一种阻抗源逆变器的鲁棒预测控制方法
阅读说明：本技术 一种阻抗源逆变器的鲁棒预测控制方法 (Robust prediction control method of impedance source inverter ) 是由 谭天诚 刘平 张桂斌 谭天利 吴刚 吴文昊 于 2020-12-28 设计创作，主要内容包括：本发明提供了一种阻抗源逆变器的鲁棒预测控制方法,该方法中对电容电压和输出电流使用两个单独的代价函数,对其代价函数值进行比较,分别选取使得电容电压、输出电流代价函数值较小的三个电压矢量,将两者公共的电压矢量作为最优电压矢量,并用于控制逆变器。在参数鲁棒性方面,根据逆变器的状态量建立参数观测器模型,在线修正预测模型中的电感和电容值,增强控制器的鲁棒性能。最终实现权重因子优化的阻抗源逆变器鲁棒预测控制,在不增加系统开关频率的同时消除代价函数中权重系数的设计,降低代价函数计算的复杂度,且在模型参数变化时具有较强的鲁棒性。(The invention provides a robust prediction control method of an impedance source inverter, which uses two independent cost functions for capacitor voltage and output current, compares the cost function values of the two independent cost functions, respectively selects three voltage vectors which enable the capacitor voltage and the output current to have smaller cost function values, and takes the voltage vector which is common to the two voltage vectors as an optimal voltage vector to be used for controlling the inverter. In the aspect of parameter robustness, a parameter observer model is established according to the state quantity of the inverter, the inductance and the capacitance in the prediction model are corrected on line, and the robust performance of the controller is enhanced. Finally, the robust predictive control of the impedance source inverter optimized by the weight factor is realized, the design of the weight coefficient in the cost function is eliminated while the switching frequency of the system is not increased, the complexity of the calculation of the cost function is reduced, and the robust predictive control method has stronger robustness when the model parameters are changed.)
技术领域
本发明属于准Z源逆变器的改进控制方法领域，更具体地，涉及一种阻抗源逆变器的鲁棒预测控制方法。
背景技术
与传统电压源逆变器相比，如阻抗源逆变器因其具有升降压，提高可靠性，产生连续的输入电流以及较小的无源器件尺寸等优点，在电机驱动、可再生能源系统和电池储能领域前景广阔。常用的阻抗源逆变器控制方法主要是基于传统比例积分(PI)控制。然而，该方法不仅需要复杂的脉宽调制器，且其控制性能受PI调节器的影响较大。随着数字信号处理器计算性能的快速提升，近年来，许多新型控制理论也逐渐被应用到阻抗源逆变器的控制中，如模糊控制、神经网络控制、模型预测控制(MPC)等。其中，有限控制集模型预测控制因其原理简单、控制灵活、可实现多目标优化控制、无需脉宽调制(PWM)等优点，得到广泛研究和应用。
