一种多步预测的变流器模型预测控制方法与流程

本发明涉及一种变流器模型预测控制方法，特别涉及一种多步预测的变流器模型预测控制方法。

背景技术：

变流器模型预测控制算法是变流器控制方法的研究热点，它基于模型预测控制理论，结合变流器自身的控制特点，采用预测模型进行计算，基于代价函数进行寻优，实现了变流器的综合优化控制。

在现有的变流器模型预测控制算法中，变流器有限控制集模型预测控制算法(finitecontrolsetmodelpredictivecontrol,fcs-mpc)针对变流器开关控制信号的离散特性，通过设计开关函数组合，并利用开关函数组合个数有限的特性，由变流器预测模型遍历计算全部开关函数组合分别作用下的系统状态预测值；通过构建代价函数来综合变流器系统的控制性能，并选择使代价函数最小的开关函数组合作用于变流器。fcs-mpc算法具有建模直观、控制直接、动态响应快、无需经典变流器控制结构中的pwm调制模块等优势，但也存在在线计算复杂、开关频率较高且不可控、难以实现经典模型预测控制理论中的多步预测计算等问题，这将导致算法保守且影响算法的抗干扰性，而较高的开关频率则增加了变流器的热损耗，降低了变流器的效率。

针对fcs-mpc算法多步预测的问题，已公开的方法主要包括：1、文献(一种多步预测的变流器有限控制集模型预测控制算法.中国电机工程学报,2012,32(33):37-44.)，采用三步预测计算，两步寻优计算的策略来降低算法的保守性，这种方法难以直接增加预测步数。2、文献(modelpredictivedirectcurrentcontrol:formulationofthestatorcurrentboundsandtheconceptoftheswitchinghorizon.ieeeindustryapplicationsmagazine,2012,18(2):47-59.)，是一种经典的多步模型预测控制算法。该算法基于外推法进行系统状态的预测计算，将预测时域组织成“s”、“e”两种状态，“s”是开关状态(switch)，“e”是外推状态(extrapolate)。在多步预测计算过程中，只有在“s”状态才进行寻优计算，而在“e”状态仅仅基于“s”状态的最优控制量计算系统响应，这两种状态的切换由状态量跟踪偏差的宽度决定，因此需折中考虑预测步数的长度与算法跟踪控制性能。3、文献(long-horizonfinite-control-setmodelpredictivecontrolwithnonrecursivespheredecodingonanfpga.ieeetransactionsonpowerelectronics,2020,35(7):7520-7531)，采用球解码算法结合fpga并行计算硬件实现多步预测。

技术实现要素：

为了解决现有变流器模型预测控制算法存在的上述技术问题，本发明提供一种易于实现、高效可靠的多步预测变流器模型预测控制方法。

本发明解决上述技术问题的技术方案包括以下步骤：

a1、设置预测时域tp与控制时域tc的长度，tc=nts，tp=(n+1)ts；

a2、在当前控制时域的第k个控制周期内，采样状态x(k)，实施控制slk(k)，由多步预测寻优计算得到sop(k)；

a3、对下一控制时域内的全部控制量sop(1:n)进行脉冲优化得到slk(1:n)；

a4、在下一控制时域的控制周期内实施优化后的控制量slk(k)。

本发明的技术效果在于：本发明基于模型预测控制理论，设置变流器模型预测控制算法的控制时域与预测时域，在控制时域内的每个控制周期中进行采样、实施控制，并完成预测时域内系统状态的预测计算，进而得到下一控制时域的最优控制量，最后对下一控制时域中的全部控制量进行脉冲优化，实现了降低开关频率的目的。这种设计方法采用增加预测时域但不增加寻优时域的策略来减少多步预测的计算量，由每个控制周期的状态采样值计算预测时域内的状态预测值，通过构建控制时域并采用脉冲优化的策略来降低开关频率，改善了系统控制性能。

附图说明

图1为本发明中变流器有限控制集模型预测控制算法(fcs-mpc)原理图。

图2为本发明的流程图。

图3为本发明的时序计算流程图。

图4为本发明中控制时域n=6的计算时序图。

图5为本发明中基于面积等效原则的脉冲优化原理图。

图6为本发明中三相逆变器输出电压仿真波形图。

图7为本发明中输出控制脉冲对比细节图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

本发明针对现有变流器有限控制集模型预测控制算法(finitecontrolsetmodelpredictivecontrol,fcs-mpc)存在的预测时域短以及开关频率难以降低的缺点，设计多步预测机制与脉冲优化策略。

