,et al.Research of distribution static compensation for LV system[J].Electric Power Automation Equipment,2004,24(3):69-71.
预测电流控制 篇3
交流传动机车和动车组普遍采用“交-直-交”型主电路,整流部分为单相4象限PWM整流器,它能较好地解决电力牵引设备对于功率因数、等效干扰电流、优化粘着利用和再生制动能力等方面的特殊而苛刻的要求,具有高功率因数、低谐波含量、可实现能量的双向流动等优点[1]。随着我国铁路朝着高速重载方向的发展以及交流电力机车的国产化,4象限变流器及其控制问题具有重要的研究意义[2]。
4象限变流器的控制算法多种多样,根据是否引入电流反馈可分为间接电流控制和直接电流控制两种。间接电流控制为基于稳态模型的幅相控制,而直接电流控制有滞环电流控制、瞬态电流控制、预测电流控制等[3,4,5]。其预测电流控制具有良好的稳态特性和动态性能,已经在实际中得到了应用[5]。但数字控制中固有的控制延迟现象,将影响预测电流控制中电流环的性能[6,7,8]。
为了减小控制延时对电流控制的影响,本文采用了超前一拍的控制方法,对电网电流进行了提前一个控制周期的预测,消除了控制上的延时,提高了电流的稳定性。
2 4象限变流器原理
2.1 4象限变流器主电路
图1为4象限变流器的主电路结构图,图1中,S1～S4为可控半导体器件,L为储能电感,Cd为支撑电容,RL为等效负载电阻,ug为电网电压,ur为变流器侧电压,udc为直流输出电压,uL和ZL分别为交流侧电感上的电压和电流,idc为直流输出电流。
4象限变流器的交流侧等效电路如图2所示。通过对开关器件进行适当的导通与关断控制,可以在4象限变流器的交流端生成一个与基波与电网同频的脉宽调制电压ur。
设ur1为交流侧电压ur的基波分量,il1为电流i1的基波分量。则对于基波相量,有下面的方程式:
4象限变流器在牵引与制动工况下均可实现单位功率因数。因此,在牵引工况下Ur1和Il1同相位。由式(1)可知此时的矢量图如图3a所示,Ur1滞后Ug;而对于再生制动工况,Ug和Ul1的相位差应为180°,该工况下的矢量图如图3b所示,此时Ur1超前Ug。可见,通过控制变流器交流侧电压Ur1,便可控制交流电流Il1的幅值和相位,从而实现稳定直流电压及单位功率因数的控制目的。
2.2 4象限变流器控制算法
为了实现高控制性能,目前动车组的4象限变流器通常采用双闭环控制系统,包括直流电压外环与交流电流内环。电压外环为传统的PI调节器,其输出交流电流的幅值指令为
式中:为直流电压指令值;udc为实际的直流电压值;kp和ki为PI调节器参数。
变压器二次侧交流电压ug可写为
式中:Ugm为电压峰值;Ug为电压有效值;ωm为角频率;β为初相角。
为了实现单位功率因数,则由式(2)和式(3)可得交流电流指令为
双闭环控制系统中的电流内环将计算变流器交流侧的电压指令,保证实际电流能够跟踪如式(4)所示的指令值。控制框图如图4所示。
对于电流环,本文采用如下的预测电流控制方法。由图1可得4象限变流器系统的电感电流为
设Ts为控制周期,当前的采样时刻为kTs,将式(5)离散化可得
式中;为kTs时刻到(k+1)T,时刻的变流器侧电压的平均值;为kTs时刻到(k+1)Ts时刻的电网电压的平均值;iL(k+1)为(k+1)Ts时刻电感电流的瞬时值;iL(k)为kTs时刻电网电流的瞬时值。
若要在(k+1)Ts时刻的电感电流达到其指令值,则应为
由式(7)得到电压指令后,根据PWM算法可得开关器件的驱动信号。
3 电感电流估计算法
如图5所示,采用DSP等数字控制器将存在控制上的一拍滞后,也就是说kTs到(k+1)Ts周期内得到的变流器侧电压指令只能作用于(k+1)Ts到(k+2)Ts的周期。
采用如下所示的超前控制:
式(8)中,(k+1)Ts时刻到(k+2)Ts时刻的电网电压平均值可以利用当前时刻的电网电压采用外推法得到,而(k+1)Ts时刻的电感电流可以根据4象限变流器的数学模型进行估计,如下式所示:
式(9)中,kTs时刻到(k+1)Ts时刻的电网电压同样采用外推法得到,kTs时刻到(k+1)Ts时刻的变流器侧电压采用(k-1)Ts到kTs周期计算所得的指令值代替。
4 实验结果
为了对文中提出的采用电流估计的4象限变流器控制算法进行验证,搭建了小功率的实验平台并进行了实验。实验平台的参数为:输入电压160V,直流电容470μF,输出电压300 V,负载电阻140Ω,交流电感6 mH,开关频率5 kHz。
图6为采用不同控制策略时,电网电压ug和电网电流ig的实验波形。图6a采用滞后一拍控制策略,由于电感系数的取值超出了滞后一拍控制时的电流稳定范围,电网电流存在振荡。图6b采用了超前控制策略,提前一拍对电网电流进行了预测,使电网电流更加接近于正弦波,电流波形有了明显改善。
图7为采用电流预测算法时,电流预测值对电流实际值的跟随情况。可见采用电流预测时,除在电流峰值处略有误差以外,电流估计值与实际电流相差很小。图8为采用电流预测算法时,电网电流波形及频谱分析。由图8可知,采用开环电流预测时的电网电流中的3次、5次以及7次谐波含量很小,减小了对电网的谐波污染。
5 结论
本文详细分析了采用超前一拍的控制方法,对电网电流进行了提前一个开关周期的估计,并进行了实验验证,本文采用的电流预测算法能够使电网电流更加接近正弦波,消除了滞后一拍控制对电流稳定性带来的影响,降低了电网电流中低次谐波的含量,提高了功率因数。
摘要：分析了单相4象限变流器的主电路及其预测电流控制原理。为了减小控制延时对电流环稳定性的影响,根据电感电流方程,构造了超前一个控制周期的电流估计器。该算法能够消除滞后一拍控制对电流稳定性带来的影响,降低电网电流谐波含量,具有预测精度高、易于DSP实现的特点。实验结果验证了该方法的正确性和有效性,有效改善了交流电流波形。
关键词：4象限变流器,预测电流控制,电流估计,DSP
参考文献
[1]李晓春,毛业军,廖洪涛.和谐HXDl型大功率交流电力机车电传动系统[J].电力机车与城轨车辆,2007,30(1):11-14.