有限控制集模型预测控制的代价函数是实现最优电压矢量选择的关键环节，必须根据控制目标、基于系统模型的预测变量及参考变量进行构建。代价函数可以包含多个控制目标、变量及约束条件，且能够同时实现控制。代价函数中的各项需要分配权重系数，其作用是调节该项与其他控制目标之间的重要性或者确定代价函数中的权重关系。正确设计合理的权重系数对于选择电压矢量、实现控制目标、保证系统良好的动态和稳态性能十分重要。阻抗源逆变器的模型预测控制至少包含三个以上的控制目标，这几者独立发挥作用却又相互制约，综合协调它们的关系是实现良好模型预测控制的关键，因此需要设计相应的权重系数来调节它们在代价函数中所占的权重，但是目前权重系数设计多以试凑为主，尚无完善理论体系及通用的有效解决方案。此外，现有的模型预测控制技术过于依赖被控对象精确的数学模型，一旦外界扰动造成模型参数失配，将对控制效果带来不良影响。
然而，目前在阻抗源逆变器的控制方法上存在如下缺陷：
1.基于传统比例积分(PI)的PWM控制方法需要复杂的脉宽调制单元，且通常与比例积分控制器结合使用，其控制性能受PI调节器的影响较大，且需要进行PI参数设计。
2.模糊控制和神经网络控制动态响应较快，但结构比较复杂，相对于模型预测控制，设计难度较大。
3.发明专利《基于标幺化的永磁同步电机无权重系数预测转矩控制方法，201910399476.X》提出了一种以转矩和磁链为目标函数的无权重系数预测转矩控制方法，通过改写目标函数，将不同量纲的转矩和磁链转化为同一量纲，从而消除了权重系数。然而，该发明专利只适用于传统电压源逆变器驱动的永磁同步电机，不适用于准Z源逆变器。
4.现有的阻抗源逆变器模型预测控制方法大都需要设计多个权重系数，传统方法在大量试凑或实验的基础上确定固定的权重分配，无法实现动态性能、稳态性能及开关性能的全局最优，且鲁棒性差。
5.文献《A Powerful Finite Control Set-Model Predictive ControlAlgorithm for Quasi Z-Source Inverter》通过使用电感电流子代价函数来判断是否为直通状态，提出了一种简化代价函数的准Z源逆变器模型预测控制方法，但该方法仍存在传统代价函数中权重系数设计难题。此外，该方法并未考虑参数失配对系统性能的影响，系统鲁棒性差。
6.发明专利CN202010572451.8《一种无权重系数的准Z源逆变器模型预测控制方法》针对准Z源逆变器采用级联模型预测控制方法来确定控制对象的优先级以消除权重系数。该专利涉及2个方法：先计算电容电压后计算输出电流的方法，表示为S-MPC1；先计算输出电流后计算电容电压的方法，表示为S-MPC2。其中S-MPC1方法在非直通状态下，仅仅从电容电压代价函数中选出两个较优的电压矢量，之后将这两个电压矢量代入输出电流代价函数中选出一个最优电压矢量。S-MPC1方法从电容电压代价函数中选择的电压矢量个数较少，最优电压矢量也仅从两个电压矢量中进行选取，导致电容电压项和输出电流项并未得到有效优化，S-MPC2方法同理。此外，本发明发现S-MPC1方法和S-MPC2实际上都未考虑参数失配对系统性能的影响，一旦发生外界扰动，实际系统各个变量在运行过程中可能发生变化，使得该专利级联模型预测控制器失效，鲁棒性不好。
因此，急需设计一种阻抗源逆变器的鲁棒预测控制方法来同时解决上述鲁棒性差和数据计算量大的问题。
发明内容
(一)要解决的技术问题
基于此，本发明提供了一种阻抗源逆变器的鲁棒预测控制方法，该方法建立了电容电压和输出电流两个代价函数，并用七个不同的电压矢量对各自的代价函数进行评估，然后分别选取使得电容电压、输出电流代价函数较小的三个电压矢量，最后选取两者公共的电压矢量作为最优电压矢量，从而消除了权重系数。在参数鲁棒性方面，建立参数观测器对电感和电容值进行在线观测，从而提高了系统的鲁棒性。该改进方法不仅能够降低代价函数计算的复杂度，且在模型参数变化时具有很强的适应能力。
(二)技术方案
根据本发明的一个方面，提供了一种阻抗源逆变器的鲁棒预测控制方法，所述控制方法具体包括：
步骤1：采样k时刻的输出电流，电容电压和电感电流：
在k时刻，分别对qZSI的三相输出电流ia，ib和ic，电容电压vc1和电感电流iL1进行采样，然后根据得到输出电流在静止坐标系下的α、β轴上的电流分量iα和iβ，记输出电流io＝iα+jiβ：
步骤2：计算直通状态下的电感电流及其对应的代价函数：
采用一阶欧拉离散法将式(2)进行离散化，可以得到k+1时刻的电感电流预测值
