针对三相LCL并网逆三电平中点钳位(Neutral Point Clamped,NPC)逆变器中有限集模型预测控制(Finite Control Set-Model Predictive Control,FCS-MPC)计算量大和控制速度慢导致NPC逆变器性能变差的问题,设计了一种快速模型预测控制方法...针对三相LCL并网逆三电平中点钳位(Neutral Point Clamped,NPC)逆变器中有限集模型预测控制(Finite Control Set-Model Predictive Control,FCS-MPC)计算量大和控制速度慢导致NPC逆变器性能变差的问题,设计了一种快速模型预测控制方法。通过改变快速模型预测控制中参考电流电角度控制逆变器输出电流的相位,实现入网电流与电网同步;通过在冗余短矢量中选择合适的短矢量,实现直流侧中点电压平衡,减少计算量;通过缩小计算扇区,使快速模型预测控制仅在当前最优输出电压矢量附近进行寻优计算,进一步减少计算量。在MATLAB/SIMULINK中搭建了三相LCL并网NPC逆变器仿真模型,仿真结果验证了上述控制方法的快速性和可行性,运算速度提高了18.31%,入网电流总谐波失真(Total Harmonic Distortion,THD)值减少了2.38%。展开更多
为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时...为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。展开更多
文摘针对三相LCL并网逆三电平中点钳位(Neutral Point Clamped,NPC)逆变器中有限集模型预测控制(Finite Control Set-Model Predictive Control,FCS-MPC)计算量大和控制速度慢导致NPC逆变器性能变差的问题,设计了一种快速模型预测控制方法。通过改变快速模型预测控制中参考电流电角度控制逆变器输出电流的相位,实现入网电流与电网同步;通过在冗余短矢量中选择合适的短矢量,实现直流侧中点电压平衡,减少计算量;通过缩小计算扇区,使快速模型预测控制仅在当前最优输出电压矢量附近进行寻优计算,进一步减少计算量。在MATLAB/SIMULINK中搭建了三相LCL并网NPC逆变器仿真模型,仿真结果验证了上述控制方法的快速性和可行性,运算速度提高了18.31%,入网电流总谐波失真(Total Harmonic Distortion,THD)值减少了2.38%。
文摘为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。