[2]李伟.交流传动电力机车网侧变流器控制方法的研究[D].北京:铁道部科学研究院,2002.
[3]邹仁.四象限变流器瞬态电流控制的仿真[J].机车电传动, 2003(6):17-20.
[4]李波.四象限变流器PWM双闭环控制系统的计算机仿真[J].机车电传动,2000(3):16-19.
[5]李伟,张黎.交-直-交传动系统网侧变流器预测电流控制方法的计算机仿真及实现[J].中国铁道科学,2002,23(6):49-54.
[6]Hung G-K,Chang C-C,Chen C-L.Analysis and Implementation of a Delay-compensated Deadbeat Current Controller for Solar Inverters[J].IEE Proc-circuits Devices Syst., 2001,148(5):279- 286.
[7]Yu Bin,Chang Liuchen.Improved Predictive Current Controlled PWM for Single- phase Grid- connected Voltage Source Inverters[C]//Power Electronics Specialists Conference, 2005:231-236.
预测电流控制 篇4
三相PWM整流器具有能量双向流动、功率因数高、输入电流谐波小、动态响应快等优点,所以在双PWM变频器、UPS电源、有源电力滤波器、可再生能源并网等多种场合都得到了广泛应用[1]。在数字控制芯片飞速发展的今天,大多数PWM整流器都采用数字控制,其优点是编程灵活,利于系统开发,缩短了产品上市时间。但缺点是,数字控制系统从采样到计算再到实现,实际控制效果有一定的延时,这不利于控制系统的设计。
针对上述问题,本文以三相PWM整流器数学模型为基础,分析数字控制系统延时对系统性能的影响,进而提出解决方案,即通过自适应滤波算法进行电流预测,以预测值代替实际采样值进行计算,这样就减弱甚至消除了延时的影响,系统的稳定裕度更广,动态性能也得到了相应的提高。
2 三相PWM整流器电流控制器
三相PWM整流器拓扑结构见图1。其中,ea,eb,ec为电网电压,ia,ib,ic为网侧输入电流,L为滤波电感,R为电感和IGBT的等效电阻之和,C为滤波电容,RL为负载电阻,iL为负载电流。
为了便于控制系统设计,在三相同步坐标系(d,q)下,建立PWM整流器基于占空比的低频数学模型。此模型在开关频率足够高时可以精确地模拟实际系统,文献[1]详述了模型建立过程及变换过程。
PWM整流器在(d,q)坐标系下的数学模型为
undefined
采用前馈解耦法对式(1)进行解耦,并引入PI调节器进行电流控制[1]。解耦后电流环的控制方程为
undefined
式中:KPWM为功率器件电压放大倍数,它随调制方式的不同而不同,当用SVPWM方式调制时,undefined;Kp,Ki分别为数字PI控制器的比例和积分系数;i*d,i*q分别为d轴和q轴电流给定值;id,iq分别为d轴和q轴电流采样值。
考虑采样延时和计算延时(总计Ts)以及PWM控制的小惯性环节(时间常数为0.5Ts),并将二者等效合并,画出d轴延时电流环控制框图如图2所示。
若采用电流预测控制,消除了数字系统的采样延时和计算延时,只考虑PWM控制的小惯性环节,画出d轴电流预测控制电流环控制框图如图3所示。
由于q轴电流环与d轴电流环控制结构完全相同,所以只以d轴电流环为研究对象。
3 数字控制系统延时对系统性能的影响
为满足电流环的快速性要求,须按I型系统设计电流调节器[1],所以
Kp/Ki=L/R (3)
结合式(3),可求出图2所对应系统的开环传递函数为
undefined
同样,求出图3所对应系统的开环传递函数:
undefined
取Udc=600 V,Ts=1/3 000 s,Ki=0.4,分别画出式(4)和式(5)对应系统的波特图见图4。
从图4中看出,在低频段2条曲线几乎是重合的。但是,在高频段由于数字系统的延迟相频特性曲线快速的下降。
4 基于自适应滤波算法的电流预测
4.1 变步长自适应滤波算法[2,3,4,5,6,7]
假设输入为某一确定矢量
X=[x1,x2,…,xn]T (6)
采样时间为T,在kT时刻输入各分量的系数矢量为
W=[w1(kT),w2(kT),…,wn(kT)] (7)
则kT时刻的输出为
undefined
若kT时刻输出的实际采样值为YSAMPLE(kT)则预测值与实际采样值的误差为
e(kT)=YSAMPLE(kT)-Y(kT) (9)
变步长自适应滤波器的原理,是在kT时刻根据误差e(kT)和wi(kT)的大小,以变化的步长来调整系数wi[(k+1)T]的大小,得到下一个采样周期(k+1)T时刻的输出预测值,使|e[(k+1)T]|<|e(kT)|,这样误差会被限定在一定的范围内。为了满足上述要求,使
wi[(k+1)T]=wi(kT)+u[(k+1)T]xie(kT) (10)
式中,u[(k+1)T]为步长因子,它的大小与滤波器收敛的速度以及稳态误差带有关。为了使系统在动态时收敛速度快,而在稳态时误差小,根据本周期的误差信息设置下个周期的步长因子。
u[(k+1)T]=u(0)+a×e2(kT) (11)
式中:a为一常数,a的选取条件是使滤波器收敛。
显然,当误差变大时,步长变大,由式(10)看出系数会相应变大,输出为系数与输入的乘积也会相应变大,如此又使误差变小,形成了一个负反馈,最终可达到稳定。
4.2 电流信号预测
假设A相电网电压为
ua=vmsin(ωt) (12)
A相电流可表示为
ia=Imsin(ωt+θ)=Imcos θsin(ωt)+Imsin θcos(ωt) (13)
令
X=[x1,x2]T=[sin(ωkT),cos(ωkT)]T (14)
则有