式中，iL1(k+1)为第k+1个采样周期的电感电流预测值，iL1(k)为第k个采样周期的电感电流，vc1(k)为第k个采样周期的电容电压，Ts为采样周期，L1为qZSI的电感，RL1为输入电感的内阻。
直通状态下电感电流的代价函数giL_ST为：
giL_ST＝|iL1_ref-iL1_ST(k+1)| (4)
式中，iL1_ref为电感电流参考值，iL1_ST(k+1)为直通状态下第k+1个采样周期的电感电流预测值；
步骤3：计算非直通状态下的电感电流及其对应的代价函数：
采用一阶欧拉离散法将式(5)进行离散化，可以得到k+1时刻的电感电流预测值
非直通状态下的电感电流的代价函数giL_ns可以设计为：
giL_ns＝|iL1_ref-iL1_ns(k+1)| (7)
式中，iL1_ns(k+1)为非直通状态下第k+1个采样周期的电感电流预测值；
当giL_ST小于giL_ns时，判断为直通状态，则直接输出直通矢量；当giL_ST大于giL_ns时，判断为非直通状态，并进行下一步的计算电容电压和输出电流的代价函数；
步骤4：计算电容电压和输出电流的代价函数
采用一阶欧拉离散法将式(8)进行离散化，可以得到非直通状态下k+1时刻的电容电压预测值为
式中，iinv(k+1)是逆变器电流；
三相逆变器的相电压输出方程为
采用一阶欧拉离散法将式(10)进行离散化，可得
式中：R和L分别为负载电阻和电感，io(k+1)为第k+1个采样周期的输出电流预测值；io(k)为第k个采样周期的输出电流采样值，可由式(1)得到；Vx(k)为第k个采样周期的输出电压值；
对电容电压和输出电流使用两个单独的代价函数，电容电压和输出电流的代价函数分别设计为：
gvc1(i)＝|vc1_ref-vc1(k+1)| (12)
gio(i)＝|io_ref-io(k+1)| (13)
式中，vc1_ref为电容电压参考值，io_ref为输出电压参考值，将逆变器输出的7个电压矢量Vi依次代入式(10)，(11)，并根据式(12)和(13)得到7个gvc1(i)和gio(i)，其中i＝1，2，…，7；
步骤5：电感电容观测
通过电感电容观测对所建立的qZSI的预测模型进行修正，假设预测模型中qZSI的电感值为Lm，电容值为Cm，此时非直通状态下电感电流和电容电压的预测表达式为
直通状态下电感电流和电容电压的预测表达式为
当预测模型中负载电感值为Lp，此时输出电流的预测表达式为
根据式(3)、(6)、(15)和(17)，推导出非直通状态和直通状态下准Z源网络电感等效值的表达式：
根据式(9)和(16)，推导出非直通状态下准Z源网络电容等效值的表达式：
根据式(11)和(19)，推导出负载电感等效值的表达式：
根据(20)～(22)式中观测出的准Z源网络电感、电容以及负载电感对所提出的预测模型进行修正；
步骤6：得到最优电压矢量：
根据式(12)和(13)可计算得到电容电压和输出电流的七个误差，i取值0～7，将两者的误差按升序排列
r1 i＝rank[gvc1(i)] (23)
r2 i＝rank[gio(i)] (24)
由式(23)和(24)可知，电容电压和输出电流的误差越小，相应的开关状态排名越高，根据式(23)和(24)排列的开关状态，最终选取使得gvc1(i)和gio(i)分别较小时对应的前3个电压矢量，并从中选择gvc1(i)和gio(i)的公共电压矢量作为最优电压矢量，从而得到一组最优电压矢量。
进一步的，所述iL1_ref通过公式来计算，iL1_ref＝Pout_ref/vin，其中Pout_ref为输出功率参考值，vin为直流输入电压。
进一步的，最优电压矢量的选择原则为：当代价函数gvc1(i)和gio(i)有不止一个公共电压矢量时，选择排名最靠前的电压矢量作为最优电压矢量；当代价函数gvc1(i)和gio(i)没有公共电压矢量时，选择使得gvc1(i)最小的电压矢量作为最优电压矢量，从而提高系统的鲁棒性。
本发明还公开了一种阻抗源逆变器的鲁棒预测控制系统，包括：
至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述任一项的阻抗源逆变器的鲁棒预测控制方法。
此外，本发明还公开了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述任一项所述的阻抗源逆变器的鲁棒预测控制方法。
(三)有益效果