经典fcs-mpc算法结构框图如图1所示。定义变流器的开关函数s，s=1表示开关闭合，s=0表示开关关断。

对于三相变流器，将某一时刻作用于变流器的开关函数组合表示为向量s=[sa,sb,sc]^t。对于三相两电平变流器，开关函数，其中sjp表示上桥臂开关管开关函数，sjn表示下桥臂开关管开关函数，且sj∈{0,1}，j=a,b,c。

在当前时刻k，先实施由前一控制周期计算出的最优开关函数组合s(k)，再根据状态采样值x(k)，由预测模型计算出k+1时刻的状态预测值xp(k+1)。在状态预测值xp(k+1)的基础上，由预测模型遍历计算全部开关函数组合分别作用下的状态预测值xpi(k+2)，其中i=1,..,g，g为变流器全部开关函数组合的个数。计算各开关函数组合对应的代价函数，取代价函数最小的开关函数组合作为下一控制周期的控制量s(k+1)。由fcs-mpc算法原理可知，预测模型与代价函数的遍历计算是导致算法在线计算量大的主要原因，并将随着预测时域的增加呈指数上升，因此简单的增加预测时域是不可行的。而由预测控制理论可知，适当增加预测时域将有利于提高算法控制性能，使得局部最优控制量具有一定的全局最优性，因此增加预测时域是进一步提高算法控制性能的有效途径。此外，与传统变流器控制算法相比，fcs-mpc算法在结构上最显著的特征是没有pwm波形调制器，这使得变流器的开关频率只能由控制周期以及代价函数决定，而简单的增加控制周期长度将减少最小脉冲的宽度，代价函数的设计也只能通过构建约束来减少开关次数。

针对经典fcs-mpc算法存在的上述问题，本发明专利构建了一种多步预测的变流器模型预测控制算法，借鉴预测控制理论中预测时域与控制时域的概念实现多步预测计算，采用面积等效原则构建简单、有效的脉冲优化策略实现降低开关频率的目的，算法的计算量可以满足实时控制的要求。

本发明的多步预测的变流器模型预测控制算法，其流程如图2所示，包括以下几个步骤：

a1、设置预测时域tp与控制时域tc的长度；

tc=nts(1)

tp=(n+1)ts(2)

其中，n为大于1的整数；ts是控制周期，单位为秒。

a2、在当前控制时域的第k个控制周期内，采样状态x(k)，实施控制slk(k)，由多步预测寻优计算得到sop(k)；

算法的计算流程与多步预测机制如图3所示，控制时域内的控制量slk每n步更新一次，具体的控制过程为：

a21、构建控制量数组slk[n]与预测寻优结果数组sop[n]；

构建数组slk[n]及数组sop[n]，分别存放控制时域内的控制量以及预测寻优的计算结果。算法控制周期与采样周期均为ts，ts也是算法输出的最小脉冲宽度；

a22、在当前控制时域内进行多步预测寻优计算；

控制时序k=1，实施控制slk(1)，并采样系统状态x；基于状态x，结合slk(1:n)，采用变流器状态预测函数fp进行n步预测计算，得到状态预测值xp(n+1)；在xp(n+1)的基础上，遍历计算全部变流器开关函数组合分别作用下的预测值xpi(n+2)，其中i=1,..,g，g为变流器全部开关函数组合的个数。由代价函数fc寻优计算得到最优控制量，并赋值给sop(1)；

控制时序k=2，实施控制slk(2)，采样系统状态x；基于状态x，结合slk(2:n)与sop(1)，采用变流器状态预测函数fp进行n步预测计算，得到状态预测值xp(n+2)；在xp(n+2)的基础上，遍历计算变流器各开关函数组合对应的预测值xpi(n+3)，由代价函数fc寻优计算得到最优控制量，并赋值给sop(2)；

按上述计算方法以此类推，控制时序k=m时，实施控制slk(m)，采样系统状态x；基于状态x，结合slk(m:n)与sop(1:m-1)，采用预测函数fp进行n步预测计算，得到状态预测值xp(n+m)；在xp(n+m)的基础上，遍历计算各开关函数组合对应的预测值xpi(n+m+1)，由代价函数fc寻优计算得到最优控制量，并赋值给sop(m)；

控制时序k=n，实施控制slk(n)，采样系统状态x；基于状态x，结合slk(n)与sop(1:n-1)，采用预测函数fp进行n步预测计算，得到状态预测值xp(2n)；在xp(2n)的基础上，遍历计算各开关函数组合对应的预测值xpi(2n+1)，由代价函数fc寻优计算得到最优控制量，并赋值给sop(n)；