W=[w1(kT),w2(kT)] (15)
式中:W为X的加权系数。
设第k个采样周期的电流预测值为i*a(kT),第k个采样周期的电流采样值为ia(kT),则预测误差为
ea(kT)=ia(kT)-i*a(kT) (16)
由式(11)得到下一个采样周期的步长:
u[(k+1)T]=u(0)+a×eundefined(kT) (17)
再由式(10)得到第(k+1)采样周期的预测权值:
w1[(k+1)T]=w1(kT)+u[(k+1)T]xie(kT) (18)
w2[(k+1)T]=w2(kT)+u[(k+1)T]xie(kT) (19)
所以第(k+1)个采样周期A相电流预测值为
undefined
为验证上述算法的可行性,假设A相电流为
ia=sin(ωt) (21)
若电网频率为工频50 Hz,采样频率3 kHz, 那么A相电流在第k个周期的采样值为
undefined
用上述方法进行电流超前预测,如图5所示。动态过程中,预测值与实际值有一定的误差,但收敛速度足够快,不到一个周波就完全跟踪上;稳态时误差很小,可以很好地预测下一个采样周期的电流值。
4.3基于电流预测算法的三相PWM整流器控制
三相PWM整流器电流预测控制的步骤是:1)采集两相电流;2)预测下一个采样周期的电流值;3)将2)计算出的预测值进行3→2变换,然后进行PI控制。具体控制结构见图6。
图6中,ia(kT),ib(kT)为第k个采样周期采得的A,B两相电流值,ia[(k+1)T],ib[(k+1)T]
为通过ia(kT),ib(kT)预测出的第(k+1)个采样周期的A,B两相电流值;id[(k+1)T],iq[(k+1)T]分别为经过3→2变换后d,q轴上的电流预测值;U*dc为直流母线电压给定,Udc为直流母线电压采样;errd,errq分别为d,q轴电流误差信号。
5 仿真结果及分析
根据图6所示利用Simulink工具箱建立仿真模型[8]。电流PI调节器的参数被设计成没有电流预测控制的临界稳定点,对于不使用和使用电流预测控制方法进行了三相PWM整流器系统仿真,仿真结果分别如图7、图8所示。
图7为没有使用电流预测控制方法时网侧相电压和电流的波形,电流波形不光滑,这是因为系统处于临界稳定点。
图8与图7用同样的电流PI调节器参数,并使用了本文提到的电流预测控制方法时网侧相电压和电流的波形,电流波形很光滑,几乎是正弦的,这主要是因为电流预测控制算法消除了数字延迟的影响,增加了系统的稳定性。
当负载变为2倍时,直流母线电压波形和采用电流预测控制方法的三相整流器的网侧三相电流波形分别如图9和图10所示。从图9可知,负载突变成2倍时,直流母线电压值跌落约 1.5%,并且稳定时间小于 100 ms。证明了系统具有较好的抗干扰性。
6 实验结果分析
利用TI公司生产的TMS3202812数字处理芯片所搭建的实验平台进行实验验证。实验条件如下:滤波电感L=5 mH,负载电阻R=60 Ω,滤波电容C=1 100 μF,开关频率f=5 000 Hz,采用SVPWM调制策略。
图11和图12分别为不使用和使用电流预测控制方法对三相PWM整流器系统进行实验所测得的实验波形。从图11中可以看到电流波形是不规则的、不可控的;而图12中可以看到当有电流预测控制时,电流波形是平滑的、规则的。因此,可以证明前述电流预测控制理论是有效的、可行的。
7 结论
在本文中,基于数字控制系统的三相PWM整流器,分析了该数字控制系统的延迟不良影响。采用变步长自适应滤波算法来预测下一采样周期的电流可以消除数字延迟的影响,使系统具有更广泛的稳定裕度和动态性能,同时直流母线电压具有更高的鲁棒性和快速的响应。
摘要：应用数字芯片控制的三相PWM整流器由于电流采样延时和计算延时而造成系统稳定裕度变小、动态性能变差。为解决这个问题,提出了应用变步长自适应滤波算法的电流预测控制。首先,以三相PWM整流器数学模型为基础,分析了数字延时对系统性能的影响。其次,介绍了变步长自适应滤波算法的基本原理,并将此原理应用于电流信号预测。再次,给出基于上述算法的三相PWM整流器电流预测控制的结构框图。仿真和实验结果表明,由于采用了电流预测控制,消除了延时的影响,使电流环稳定范围增大,同时具有更好的动态性能。
关键词：PWM整流器,自适应滤波器,电流预测,Z变换
参考文献
[1]张崇巍,张兴.PWM整流器及其控制[M].北京:机械工业出版社,2003.
[2]Bo Yin,Oruganti R,Panda S K,et al.A Simple Single-in-put-single-output(SISO)Model for a Three-phase PWMRectifier[J].IEEE Transactions on Power Electronics,2009,24(3):620-631.
[3]韩力,韩学山,陈芳.基于综合预测和自适应滤波器的电力系统动态状态估计[J].电工技术学报,2008,23(8):108-113.
[4]李辉,吴正国,邹云屏,等.变步长自适应算法在有源滤波器谐波检测中的应用[J].中国电机工程学报,2006,26(9):99-103.
[5]吴振兴,邹云屏,张哲宇,等.单相PWM整流器的输入电流自适应预测控制器[J].电工技术学报,2010,25(2):73-79.
[6]Kwong R H,Johnston E W.A Variable Step Size LMS Al-gorithm[J].IEEE Transactions on Signal Processing,1992,40(7):1633-1642.
[7]Heng Deng,Oruganti R,Srinivasan D.PWM Methods toHandle Time Delay in Digital Control of a UPS Inverter[J].IEEE Power Electronics Letters,2005,3(1):1-6.
