阅读说明：本技术 基于间接模型预测的光储系统用动态优化方法 (Dynamic optimization method for light storage system based on indirect model prediction ) 是由 洪晓燕 高梅鹃 卢奇 赵冬义 刘达 金亮亮 张蕾琼 庄建斌 姚天明 李云瑞 周宗 于 2020-06-06 设计创作，主要内容包括：本发明公开了一种基于间接模型预测的光储系统用动态优化方法,包括以下步骤：步骤S1：在初始判断周期或者在前序判断周期判断结束后的下一判断周期,判断参考电流是否发生突变,如果判断成功则执行步骤S4,同时置持续周期Prd＝1,否则执行步骤S2；步骤S2：判断光储系统的交流侧电流误差是否小于光储系统的预置的交流侧电流误差阈值,如果判断成功则执行步骤S9,否则执行步骤S3。本发明公开的基于间接模型预测的光储系统用动态优化方法,控制器的参数整定不再依赖试凑等具有随机性、不确定性的约束行为,同时有助于优化计算量。(The invention discloses a dynamic optimization method for an optical storage system based on indirect model prediction, which comprises the following steps: step S1: judging whether the reference current has sudden change in the initial judgment period or in the next judgment period after the judgment of the previous judgment period is finished, if so, executing the step S4, and setting the continuous period Prd to 1, otherwise, executing the step S2; step S2: and judging whether the alternating current side current error of the light storage system is smaller than a preset alternating current side current error threshold value of the light storage system, if so, executing the step S9, otherwise, executing the step S3. According to the dynamic optimization method for the light storage system based on indirect model prediction, parameter setting of the controller does not depend on constraint behaviors such as trial and error and the like, has randomness and uncertainty, and is beneficial to optimization of calculated amount.)

基于间接模型预测的光储系统用动态优化方法

技术领域

本发明属于电力电子技术领域，具体涉及一种基于间接模型预测的光储系统用动态优化方法。

背景技术

在电力电子领域，应用MPC时，现有的传统模型预测算法，值得注意的是，线性控制器参数设计没有普遍规律可以遵循。换而言之，控制器参数的整定，在大部分情况下仍然依靠试凑。

由于基于MMC的光储系统有较多的控制目标，所以可以采用模型预测的控制策略，需要考虑的是模型预测控制价值函数的设计、计算量以及动态性能等方面。

文献1(郭国胜,戴鹏,公铮.基于模块统一脉宽调制的模块化多电平变换器优化模型预测控制[J].中国电机工程学报,2017,37(05):1478-1489)提出了一种不需要遍历所有的开关且不需要求解价值函数的预测模型。

文献2(公铮,伍小杰,戴鹏.模块化多电平换流器的快速电压模型预测控制策略[J].电力系统自动化,2017,41(01):122-127+167)针对三相MMC系统，基于电压矢量预测模型进行设计，指出可在保留传统模型预测控制算法优点的同时令运算量得到大幅度减小，使其应用不受MMC电平数量限制。

文献3(J.Moon,J.Gwon,J.Park,D.Kang and J.Kim,"Model Predictive ControlWith a Reduced Number of Considered States in a Modular Multilevel Converterfor HVDC System,"in IEEE Transactions on Power Delivery,vol.30,no.2,pp.608-617,April 2015)提出了三种不同的价值函数，来降低需要考虑的开关的状态。

然而，对于基于MMC的光储系统来说，由于增加了储能这一部分的内容，需要予以进一步改进，以优化控制效果。

发明内容

本发明针对现有技术的状况，克服以上缺陷，提供一种基于间接模型预测的光储系统用动态优化方法。

本发明专利申请公开的基于间接模型预测的光储系统用动态优化方法，其主要目的在于，控制器的参数整定不再依赖试凑等具有随机性、不确定性的约束行为。

本发明专利申请公开的基于间接模型预测的光储系统用动态优化方法，其另一目的在于，有助于优化计算量。

本发明专利申请公开的基于间接模型预测的光储系统用动态优化方法，其另一目的在于，针对子模块数目较多等特定应用场合，能够显著减少计算量，从而降低系统的整体开销。

本发明采用以下技术方案，所述基于间接模型预测的光储系统用动态优化方法，包括以下步骤：

步骤S1：在初始判断周期或者在前序判断周期判断结束后的下一判断周期，判断参考电流是否发生突变，如果判断成功则执行步骤S4，同时置持续周期Prd＝1，否则执行步骤S2；

