【背对背高压直流调制多电平变流器】模拟背对背高压直流调制多电平变流器（MMC）作为一个电力质量调节系统研究附Simulink仿真

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

高压直流输电（HVDC）技术因其远距离、大容量输电的优势，在现代电力系统中扮演着日益重要的角色。作为HVDC的核心设备，模块化多电平变流器（MMC）凭借其模块化设计、谐波含量低、易于控制等优点，逐渐成为HVDC系统的主流拓扑。本文将深入探讨背对背高压直流调制多电平变流器（BTB-MMC）在电力质量调节方面的应用潜力，并模拟研究其作为电力质量调节系统（PQRS）的性能表现，旨在论证其在提高电力系统稳定性、改善电能质量方面的可行性和有效性。

引言

随着电力系统规模的不断扩大和负荷类型的日益复杂，电力质量问题日益突出。谐波、电压暂降、电压波动等问题不仅会降低电力设备的运行效率和寿命，甚至可能威胁电力系统的安全稳定运行。传统的电力质量调节设备，如静态无功补偿器（SVC）和有源电力滤波器（APF），虽然在一定程度上能够解决部分问题，但其响应速度、补偿范围和补偿精度等方面存在局限性。

背对背高压直流输电技术，尤其是基于模块化多电平变流器的BTB-HVDC，因其灵活的控制策略和强大的功率调节能力，为电力质量调节提供了新的思路。将BTB-MMC作为PQRS，能够实现对电网电压、电流、功率因数等参数的灵活控制，从而有效抑制谐波、补偿无功功率、平衡三相电压，提升电力系统的整体性能。

BTB-MMC的原理与结构

BTB-MMC是由两个MMC通过一个公共的直流链路连接而成。每个MMC由多个相同的子模块（SM）串联而成。SM通常采用半桥或全桥拓扑，其核心组件是绝缘栅双极型晶体管（IGBT）和电容器。通过控制每个SM的投切状态，可以合成阶梯状的电压波形，从而逼近理想的正弦波。

BTB-MMC的控制策略通常分为两层：上层控制和下层控制。上层控制负责根据电网的需求设定参考值，例如有功功率、无功功率、电压等。下层控制负责控制每个SM的开关状态，以实现上层控制的目标。常用的下层控制策略包括最近电平逼近法（Nearest Level Modulation, NLM）、相位移调制（Phase Shift Modulation, PSM）和选择谐波消除法（Selective Harmonic Elimination, SHE）等。

BTB-MMC作为电力质量调节系统的优势

相比传统的电力质量调节设备，BTB-MMC作为PQRS具有显著的优势：

• 更高的补偿精度和更快的响应速度：

   MMC的模块化结构使其能够实现更精细的电压控制，从而提高补偿精度。此外，IGBT的快速开关特性使得BTB-MMC具有更快的响应速度，能够有效抑制瞬态扰动。

• 更宽的补偿范围：

   通过灵活控制BTB-MMC的有功功率和无功功率，可以实现对电网电压、电流和功率因数等参数的全面调节，从而提供更宽的补偿范围。

• 更高的灵活性和可扩展性：

   MMC的模块化设计使得BTB-MMC易于扩展和升级，可以根据实际需求增加或减少SM的数量，从而适应不同的电力系统容量和性能要求。

• 更低的谐波含量：

   MMC通过多电平合成电压波形，能够有效降低谐波含量，改善电能质量。

模拟研究方法

为了验证BTB-MMC作为PQRS的性能，本文将采用仿真软件搭建模拟系统，并进行详细的模拟研究。具体步骤如下：

1. 系统建模：

    建立BTB-MMC的详细模型，包括MMC拓扑结构、SM模型、直流链路模型和电网模型。

2. 控制系统设计：

    设计BTB-MMC的控制系统，包括上层控制和下层控制。上层控制负责根据电网的需求设定参考值，例如无功功率、电压等。下层控制负责控制每个SM的开关状态，以实现上层控制的目标。

3. 工况设置：

    设置不同的工况，例如谐波污染、电压暂降、三相不平衡等，模拟电力系统中常见的电力质量问题。

4. 仿真分析：

    在不同的工况下进行仿真分析，评估BTB-MMC作为PQRS的性能，例如谐波抑制能力、电压稳定能力、三相平衡能力等。

模拟结果分析

通过模拟研究，可以获得以下结果：

• 谐波抑制能力：

   BTB-MMC能够有效抑制电网中的谐波，降低总谐波畸变率（THD）。仿真结果可以分析BTB-MMC在不同谐波频率下的抑制效果，并评估其谐波抑制能力。

• 电压稳定能力：

   BTB-MMC能够快速响应电网电压的变化，提供无功功率支持，稳定电网电压。仿真结果可以分析BTB-MMC在电压暂降、电压波动等情况下的电压稳定能力。

• 三相平衡能力：

   BTB-MMC能够平衡三相电压和电流，消除零序电流，提高电力系统的供电质量。仿真结果可以分析BTB-MMC在三相不平衡情况下的平衡效果。

此外，还可以通过改变控制参数，研究BTB-MMC作为PQRS的动态响应特性，例如响应时间、超调量等。

结论与展望

本文探讨了BTB-MMC作为PQRS的潜力，并提出了模拟研究方法。通过详细的建模、控制系统设计和仿真分析，可以验证BTB-MMC在提高电力系统稳定性、改善电能质量方面的可行性和有效性。

未来的研究方向可以包括：

• 优化BTB-MMC的控制策略：

   研究更先进的控制算法，例如模型预测控制（MPC）、自适应控制等，提高BTB-MMC的动态性能和鲁棒性。

• 研究BTB-MMC与储能系统的集成：

   将BTB-MMC与储能系统结合，可以进一步提高电力系统的灵活性和可靠性。

• 研究BTB-MMC在微网中的应用：

   BTB-MMC可以作为微网的核心设备，实现微网的独立运行和并网运行。

• 研究BTB-MMC在大规模新能源接入中的应用：

   BTB-MMC可以作为新能源接入的接口，提高新能源的并网质量和稳定性.

⛳️ 运行结果

🔗 参考文献

[1] 姚骏,谭义,裴金鑫,等.模块化多电平变流器高压直流输电系统直流故障改进控制策略简[J].电工技术学报, 2018, 33(14):13.DOI:10.19595/j.cnki.1000-6753.tces.170614.

[2] 董小鹏.基于MMC的同相供电变流器控制策略研究[D].西南交通大学,2017.

[3] 王霖.基于模块化多电平变流器的柔性高压直流输电系统研究[D].中国科学院大学,2014.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