动态负载下的MMC环流抑制策略

模块化多电平换流器(modular multilevel converter,MMC)中子模块电容电压波动与环流相互影响,环流二倍频分量进入子模块储能电容,造成子模块电压波动,引起其他偶次谐波环流。针对该问题,提出一种拓展环流抑制器(extended circulating current suppressor,ECCS),将动态最速下降(dynamic steepest descent,DSD)算法与陷波器结合,对二倍频环流与其他偶次谐波环流进行精确检测。结合拓展准PR环流抑制器,利用环流选择器,对逆变侧负载发生改变时产生的突变环流设定环流抑制区间进行最优化抑制,提高了系统中环流检测的准确性与收敛速度,扩展了环流抑制器应用范围。在MATLAB/Simulink中搭建双端MMC有源输电网络,验证了所提控制策略的有效性。

动态均压偏差率下的MMC均压控制策略

现有模块化多电平换流器(MMC)的调制策略主要基于比较型排序方式,存在算法复杂、计算负荷大、子模块(SM)频繁投切、系统损耗较大等缺陷。针对上述问题,文中提出一种基于动态均压偏差率(DVDR)的系统调制方式。首先,将子模块电容电压与其平均值作差得到差值序列,将差值序列按正负进行快速分组;然后,针对所得子序列设置动态均压偏差率,计算得到必要动作子模块(NASM),只需对于单一子序列中必要动作子模块序列进行排序即可降低系统计算负荷;其次,结合优化开关频率控制设置不同电压阈值与降频因子,通过判断桥臂电流方向,在保持电压一致性的前提下降低功率器件开关频率,减少电压波形畸变率;最后,在Matlab/Simulink平台上搭建仿真实验模型,验证文中所述控制策略的可行性。

基于分数阶多新息卡尔曼滤波法的SOC估计

针对电动汽车锂离子电池整数阶模型不能精确反映电池极化反应的问题,提出了一种基于自适应遗传算法(AGA)的分数阶模型,并采用分数阶多新息卡尔曼滤波(FOMIEKF)算法对电池荷电状态(SOC)估计。在二阶RC等效电路模型的基础上建立分数阶模型并用AGA辨识模型参数,然后用FOMIEKF算法进行SOC估计,最后与卡尔曼滤波(EKF)、分数阶扩展卡尔曼滤波(FOEKF)算法进行比较。结果表明,在混合动力脉冲测试下,模型端电压最大误差低于1%,SOC平均误差与最大误差比传统方法分别下降了0.79%、0.95%。因此,基于AGA分数阶模型的FOMIEKF方法可以有效估计SOC。