为进一步提高中点电压钳制(neutral point clamped,NPC)H桥级联五电平逆变器的动态响应、降低控制器计算负担的同时确保装置低损耗运行,文中在电压矢量矩形区域分类的基础上,提出一种以满足动态响应和降低开关损耗为目标的两级优化模型...为进一步提高中点电压钳制(neutral point clamped,NPC)H桥级联五电平逆变器的动态响应、降低控制器计算负担的同时确保装置低损耗运行,文中在电压矢量矩形区域分类的基础上,提出一种以满足动态响应和降低开关损耗为目标的两级优化模型预测电压控制策略。首先根据逆变器数学模型和期望电流进行目标电压矢量计算、修正,接着基于矩形区域分类对目标电压矢量进行定位;并以定位后的候选矢量为基础,设计了两级优化目标函数以输出满足要求的最优矢量。仿真和实验结果验证了该方法的有效性,与空间矢量脉宽调制以及传统模型预测电流、电压控制策略相比,该文所研究的两级优化模型预测电压控制策略,在确保逆变器动态响应的前提下既能降低控制器计算负担,还能有效减少器件开关损耗。展开更多
考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM...考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。展开更多
文摘为进一步提高中点电压钳制(neutral point clamped,NPC)H桥级联五电平逆变器的动态响应、降低控制器计算负担的同时确保装置低损耗运行,文中在电压矢量矩形区域分类的基础上,提出一种以满足动态响应和降低开关损耗为目标的两级优化模型预测电压控制策略。首先根据逆变器数学模型和期望电流进行目标电压矢量计算、修正,接着基于矩形区域分类对目标电压矢量进行定位;并以定位后的候选矢量为基础,设计了两级优化目标函数以输出满足要求的最优矢量。仿真和实验结果验证了该方法的有效性,与空间矢量脉宽调制以及传统模型预测电流、电压控制策略相比,该文所研究的两级优化模型预测电压控制策略,在确保逆变器动态响应的前提下既能降低控制器计算负担,还能有效减少器件开关损耗。
文摘考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。