相对于现有技术，本发明鲁棒预测控制方法中的计算代价函数参数的参数预测方法与最优矢量的优化方法相互配合性强，在参数鲁棒性方面，根据逆变器的状态量建立参数观测器模型，专门的针对阻抗源逆变器在线修正预测模型中的电阻、电感和电容值，增强控制器的鲁棒性能，通过对电容电压和输出电流使用两个单独的代价函数，对其代价函数值进行比较，分别选取使得电容电压、输出电流代价函数值较小的三个电压矢量，将两者公共的电压矢量作为最优电压矢量，并用于控制逆变器。最终实现了权重因子优化的准Z源逆变器鲁棒预测控制，在不增加系统开关频率的同时消除代价函数中权重系数的设计，降低代价函数计算的复杂度，且能够保证在模型参数变化时具有较强的鲁棒性。
附图说明
图1为本发明中阻抗源逆变器的拓扑结构图。
图2为本发明中阻抗源逆变器qZSI的等效电路图，其中左图为直通状态图，右图为非直通状态图。
图3为本发明阻抗源逆变器的鲁棒预测控制方法的流程图。
图4为参数失配时使用的参数观测器原理框图，其中图(a)为电感L1观测图，图(b)为电容C观测图，图(c)为负载电感L2观测图。
具体实施方式
下面将结合附图和实施例对本发明进行清楚、完整地描述，同时也叙述了本发明技术方案解决的技术问题及有益效果，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。
本发明所用的阻抗源逆变器(即qZSI)拓扑结构如图1所示，包含准Z源网络，三相传统逆变器和阻感负载，其图1的qZSI的等效电路图如图2所示。图2中的左图是qZSI直通状态的等效电路图，同一桥臂的两个开关同时打开；图2中的右图是qZSI非直通状态的等效电路图，这里的三相逆变器和传统逆变器作用相同。
本发明的预测控制方法流程图如图3所示，具体实施步骤说明如下：
1.采样k时刻的输出电流，电容电压和电感电流：
在k时刻，分别对qZSI的三相输出电流ia，ib和ic，电容电压vc1和电感电流iL1进行采样，然后根据Clarke变换得到输出电流在静止坐标系下的α、β轴上的电流分量iα和iβ，记输出电流io＝iα+jiβ：
2.计算直通状态下的电感电流及其对应的代价函数：
由图2的左图可得
采用一阶欧拉离散法将式(2)进行离散化，可以得到k+1时刻的电感电流预测值
式中，iL1(k+1)为第k+1个采样周期的电感电流预测值，iL1(k)为第k个采样周期的电感电流，vc1(k)为第k个采样周期的电容电压，Ts为采样周期，L1为qZSI的电感，RL1为输入电感的内阻。
直通状态下电感电流的代价函数giL_ST可以设计为：
giL_ST＝|iL1_ref-iL1_ST(k+1)| (4)
式中，iL1_ref为电感电流参考值，可通过公式来计算，iL1_ref＝Pout_ref/vin，其中Pout_ref为输出功率参考值，vin为直流输入电压，给定两者具体数值时即可求出电感电流参考值，iL1_ST(k+1)为直通状态下第k+1个采样周期的电感电流预测值。
3.计算非直通状态下的电感电流及其对应的代价函数：
由图2的右图可得
采用一阶欧拉离散法将式(5)进行离散化，可以得到k+1时刻的电感电流预测值
非直通状态下的电感电流的代价函数giL_ns可以设计为：
giL_ns＝|iL1_ref-iL1_ns(k+1)| (7)
式中，iL1_ns(k+1)为非直通状态下第k+1个采样周期的电感电流预测值。
得到giL_ST和giL_ns后，根据电感电流的预测值判断下一个控制周期处于何种状态，当giL_ST小于giL_ns时，判断为直通状态，则直接输出直通矢量；当giL_ST大于giL_ns时，判断为非直通状态，并进行下一步的计算电容电压和输出电流的代价函数。
4.计算电容电压和输出电流的代价函数：
由图2的右图可得
采用一阶欧拉离散法将式(8)进行离散化，可以得到非直通状态下k+1时刻的电容电压预测值为
式中，iinv(k+1)是逆变器电流，可以通过公式来计算，即iinv(k+1)＝S1ia(k)+S3ib(k)+S5ic(k)，其中，ia(k)，ib(k)和ic(k)分别是a相，b相和c相k时刻的电流；S1、S3、S5分别为A、B、C相的开关状态。
由图1可得，三相逆变器的相电压输出方程为
采用一阶欧拉离散法将式(10)进行离散化，可得
式中：R和L分别为负载电阻和电感，io(k+1)为第k+1个采样周期的输出电流预测值；io(k)为第k个采样周期的输出电流采样值，可由式(1)得到；Vx(k)为第k个采样周期的输出电压值，a＝ej2π/3，；x＝[0～7]：
可由下表1得到：
表1 qZSI不同开关状态下输出电压
对电容电压和输出电流使用两个单独的代价函数，电容电压和输出电流的代价函数分别设计为：
gvc1(i)＝|vc1_ref-vc1(k+1)| (12)
gio(i)＝|io_ref-io(k+1)| (13)