预测电流控制 篇5
预测控制算法理论上,当系统建模精确、状态变量检测准确时,能够实现无差拍控制,从而有效地减小系统滞后效应,提高系统控制性能[9~11]。笔者将电流预测控制扩展应用到内置式永磁同步电机( interior permanent magnet synchronous motor,IPMSM) ,用预测控制器代替传统的电流环PI控制器结构,对电流环进行预测控制来进一步提高动态性能。
1 永磁同步电机数学模型
永磁同步电机在同步旋转轴系下的电压方程为:
PMSM转矩方程为:
PMSM运动方程为:
式( 1) ~ ( 4) 中: ψd= Ldid+ ψf为直轴磁链;ψq= Lqiq为交轴磁链; ud、uq、id、iq分别为直交轴电压和电流; ωe为电角速度; ψf、R、Ld、Lq分别为永磁体磁链、定子电阻和直交轴的电感; pn为极对数; Te、Tl、J、D分别为电磁转矩、负载转矩、转动惯量和摩擦系数。
2 电流预测控制算法
2. 1 电流预测模型
根据电压方程式( 1) 、( 2) 和磁链公式,选择d、q轴电流为状态变量,则得到内置式永磁同步电机的状态空间函数:
按照标准状态空间函数的形式,式( 5) 可写为: = Ax + Bu + d。在连续时间状态下的通解可表示为:
离散化的永磁同步电机电流预测模型为:
T———采样时间。
根据式(7)的电流预测模型,可得到同步旋转轴系下的定子电压的计算公式:
2. 2 鲁棒电流控制
在预测控制算法中,需要用到电机的理想参数对系统电流进行预测,并生成电压给定值使电机电流跟随给定的变化,预测算法生成的电压给定信号为:
其中:R0、Ld0、Lq0、ψf0为预测算法所用的电机参数;u'd、u'q、i'd、i'q为相应变量的给定值。
电感参数Ld0、Lq0对上述预测控制系统的稳定性影响很大,当实际值与模型中值相差2倍以上时,系统发散[9],采用鲁棒电流控制算法,并引入权重因子α、β且α+β=1,对式(9)改进如下:
3仿真研究
笔者以一台用于变频空调压缩机的内置式永磁同步电机为例,对电流预测控制算法进行了场路耦合仿真验证,基于ANSYS Maxwell v15和Simplorer v10软件建立场路耦合仿真模型。电机主要参数为:
额定功率 0.75kW
额定转速 3 000r/min
相电阻R 0.7Ω
电感Ld/Lq0.008 0/0.015 5H
永磁体磁链ψf0.071Vs
极对数P 3
笔者在对比仿真中均采用相同的速度环PI参数,用来比较检验不同控制方式的效果。图1为电流预测控制仿真模型,其中建立了IPMSM电磁有限元模型,基于Simplorer软件搭建电机控制系统模型,传统PI调节器采用软件自带的PI模块,CP调节器采用软件的C-Model方式建模。
图2 为电机采用PI控制的波形,系统给定转速3 000r/min,负载转矩2N·m,该控制策略下的转速波形和A相电流波形如图2a、b所示。图3为相同转速PI调节器,采用CP控制算法的情况。图2 与图3 对比可知,随着电机转速逐渐升高,固定PI参数调节器控制系统的电机电流无法及时减小,转速因此会存在较大超调,转速在550ms后基本达到稳定; 而采用电流预测控制的系统可以理想地跟随给定的变化,反应速度快,转速仅在350ms后就达到稳定。
4 结束语
在分析电流控制方法的基本原理上,建立了适用于内置式永磁同步电机的电流预测控制模型。通过对电机的d、q轴系电流不断预测,生成新的电压给定值,实现了内置式永磁同步电机的新型矢量控制。仿真对电机额定转速的起动情况进行分析,结果表明,电流预测控制能够更加精确地控制电机电流跟随给定的变化,使永磁同步电机矢量控制系统具有更良好的动态性能和静态精度,从而验证了电流预测在IPMSM矢量控制系统中应用的可行性。而表贴式永磁同步电机是内置式永磁同步电机的一个特例( 即Ld= Lq的情况) ,针对内置式永磁同步电机进行的研究,同样适用于表贴式永磁同步电机。
摘要：为了提高内置式永磁同步电动机调速系统的动态品质,在分析IPMSM的数学模型和预测控制基本理论的基础上,建立了基于电流预测控制的IPMSM矢量控制系统场路耦合模型。仿真结果表明,与传统矢量控制相比,电流预测控制算法可以使系统具有较好的静、动态特性,从而验证了电流预测控制在矢量控制系统中应用的正确性。
预测电流控制 篇6
随着新能源接入电网所占比例的不断提高,电网的动态稳定性问题日益突出,增设储能系统(Energy Storage System, ESS)逐渐成为电力系统提高稳定性的新手段,它能够平滑新能源发电的输出功率并提高它的调峰能力。ESS中的功率转换系统-PCS(Power Conversion System,PCS)是连接储能电池和电网间的桥梁,是实现ESS与电网能量交换的核心。电网故障时,PCS若不能采取相应措施来进行自我保护,则可能烧坏变流器。因此对PCS低电压穿越(Low Voltage Ride-Though, LVRT)研究的重要性也日益突出[1,2,3]。
