基于转换器 (MMC) 技术和电压源转换器 (VSC) 的高压直流 (HVDC) 模型附Matlab代码

✅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

一、引言

高压直流（HVDC）输电技术凭借其在长距离大容量输电、异步电网互联、海上风电并网等方面的独特优势，在现代电力系统中占据着愈发重要的地位。模块化多电平换流器（MMC）和电压源换流器（VSC）作为 HVDC 系统的核心技术，为 HVDC 系统带来了更高的性能和更广泛的应用前景。本文将深入探讨基于 MMC 技术和 VSC 的 HVDC 模型，涵盖其拓扑结构、工作原理、数学建模及控制策略等内容。

二、MMC 和 VSC 技术概述

2.1 MMC 技术特点与优势

MMC 是一种新型的多电平换流器拓扑结构，其基本单元由多个子模块（SM）串联而成。MMC 的主要优势在于能够输出近乎正弦的电压波形，谐波含量低，大大降低了对滤波设备的要求；同时，模块化设计使得系统具有良好的扩展性和冗余性，便于维护和升级；并且在故障处理方面，通过对子模块的灵活控制，可以快速隔离故障，提高系统的可靠性 。

2.2 VSC 技术特点与优势

VSC 采用全控型电力电子器件，能够实现四象限运行，可独立控制有功功率和无功功率。相比于传统的电流源换流器，VSC 不需要交流系统提供换相电压，具有更快的动态响应速度和更好的可控性，能够为交流系统提供无功支持，增强系统的电压稳定性，特别适用于弱交流系统或无源网络的供电场景 。

三、基于 MMC 和 VSC 的 HVDC 拓扑结构

3.1 单极 HVDC 拓扑

基于 MMC 和 VSC 的单极 HVDC 拓扑结构相对简单，主要由一个换流站（采用 MMC 或 VSC）、直流输电线路、接地极系统以及交流侧配套设备组成。换流站将交流电能转换为直流电能后，通过直流线路传输至受端，受端换流站再将直流电能转换回交流电能接入交流电网。单极系统通常采用大地或海水作为回流路径，但存在接地极腐蚀等问题 。

3.2 双极 HVDC 拓扑

双极 HVDC 拓扑是目前应用较为广泛的结构，它由两个对称的单极系统组成，包括两个换流站、两条直流输电线路和中性线。正常运行时，两条线路可独立传输功率，当其中一极发生故障时，另一极可通过大地或中性线继续运行，维持部分功率传输，大大提高了系统的可靠性和灵活性 。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

[1] 陈海荣,徐政.基于同步坐标变换的VSC—HVDC暂态模型及其控制器[J].电工技术学报, 2007, 22(2):6.DOI:10.3321/j.issn:1000-6753.2007.02.021.

[2] 韦延方,卫志农,孙国强,等.一种新型的高压直流输电技术——MMC-HVDC[J].电力自动化设备, 2012, 32(7):9.DOI:10.3969/j.issn.1006-6047.2012.07.001.

🎈 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、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 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