三相VIENNA整流器的无网压传感器的预测控制方法技术

技术编号:24101813 阅读:114 留言:0更新日期:2020-05-09 13:21
本发明专利技术公开了一种三相VIENNA整流器的无网压传感器的预测控制方法,包括如下步骤:S1、对三相VIENNA整流器在三相静止坐标系中的数学模型进行Clarke变换,建立两相静止坐标系下三相VIENNA整流器的数学模型;S2、采用虚拟磁链算法估算电网电压;S3、采用二阶低通滤波器取代步骤S2中的积分项;S4、以功率跟踪误差最小确定k+1时刻i

Predictive control method of three-phase Vienna rectifier without network voltage sensor

【技术实现步骤摘要】
三相VIENNA整流器的无网压传感器的预测控制方法
本专利技术属于电力电子变换
,特别的涉及一种三相VIENNA整流器的无网压传感器的预测控制方法。
技术介绍
VIENNA整流器是一种三电平拓扑,与两电平整流器相比,该型整流器谐波含量更低、效率更高。与传统三电平整流器相比,该型整流器所需要的开关器件更少,开关管所承受的应力低,也不需要设置死区时间。具有功率开关承受电压应力低、功率开关数量少、功率密度大、输入电流谐波含量少、对各种类型的PFC控制方法均具有良好的适应性的优点,因此在功率因数校正技术研究中得到了广泛的应用。目前,三相VIENNA整流器控制策略主要分为电流控制和功率控制两大类。其中电流控制又可分为直接电流控制和间接电流控制,前者以网侧电流作为反馈和被控量形成电流闭环,后者无电流环,但两者都需采集电网电压形成电压环。而功率控制需提取电网电压基波幅值、相位等信息来控制网侧有功、无功功率,从而实现直流侧输出电压恒定、单位功率因数运行等控制目标。由此可见,现有的各控制策略都依赖于电网电压信息的正确提取。而在实际应用中,一般通过安本文档来自技高网...

【技术保护点】
1.一种三相VIENNA整流器的无网压传感器的预测控制方法,其特征在于,包括如下步骤:/nS1、对三相VIENNA整流器在三相静止坐标系中的数学模型进行Clarke变换,建立两相静止坐标系下三相VIENNA整流器的数学模型:/n

【技术特征摘要】
1.一种三相VIENNA整流器的无网压传感器的预测控制方法,其特征在于,包括如下步骤:
S1、对三相VIENNA整流器在三相静止坐标系中的数学模型进行Clarke变换,建立两相静止坐标系下三相VIENNA整流器的数学模型:



其中,三相VIENNA整流器在三相静止坐标系中的数学模型为:



式中:Ea、Eb、Ec分别为三相静止坐标系下A、B、C相的电网电压;ia、ib、ic分别为三相静止坐标系下A、B、C相的电感电流;L为滤波电感;R为滤波电感和线路的等效电阻;Vao、Vbo、Vco分别表示A、B、C相交流侧与直流侧电容中性点o之间的电压;VoN表示o与电源中性点N之间的电压;Eα、Eβ、iα和iβ分别为两相静止坐标系下的电网电压和交流侧电感电压;Vα和Vβ为两相静止坐标系下交流侧电压分量;
S2、采用虚拟磁链算法估算电网电压:



S3、采用二阶低通滤波器取代步骤S2中的积分项,其传递函数如下:



式中:ωc为截止频率;
S4、在一个采样周期内对电流微分量进行离散化:



将上式代入两相静止坐标系下三相VIENNA整流器的数学模型,得到:



式中:Ts为三相VIENNA整流器的采样周期,且远小于电网基波周期;RTs乘积项较小,可忽略;和分别为k+1时刻iα和iβ的预测值,以功率跟踪误差最小确定和求得交流侧电压矢量Vα、Vβ,得到空间矢量调制信号;其中,和为:



式中:Pref和Qref为瞬时功率参考值;P和Q为瞬时功率;||E||=ω||ψ||,||ψ||为对ψ求模,ψ=∫Edt为电网虚拟磁链。


2.如权利要求1所述的三相VIENNA整流器的无网压传感器的预测控制方法,其特征在于,还包括如下步骤:
S5、采用二步预测法补偿信号延迟,得到在两相静止坐标系下的期望交流侧电压矢量预测值和



式中:和分别为k+2时刻iα和iβ的预测值:



式中:Q*、P*、E*、和分别为Q、P、E、Eα和Eβ在k+1时刻的预测值。


3.如权利要求2所述的三相VIENNA整流器的无网压传感器的预测控制方法,其特征在于,还包括如下步骤:
S6、以下一周期中点位置的电网电压预测值E(k+1/2)作为电网电压预测值E*,确定期望交流侧电压矢量Vα、Vβ,具体步骤为:
根据三阶拉格朗日插值法推导下一周期中点位置电压:



式中:x0=k-2、x1=k-1、x2=k、x=k+1/2;
代入后化简得到:





4.如权利要求2所述的三相VIENNA整流器的无网压传感器的预测控制方法,其特征在于,所述步骤S4中,k+1时刻iα和iβ的预测值和采用如下步骤得到:

【专利技术属性】
技术研发人员:李山苏新柱郭强肖蕙蕙陈岚
申请(专利权)人:重庆理工大学
类型:发明
国别省市:重庆;50

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1