目前多种PCS控制策略得到成功应用,这些方法均假定电网三相电压完全对称[4,5],但实际上ESS一般通过长距离输电线路与系统相连,易受各种电网状况的影响。不对称故障或不平衡负载所导致的三相电网电压不对称是实际电网中的常见现象[6]。 文献[7]针对风力发电系统中的变流器提出了电网正负序电压分别定向的矢量控制策略,该方法可以消除功率波动,稳定直流母线电压,然而电网发生不对称故障时,变流器不具有紧急无功控制能力。文献[8]根据储能电池的非线性特性,设计了双向DC-DC变流器与DC-AC并网变流器结合的能量转换系统,基于反馈线性化理论,设计了PCS的非线性内环控制器。但该方法采用了6 个PI控制器,增加了计算复杂度,且不适用于电网故障情况。文献[9]中储能变流器采用同步旋转d-q坐标下的间接电流控制,通过变流器直流输出计算出网侧有功分量和无功给定值,这种控制方法在电压型逆变器中有一定的借鉴意义,但是采用同步旋转d-q坐标系, 需要进行多次坐标转换,算法复杂电网故障时锁相系统可能不准确而使PCS失去控制,烧坏变流器。 文献[10]中指出了光伏PCS实现LVRT的三种方法, 增设无功补偿设备实现LVRT适用于储能PCS,但该方法是进行硬件改造,增加了ESS的安装成本。
针对储能PCS软件控制方法实现LVRT这一缺失,本文分析了电网故障对ESS的影响,建立了PCS正、负序复合型数学模型,通过分析预测电流控制原理建立了 α-β 坐标系中PCS瞬时功率方程, 结合储能环节的特殊结构,以抑制LVRT时的过电流和不对称故障时产生的有功功率二倍频分量为目标,采用不需要锁相环和旋转坐标变换的电网不对称条件下PCS预测电流控制策略, 采用PSCAD/EMTDC仿真证明了该策略的正确性与可行性。
1 储能系统结构及原理
目前储能技术主要分为物理储能、化学储能和电磁储能三大类。物理储能主要包括扬水蓄水储能和压缩空气储能等,化学储能主要包括各类蓄电池, 电磁储能包括超导线圈与超级电容器[11]。图1 为本文的研究对象-84 kW的电池储能系统,该系统通过PCS连接到380 V的电网上,主要包括电网、变压器、交流侧滤波器、PCS、直流侧支撑电容和模拟蓄电池六大部分。PCS工作于储能电池和电网之间,其功能是将电网电能存入储能电池中或将储能电池中的能量回馈到电网,实现储能电池和电网之间能量的有序交换,它不仅要在电网正常时提高电力系统电能质量,还要在电网故障时为关键负荷供电[12]。特别指出本文采用单级式变流器实现并网控制,不仅实现了功率的双向流动,负载可以向电源回馈能量;而且整个系统只需一级功率变换即可完成两级结构的全部功能,降低了变换器的通态损耗和系统的复杂性,提高了系统的效率和可靠性。克服了双级式变流器器件数多,系统可靠性相对较低, 体积重量较大,系统较复杂,成本较高的一些缺点[13]。
在电网正常工作情况下,通过不同的控制方式,可以实现储能电池的恒功率充、放电,恒压放电等模式。当电网三相电压对称跌落时,输送到电网的功率突然减小,若不及时调节储能电池输入功率,则功率不平衡将导致变流器输出电流迅速上升, 危及变流器安全[14,15,16]。储能电池不同于直驱风机和光伏之处在于储能电池直流侧由于大电容钳位的原因,在电网侧电压跌落的情况下直流母线电压不会出现过大的波动。当电网出现不对称的电压跌落时, 如果不采取措施实现负序电流的控制,PCS很容易发生过流而损坏。此外,输出有功功率会发生2 倍电网频率的正弦波动,进而使直流侧电压产生2 倍频波动,危及变流器整体稳定性[17]。综上,ESS应具备一定的耐受电网故障(对称、不对称)的能力, 避免在故障时脱网,引起其他连锁故障。目前,还没有明确提出ESS低电压穿越要求,ESS和光伏PCS的功能和控制方法相似,一般参考光伏电站的电压响应特性曲线[18]。
2 储能PCS的正、负序复合模型
储能PCS拓扑结构如图2 所示,图中ea、eb、 ec为三相电网电压,va、vb、vc(ia、ib、ic)为储能PCS的三相输入电压(电流),Ls和Rs为等效的进线电感和电阻,Cdc为直流侧支撑电容,udc为直流侧母线电压,iload为直流侧负载电流。
根据图2 所示拓扑,由基尔霍夫电压、电流定律得三相静止abc坐标系下PCS变流器的数学模型为
式中,Sa、Sb、Sc分别为三相桥臂开关函数:Sk=1 (k=a,b,c)表示相应桥臂上管导通,下管关断;Sk=0 表示相应桥臂上管关断,下管导通。
三相电源相互耦合,而且电网电压电流均为时变交流量,不利于控制系统的实现。通过坐标转换将三相静止abc坐标系下的数学模型转换到两相静止 α-β 坐标系中,对式(1)进行3s/2s坐标变换可以得到两相静止 α-β 坐标系下PCS变流器的数学模型为
式中:Eαβ是电网侧电压复矢量;Vαβ(Iαβ)是 α-β 坐标系中变流器交流侧电压(电流)复矢量。
当电网不平衡时,Vαβ、Iαβ均含有正序、负序分量,根据已有文献在系统发生不对称故障时采用T/4 正负序分离法提取出系统中的负序量进行控制[19],则
式中,Vαpβ、Vαnβ(Iαpβ、Iαβn)分别为 α-β 坐标系下的变流器交流侧电压(电流)的正、负序矢量。且有
式中:V(i)代表变流器交流侧电压(电流);下标 α、 β 代表所在坐标轴;上标p、n代表正负序分量。将式(3)代入式(2)中可以得到α-β坐标系中储能PCS变流器的正、负序复合模型为
3 预测电流控制与LVRT策略
PCS的LVRT实质是在电压跌落情况下首先防止开关器件过流、过压而损坏,其次是保持并网运行前提下,具备一定的功率控制能力和功能。LVRT的实现方案体现在两个层次:一是电压跌落时电流指令分配与切换;二是电流的有效控制。针对电网对称和不对称两种故障,通过改变功率外环来改变电流指令,分别实现电压跌落时的PCS过电流抑制和不对称故障时负序电流控制与有功功率二倍频脉动抑制,实现储能PCS的LVRT。
采用预测电流控制算法,即通过预测系统下一周期的输出状态而确定当前的动作指令[20]。电网正常情况时调制电压指令为
电网电压不对称时,式(6)可分解为