步骤S2：判断光储系统的交流侧电流误差是否小于光储系统的预置的交流侧电流误差阈值，如果判断成功则执行步骤S9，否则执行步骤S3；

步骤S3：判断持续周期Prd是否为1，如果判断成功则执行步骤S4，否则置持续周期Prd＝Prd-1并且执行步骤S9；

步骤S4：置n＝1；

步骤S5：根据n值执行参考电流预测；

步骤S6：计算MPC算法输入值level_new；

步骤S7：置持续周期Prd＝n；

步骤S8：判断MPC算法输入值level_new是否处于开区间(-X,X)，如果判断成功则输出MPC算法输入值level_new并且执行步骤S8，否则置n＝n+1并且执行步骤S5；

步骤S9：执行MPC算法。

根据上述技术方案，作为上述技术方案的进一步优选技术方案，步骤S8中，当具体实施为N+1电平时，X取值为N/2，N为桥臂子模块的数量。

根据上述技术方案，作为上述技术方案的进一步优选技术方案，步骤S8中，当具体实施为2N+1电平时，X取值为N，N为桥臂子模块的数量。

根据上述技术方案，作为上述技术方案的进一步优选技术方案，步骤S5具体采用公式(1)计算得到：

其中，i_d(k)表示在k时刻的内部不平衡电流；θ表示角度；I*表示光储系统的交流侧电流矢量的幅值。

根据上述技术方案，作为上述技术方案的进一步优选技术方案，步骤S6具体采用公式(2)计算得到：

其中，i_sj表示光储系统的交流侧电流；U_sj表示光储系统的交流侧电压；U_dc表示光储系统的直流侧电压。

本发明公开的基于间接模型预测的光储系统用动态优化方法，其有益效果在于，控制器的参数整定不再依赖试凑等具有随机性、不确定性的约束行为，同时有助于优化计算量。

附图说明

图1是本发明的流程示意图。

具体实施方式

本发明公开了一种基于间接模型预测的光储系统用动态优化方法，下面结合优选实施例，对本发明的具体实施方式作进一步描述。

值得一提的是，本发明各个实施例公开的MMC(Modular Multilevel Converter)，我们定义为，模块化多电平技术(换流器/变换器/变流器)。

值得一提的是，本发明各个实施例公开的SOC(State of Charge)，我们定义为，荷电状态/充电状态。

值得一提的是，本发明各个实施例公开的MPC(Model Predictive Control)，我们定义为，模型预测控制。

值得一提的是，本发明各个实施例可能涉及的换流器、变换器、变流器等，均为同一概念，不再区分。

优选实施例。

参见附图的图1，图1示出了所述基于间接模型预测的光储系统用动态优化方法的相关流程。

优选地，所述基于间接模型预测的光储系统用动态优化方法，包括以下步骤：

步骤S1：在初始判断周期或者在前序判断周期判断结束后的下一判断周期，判断参考电流是否发生突变，如果判断成功(发生突变)则执行步骤S4，同时置持续周期Prd＝1，否则执行步骤S2；

步骤S2：判断光储系统的交流侧电流误差(i_{sj err})是否小于光储系统的预置的交流侧电流误差阈值(i_{sj T})，如果判断成功(光储系统的交流侧电流误差小于光储系统的预置的交流侧电流误差阈值)则执行步骤S9，否则执行步骤S3；

步骤S3：判断持续周期Prd是否为1，如果判断成功(Prd＝1)则执行步骤S4，否则置持续周期Prd＝Prd-1并且执行步骤S9；

步骤S4：置n＝1；

步骤S5：根据n值执行参考电流预测；

步骤S6：计算MPC算法输入值level_new；

步骤S7：置持续周期Prd＝n；

步骤S8：判断MPC算法输入值level_new是否处于开区间(-X,X)，如果判断成功(MPC算法输入值level_new处于开区间)则输出MPC算法输入值level_new并且执行步骤S8，否则置n＝n+1并且执行步骤S5；

步骤S9：执行(预置的)MPC算法。

值得一提的是，步骤S8中，当具体实施为N+1电平时，X取值为N/2，N为桥臂子模块的数量。

值得一提的是，步骤S8中，当具体实施为2N+1电平时，X取值为N，N为桥臂子模块的数量。

进一步地，步骤S5具体采用公式(1)计算得到：

其中，i_d(k)表示在k时刻的内部不平衡电流；θ表示角度；I*表示光储系统的交流侧电流矢量的幅值。

进一步地，步骤S6具体采用公式(2)计算得到：

其中，i_sj表示光储系统的交流侧电流；U_sj表示光储系统的交流侧电压；U_dc表示光储系统的直流侧电压。

值得一提的是，本发明专利申请涉及的步骤S9中的MPC算法等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。

对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。