式中，vc1_ref为电容电压参考值，io_ref为输出电压参考值，记io_ref＝iα_ref+jiβ_ref，其中
式中，iα_ref和iβ_ref分别为输出电流参考值在αβ坐标系上的分量，ia_ref，ib_ref和ic_ref分别是逆变器a相，b相和c相的单位输出电流，R为负载电阻。vc1_ref为电容电压参考值，可通过公式来计算，vc1_ref＝(Vdc_ref+vin)/2，其中Vdc_ref为直流母线电压参考值，vin为直流输入电压，给定两者具体数值时即可得到电容电压参考值。根据图3可知，此时算法进入回路，不包括直通状态，电压矢量值如表1所示，i个电压矢量的具体数值为Vi,下标i＝1，2，…，7，其中Vdc为直流母线电压。将逆变器输出的7个电压矢量Vi依次代入式(10)，(11)，并根据式(12)和(13)得到7个gvc1(i)和gio(i)，其中i＝1，2，…，7。
5.电感电容观测：
当参数出现失配时(当然，参数没有失配时，也可用此观测方法提高鲁棒性)，可以通过电感电容观测对所建立的qZSI的预测模型进行修正，假设预测模型中qZSI的电感值为Lm，电容值为Cm，此时非直通状态下电感电流和电容电压的预测表达式为
直通状态下电感电流和电容电压的预测表达式为
当预测模型中负载电感值为Lp，此时输出电流的预测表达式为
根据式(3)、(6)、(15)和(17)，可推导出非直通状态和直通状态下准Z源网络电感等效值的表达式：
根据式(9)和(16)，可推导出非直通状态下准Z源网络电容等效值的表达式：
根据式(11)和(19)，可推导出负载电感等效值的表达式：
根据(20)～(22)式中观测出的准Z源网络电感、电容以及负载电感对所提出的预测模型进行修正，以避免参数失配对系统性能的恶化。且提出的观测器结构考虑了低通滤波器，以减小实际中的各种干扰。所提出的参数观测器结构框图如图4所示。
6.得到最优电压矢量：
根据式(12)和(13)可计算得到电容电压和输出电流的七个误差，i取值0～7，将两者的误差按升序排列
r1 i＝rank[gvc1(i)] (23)
r2 i＝rank[gio(i)] (24)
由式(23)和(24)可知，电容电压和输出电流的误差越小，相应的开关状态排名越高，根据式(23)和(24)排列的开关状态，一些不合理的开关状态可以被舍弃。本发明最终选取使得gvc1(i)和gio(i)分别较小时对应的前3个电压矢量，并从中选择gvc1(i)和gio(i)的公共电压矢量作为最优电压矢量，从而得到最优电压矢量(一般为3～6个最优电压矢量)。
此外，最优电压矢量选择原则为：当代价函数gvc1(i)和gio(i)有不止一个公共电压矢量时，选择排名最靠前的电压矢量作为最优电压矢量；当代价函数gvc1(i)和gio(i)没有公共电压矢量时，选择使得gvc1(i)最小的电压矢量作为最优电压矢量，从而提高系统的鲁棒性。
例如：考虑一种特殊情况，当gvc1(i)和gio(i)存在多个公共电压矢量时，例如使得gvc1(i)较小时对应的3个电压矢量为V1，V3，V4，使得gio(i)较小时对应的3个电压矢量为V1，V3，V5，此时选择电压矢量V1作为最优电压矢量，并作用于逆变器。
值得注意的是，在本发明提出的控制方法中，两个单独同时计算的电容电压和输出电流的代价函数gvc1(i)和gio(i)只需考虑前3个电压矢量的选择是发明人经过实验和分析得出的结论，因为如果gvc1(i)和gio(i)所分别选取的电压矢量数小于3个，则电容电压项和负载电流项无法得到有效优化；反之，如果电压矢量数超出3个，计算量则会大大增加。
最后还需要说明的是，本发明基于现有技术“CN202010572451.8—一种无权重系数的准Z源逆变器模型预测控制方法”的缺陷发现其鲁棒性差的技术问题是具有难度的(因为其需要专业的实验和分析能力，故其技术问题的发现提出不具备通用性)；另外，发明人还认为有机的选择使用“针对准Z源逆变器的电感电容观测模型”、“独立的对电容电压和输出电流使用两个单独的代价函数”和“分别选取使得电容电压、输出电流代价函数值较小的三个电压矢量，并将两者公共的电压矢量作为最优电压矢量，以用于控制逆变器”之间的配合使得系统的鲁棒性大大提高(即步骤4-6中的特征)，故本发明的改进技术手段也明显不属于本领域的常规手段。
上述本发明的阻抗源逆变器的鲁棒预测控制方法可以作为软件程序或者计算机指令在非暂态计算机可读存储介质中执行或者在带有存储器和处理器的控制系统中执行，且其计算程序简单快速。在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种低压高频单相逆变电源