式中:Vαp*、 Vβp*、Vαn*、 Vβn*( iαp*、 iβp*、iαn*、 iβn*)为 α 轴和 β 轴的电压(电流)正负序指令;ipα、 ipβ、 inα、 inβ(epα、epβ、enα、enβ)为 α 轴和 β 轴的网侧电压(电流)正负序瞬时值。由式(7)可以看到变流器输出电流iα和iβ分别只受变流器输出电压Vα和Vβ的控制,求得电流指令代入式(7),将得到的调制电压输入到SVPWM模块,产生六路脉冲信号触发PCS变流器的功率开关就可以实现LVRT控制。
PCS变流器吸收的复功率为
式中:Edpq、Ednq(Idpq、Idnq)为d-q坐标下电网电压(电流)正负序矢量;p、q为PCS变流器吸收的有功、无功功率;ω 为同步旋转角频率。求解式(8)可以得到
式中:p0、q0为有功、无功功率平均值;pc2、qc2为二次有功余弦、正弦项峰值;ps2、qs2为二次无功余弦、正弦项峰值。因此选择p0、q0、ps2、 pc2作为控制对象,当电网对称故障时,p0*为PCS输入平均有功指令,通过直接改变有功功率达到抑制网侧过电流的目的。网侧变流器要求单位功率因数运行,取q0*=ps2*=pc2*=0。其中p0*为PCS输入平均无功指令,ps2*和pc2*分别为PCS输入有功功率二倍频正弦、余弦分量指令。
当电网不对称故障时含有负序分量,传统控制方式下输出的有功功率会发生2倍于电网频率的正弦波动以及直流侧电压的2 倍频波动,危及变流器整体稳定性。一般希望储能电池在自我保护的同时能够向电网提供一定的无功支撑,系统转入紧急无功支撑模式。采用直接改变功率外环指令实现LVRT,无功功率指令切换到储能装置所能发出的最大无功容量qmax,此时功率指令分别是
功率指令确定以后,即可根据式(9)得出所选4 个功率指令与 α-β 坐标下正负序电流指令的关系。
式中:用ME-1表示逆矩阵。把式(10)代入式(7),可以得到储能PCS在电网故障条件下基于预测电流的LVRT控制策略,如图3 所示。该策略分为两层:一是工况切换及电流指令的计算与限流部分;二是电流的跟踪控制部分。图中Es为网侧电压幅值,E0为额定电压。正常时刻两者是相等的,此时开关位于1 位,当出现对称(不对称)故障时Es小于E0,指令切换开关动作至2 位,转入无功支撑模式。由于对储能PCS的建模是正负序复合模型, 因此当电网出现不对称故障负序分量时该方案依然可以通过对负序量的控制实现不对称LVRT。
4 仿真分析
本文基于PSCAD/EMTDC建立了储能PCS仿真模型及相应的电网模型,对所提控制策略进行了仿真验证。仿真模型参数为:蓄电池组额定功率: 84 kW;电网电压:380 V;电网系统阻抗:0.005 Ω; PCS直流侧电压:714 V;开关频率:3.2 kHz;交流侧滤波电感:0.000 95 mH;交流侧滤波电容:140μF;直流储能电容:5 040 μF。
仿真需要验证本文方法对于对称及不对称性电网故障下的有效性,通过变压器一次侧电阻接地的方式模拟不同类型的故障(表1)。在1 s时发生故障,持续时间为1 s,在2 s时刻恢复正常。综合考虑模型中所采用电力电子器件的最大通态电流为450 A。
4.1 对称故障仿真
图4 为故障时刻未加入LVRT控制策略的波形图,可以看到电流达到1 000 A,已经完全超过变流器的最大允许值(450 A),危害变流器。图5 为故障时刻加入LVRT控制策略,切换功率运行模式, 开关从1 位到2 位,切换功率运行模式开关从1 位到2 位,储能电池转入无功运行模式,按照蓄电池的最大允许值进行无功支撑。可以看到此时交流电流大小得到有效的抑制,幅值限定在300 A左右, 满足变流器的控制要求,实现了储能PCS的对称LVRT。
4.2 不对称故障仿真
图6 为电网发生A相接地时未加入不对称LVRT控制策略的波形图,可以看到故障电流达到600 A,完全超过变流器的最大允许值(450 A),且直流母线电压出现波动,有功功率的2 倍频波动明显,严重影响电网的电能质量和变流器的安全运行。 图7 为故障时刻加入不对称LVRT控制策略波形, 与图6 相比可以看到此时交流电流大小抑制在100A,直流母线电压波动减小了,有功和无功功率的倍频分量也得到抑制。但是由于电池系统向电网发出的有功功率减小,因此,直流母线电压有所上升, 但没有超过限值。验证了本文关于电网电压不对称条件下PCS的LVRT控制策略的正确性。
5 实验结果
5.1 对称故障实验工况
在已有控制策略经过仿真验证之后,又将该策略移植到硬件设施中进行实验。采用的实验工况为: 电池储能系统按1 MW为一个单元设计,每1 MW的储能系统由4 个500 kW/0.75 MWh电池储能单元组成,其中每个电池储能单元包含1 台500 kW的PCS, 用以实现储能电池与电网之间的能量双向传递。
全系统由3 个这样的1 MW单元构成,最终每个单元通过隔离升压变,汇流于35 kV电网。500 kW PCS的拓扑由6 个84 kW的标准功率模块组成,每个功率模块的直流侧作为1 组输入。电池系统共分为6 组,分别接到PCS的6 组直流输入上,PCS装置的所有功率模块的交流侧并联在一起,通过内部隔离变压器接入380 V电网,如图8 所示。
5.2 对称故障实验波形
储能PCS三相对称跌落波形说明:在2 s时发生故障,持续时间为1 s,在3 s时刻系统恢复正常, 如图9。故障发生后,PCS往外发出10 kvar无功功率。在电压恢复时,停止发无功,并在故障恢复后100 ms后恢复有功输出。图7 中CH1 为网侧电压, CH9,CH10,CH11 分别为网侧三相电流。从所得的实验波形中可以看到该策略应用到实际装置中依然是可行的,尤其是图10,在故障时刻可以很好地抑制网侧电流防止越限;图11 可以看出,在故障退出时刻可以快速平稳地过渡到稳态工作状况。