由上述算法计算流程可知，控制周期为ts，控制时域的时间宽度为nts，预测时域的时间宽度为(n+1)ts。在一个控制周期内，预测函数fp的计算次数为n+g次，代价函数fc的计算次数为g次。与经典fcsmpc算法相比，单个控制周期内增加了n次计算函数fp的计算量，但预测时域增加了n倍，同时可以适当减小控制周期ts，以获取理想的最小脉冲宽度。此外，在每一个控制周期内，都基于当前时刻的状态采样值对未来n步的系统状态进行预测，并基于此计算下一控制时域内对应的控制量，实现了多步预测计算与单步寻优的结合；

为进一步描述上述多步预测机制，图4给出了n=6的预测计算过程。在当前时刻k，实施控制s0，采样得到x0，结合控制量[s0,s1,s2,s3,s4,s5]，由预测函数fp迭代计算得到预测值xp6。以xp6为基础，采用预测函数fp遍历计算全部开关函数组合对应的状态量预测值xp7i，i=1,..,g。在此基础上，选择使代价函数fc最小的开关函数组合赋值给s01。由此，在时刻k对应的控制周期内，实施了控制量s0，并由状态采样值x0计算出k+6时刻的最优控制量s01。在k+1时刻进行类似的操作，实施控制s1，采样得到x1，结合控制量[s1,s2,s3,s4,s5,s01]，由预测函数fp迭代计算得到预测值xp7。以xp7为基础，采用预测函数fp遍历计算各开关函数组合对应的状态量预测值xp8i，由代价函数fc寻优计算得到最优开关函数组合赋值给s11。以此类推，一直到k+5时刻，实施控制s5，采样得到x5，结合控制量[s5,s01,s11,s21,s31,s41]，由预测函数fp迭代计算得到预测值xp11。采用预测函数fp遍历计算状态量预测值xp12i，由代价函数fc寻优计算得到最优开关函数组合赋值给s51。

a3、对下一控制时域内的全部控制量sop(1:n)进行脉冲优化得到slk(1:n)；

采用面积等效原则对变流器的单相脉冲进行优化，以减少控制时域内开关切换次数。对于三相两电平变流器，将sop(1:n)中的每个控制量展开成三相脉冲的形式，对每一相n个脉冲进行求和，得到脉冲为1的周期数h。若周期数h等于n，则说明在下一控制时域内该相脉冲都为1，无需优化；若周期数h等于0，则说明在下一控制时域内该相脉冲都为0，无需优化；若周期数h在1到n-1之间，则说明在下一控制时域内该相脉冲有h个周期为1，先根据当前控制时域内最后一个控制周期的脉冲，来确定下一控制时域内第一个控制周期的脉冲，以确保该相脉冲在连续的两个控制时域之间不发生跳变，同时确保在下一控制时域内只跳变一次。将按上述脉冲优化方法得到的新控制量赋值给slk(1:n)；

在图4中，对计算出的控制量[s01,s11,s21,s31,s41,s51]进行脉冲优化，并将优化后的脉冲作为下一控制时域的控制量[s0,s1,s2,s3,s4,s5]；

图5给出了n=6的脉冲优化过程。先计算各相脉冲为1的周期数，ha=3，hb=6，hc=1。对于a相，由于当前控制周期的最后一个脉冲是0，因此a相先排三个0，再排三个1。对于b相，周期数hb等于6，无需优化。对于c相，当前控制周期的最后一个脉冲是0，因此c相先排五个0，再排一个1。优化前与优化后的结果如图5所示，可以看出通过脉冲优化减少了开关次数。

a4、在下一控制时域的控制周期内实施优化后的控制量slk(k)；

将优化后的脉冲序列赋值给slk(k)，并在下一控制时域内重复上述过程，实现算法的连续控制；

为验证所设计方法的可行性，图6给出了采用本方法控制的三相逆变器输出电压仿真波形图，控制周期ts=10μs，n=6，输出电压的谐波含量thd值为3.42%，开关频率为6.127khz。作为对比，对相同的三相逆变器仿真模型采用经典fcsmpc算法进行控制，控制周期ts=10μs，开关频率为19.27khz；当控制周期ts=33μs时，对应的开关频率为7.592khz；

图7给出了本方法与经典fcsmpc算法输出的a相脉冲对比图，控制周期ts=10μs，n=6。由图可知，由于本方法采用了多步预测+脉冲优化的机制，确保了在一个控制时域内脉冲最多只跳变一次，且相邻控制时域的脉冲尽可能不跳变，同时输出脉冲的最小宽度也得到了保障。作为对比，在一个控制时域内，经典fcsmpc算法输出的脉冲存在多次跳变，因此其对应的开关频率也较高。