可以看到此时交流电流大小得到有效的抑制, 满足变流器的控制要求,实现了储能PCS的对称LVRT。
6 结论
预测电流控制 篇7
目前我国正处于城市轨道交通的发展高峰期, 城市轨道交通普遍采用直流牵引供电系统, 而直流牵引系统的安全可靠运行是对城市轨道交通的基本要求。在直流牵引系统中, 走行轨作为回流通路, 但是走行轨对地不可能完全绝缘, 从而有部分电流从轨道泄漏到道床及周围土壤中, 即杂散电流。杂散电流会对轨道交通的道床、埋地金属管线、埋地钢筋结构以及附近金属设备造成腐蚀, 导致金属物的强度降低, 设备的使用寿命缩短, 威胁着地铁运行安全, 可能造成严重的经济损失和人员伤亡。所以有必要对杂散电流进行准确监测, 以及对杂散电流腐蚀状况进行预测, 从而保证城市轨道交通的安全运行。
在地铁杂散电流腐蚀领域, 因为影响腐蚀程度的因素过多及腐蚀过程的复杂性, 若用普通的方法来分析并且从大量的数据中发现确切的规律极为困难, 但人工神经网络能在解决复杂而又非线性的腐蚀预测问题时表现出其自身的优势。本文针对传统的BP神经网络的结构和算法进行分析并在此基础上进行改进, 建立了新型的杂散电流腐蚀预测BP神经网络模型。在建立的BP神经网络模型上, 通过预测参比电极偏移值来间接预测地铁杂散电流腐蚀状况, 通过MATLAB仿真结果可知, 基于改进后的BP神经网络模型预测方法精度高、可信度也高, 具有很高的应用推广价值。
杂散电流分布影响因素
在进行杂散电流腐蚀预测模型的建立前首先要分析影响杂散电流的分布因素。地铁杂散电流分布规律是十分复杂的电流场问题, 而影响杂散电流的分布因素也是复杂多变的。因此针对杂散电流分布影响因素, 国内外许多的专家学者也进行了相关的研究。Kinh, D.Pham和Thomas, R.S.等人假设接触网不会对大地产生杂散电流、牵引所正极和列车受电端相互之间与大地都不会发生耦合, 构建单边供电方式下钢轨-大地回流系统的杂散电流分布解析模型。Cotton, I.等人分析单边供电方式下的走行轨-大地回流系统的杂散电流分布规律, 在牵引所负母极直接接地、不接地两种方式下, 推导出了地铁杂散电流分布解析式, 其中的变量为:牵引电流、轨道纵向电阻、列车和牵引所的间距、轨地过渡电阻。Lee, C.H.和Lu, C.J.更深入地分析了三牵引所双机车供电方式下的钢轨电位、杂散电流分布规律。王崇林、张孝雨和李国欣等人研究分析了埋设有道床钢筋结构下的直流牵引供电回流系统离散模型。李威等人在单边供电方式下, 分析了走行轨-土壤、走行轨-埋地金属-土壤、走行轨-排流网-埋地金属-土壤3类地铁回流系统, 搭建了钢轨电位、钢轨电流、杂散电流以及跨接电流的解析模型。曹阿林通过杂散电流的模拟实验装置, 以混凝土中钢筋结构体为主要验证对象, 综合分析了土壤电阻率、金属管线埋地深度、金属管线与外加电流源水平净距、金属管线涂层破损率、外加电流源以及埋地金属管线对大地的电位差等因素与埋地金属杂散电流密度之间的关系。针对以上国内外的研究状况可知影响杂散电流分布的因素多种多样, 这也间接导致了对杂散电流预测难度的增加, 因此需要综合考虑各种因素建立可靠准确的预测模型。
杂散电流BP神经网络预测模型
BP网络预测模型输入输出因子的选择
由以上分析可知, 地铁杂散电流腐蚀过程中会受到土壤环境、牵引电流、列车与变电所距离、轨地过渡电阻、轨道纵向电阻、参比电极埋地深度、混凝土电阻率等诸多因素的影响。再综合考虑其他相关因素, 以牵引电流 (A) 、列车与牵引所距离 (km) 、轨地过渡电阻 (Ω/km) 、轨道纵向电阻 (Ω/km) 、OVPD泄漏电流 (A) 、OVPD轨电位 (V) 、负极回流电流 (A) 、土壤电阻率ρ (Ω.m) 、参比电极与埋地钢筋距离 (mm) 作为BP神经网络的输入值。地铁杂散电流腐蚀程度的直接判定依据是杂散电流密度, 而间接判定依据是杂散电流腐蚀造成的埋地金属的极化电压偏移值, 因为在城市轨道交通整体结构中, 杂散电流无规律不稳定, 根本无法直接测量, 所以杂散电流腐蚀程度只能用极化电压来间接表示。因此选择埋地参比电极偏移值为BP神经网络预测模型输出值。
BP网络预测模型结构确定
BP (Back Propagation) 神经网络结构如图1所示, 作为单向传播、多层前向网络的BP网络, 除了输入输出节点以外, 还有若干个隐层节点, 而同一层次下的节点没有连接和融合。输入信息经输入层至隐层, 最后到达输出层, 前一层节点只对下一层节点有影响。
在对BP人工神经网络模型进行设计时, 最重要的是神经网络的层数与各层的节点 (也称作神经元) 个数。在进行运算时是从输入层开始逐次到以下各层, 虽然多一层隐层能提高精度、降低网络误差、提高训练速度, 但此时的神经网络变得较为复杂, 训练时间也要增加。因此在进行杂散电流预测时, 选择3层BP人工神经网络, 即含有一个输入输出层和一个隐层。输入节点和输出节点的个数与样本及其相关应用领域有密切关系。
目前没有任何理论来指导隐含层的节点数选择, 通常情况下要遵循下列原则:隐层节点数小于N-1 (N是原始训练样本数) , 否则该模型的误差和训练样本特性无关几乎为零, 从而不具备泛化能力;对于三层BP神经网络隐层节点数通常是输入节点数的3/4;训练样本数需要是网络模型连接权数的2-10倍, 否则得不到可靠的网络模型。要训练样本后获得较低的网络误差, 通过增加隐层节点数远比增加隐层层数更容易实现。一般的隐层节点数的经验公式为:
上式中:p是隐层节点个数, x是输入层节点个数, y是输出层节点个数, z是常数且1<z<10。
根据以上影响杂散电流腐蚀的因素和实测的数据, 选择输入层节点数为9, 输出层节点数为1。通过式 (1) 计算并根据多次训练结果对比, 此网络模型的隐层节点数为7个。
BP网络预测模型算法及改进
BP算法是一种δ算法, 是一种有导师学习式的算法。学习过程中, 如果实际值与期望值之间有误差, 这时通过修正连接权值, 使得实际输出值逼近期望值, 即神经网络输出层的误差平方和达到最小值。BP神经网络第P个样本误差函数计算公式如 (2) 所示:
上式中, tpt为期望输出、Opt为网络的实际输出。在误差函数斜率降低的方向上, BP算法是通过不停地计算神经网络的权值与变化着的偏差来接近期望值的, 每次算得的权值、偏差的变化量都与网络误差的影响成正比, 而且会反方向传播到每一层直至误差平方和最小。
通常情况下, 人工神经元涵盖以下三个基本要素:
模拟人类神经系统的突触, 用wij表示节点i与节点j之间的连接权重 (也叫作连接权系数) ;
能够累积输入信号值, 并能够显示出神经元的融合性能;
为了将神经元的输出值限制在一定的范围内, 必须具备一个相对应的激励函数, 并预先定好该范围大小, 这样输出值就变成了有界值, 例如取神经元的输出值在闭区间[0, 1]或[-1, 1]上。
如上图2所示, 人工神经元有多个输入值, 而就一个输出值, 这种多对一模型显然属于非线性结构。 (x1, x2, (43) , x N) 是该神经元的输入值集合, wij表示两个神经元之间的连接权系数, 即第i、j两个神经元之间的整合度。θi作为节点阈值, ui是输入样本值经处理后的总和, y即神经元的输出结果。由图2可知该节点的输出结果方程式 (3) :
对于激励值函数f (ui) , 通常取用单调递增的S型函数, 数学表达式是:
在利用BP网络进行相关领域的研究和处理时, 期望其可以显示出良好的全局收敛特性, 以及较为宽泛的映射泛化性能。在传统的BP网络中, 通过神经元之间的连接来存储信息 (可调) , 模拟细胞体功能的激励函数则是固定的。这使得网络的训练过程简化成只对各层神经元连接权值和阈值进行调整, 这制约了网络的非线性映射能力。对于通常采用的Sigmoid函数, 输出量限定在 (0, 1) 之间, 根据各层一般化误差δ, 当网络各层的单元输出f (x) 为0或者1时, 权值修正量很小, 从而造成校正过程十分缓慢, 延长训练时间。将节点的激励函数修改为:
式中, m为偏移参数;n为函数比例系数;θ为阈值;λ为陡度因子。显然, 此函数比S型函数具有更丰富的非线性表达能力。参数m和θ决定函数的垂直位置和水平位置, n决定函数的幅值, λ决定函数的形状。选取m=-0.5, n=1, θ=0, λ=1, 则各神经元的激励函数为
函数的值域由 (0, 1) 变为 (-0.5, 0.5) , 根据实际的预测数据进行激励函数值域的修正。由此可以克服零样本输入时相关权值和阈值修正量无效的问题, 提高收敛速度。
改进后BP神经网络预测结果分析
进行BP神经网络的建模及预测, 首先要有丰富的样本数据, 为了更好地评价改进后BP神经网络模型的性能, 需要把已有数据分为训练样本和检验样本。先将原始样本按式 (8) 归一化处理, 然后再训练样本数据。
上式中:x:归一化后样本值;X:原始样本值;Xmin:样本中的最小值;Xmax:样本中的最大值。
用训练好的网络进行检验。检验样本按式 (8) 归一化后, 见表1。
采用3层BP网络来构建BP神经网络模型, 由于没有隐层节点数的选择标准, 本次BP神经网络隐层节点数从7开始训练, 训练函数为Trainlm, 学习函数为Learngdm, 学习率为Ir=0.5, 动量系数为mc=0.8, 训练误差goal=0.0001。图3所示为训练过程中网络误差趋势, 由此可知, 该三层BP神经网络训练精度高、收敛效果也非常好, 可以很快的达到训练预测精度, 泛化能力较好。
将改进后的网络预测模型与改进前的模型进行预测误差对比如下图4所示, 可以从对比中看出改进后网络模型预测误差精度更高, 基本可以满足所要求的预测精度范围, 充分说明改进后的网络预测模型可以应用于对实际参比电压偏移值的预测。
将改进后的网络预测模型应用到参比电极的预测中并将预测值与实测值进行对比如图5所示。从图中可以看出预测模型预测的结果与实际值基本一致, 进一步说明了此预测模型可行性和可靠性。
为了更加直观和准确的反映预测结果, 将参比电极预测值与实际值的结果列到下表5所示, 并进行误差计算。
从表2中可进一步得知, 该BP神经网络模型预测值和实测值之间的误差很小, 推广泛化能力比较强, 改进后的BP神经网络的参比电极偏移值预测模型具备较高的准确性和可信度。
总结
地铁杂散电流会对土壤中的结构钢筋造成腐蚀, 因此需要进行必要的防护措施, 在预防杂散电流腐蚀前需要进行杂散电流的腐蚀预测。影响杂散电流腐蚀因素很多, 常规的预测方法无法满足要求, 而利用改进后的BP神经网络可以间接预测埋地参比电极偏移值从而来预测杂散电流腐蚀程度, 为地铁杂散电流的防护做好充分的前期准备。结果表明基于改进后的BP神经网络预测模型能够很好的预测杂散电流间接量也即参比电极的偏移值, 说明了该网络预测模型的可行性和可靠性且具有一定的应用推广价值。