17级模块化多电平变流器(MMC)研究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

在 5MW 风电永磁直驱发电机 - 1200V 直流并网系统中,为实现高效稳定的电能转换与传输,电力电子变流器起着关键作用。17 级模块化多电平变流器(MMC)凭借独特优势,成为提升系统性能的重要技术选择。本部分将阐述其在该风电系统中的重要性及研究现状。

(一)研究背景与意义

随着风力发电规模的不断扩大,对风电并网系统的性能要求愈发严苛。5MW 风电永磁直驱发电机省去齿轮箱,降低了维护成本,提高了发电效率。然而,其输出特性受风速影响大,需可靠的变流技术来稳定电能质量,实现高效并网。1200V 直流并网系统中,MMC 可通过灵活的电平调节,有效减小输出电压电流的谐波含量,提升电能质量,满足电网对电压波动和谐波畸变率的严格要求。同时,MMC 的模块化设计增强了系统的可靠性与可扩展性,适应大规模风电接入的发展趋势,对保障电力系统的安全稳定运行意义重大。

(二)MMC 在风电领域的研究现状

当前,MMC 在风电领域的研究主要集中在拓扑结构优化、控制策略改进以及与风电系统的协同运行等方面。在拓扑结构上,研究人员致力于开发新型子模块拓扑,以提高 MMC 的故障容错能力和运行效率。控制策略方面,多种先进控制算法不断涌现,如模型预测控制、无差拍控制等,旨在提升 MMC 对风电系统复杂工况的响应速度和控制精度。在协同运行研究中,重点关注 MMC 与风电发电机、电网之间的交互影响,以实现整个风电并网系统的最优运行。但在实际应用中,MMC 仍面临着一些挑战,如子模块电容电压均衡控制复杂、系统成本较高等,需要进一步深入研究解决。

二、17 级 MMC 的拓扑结构与工作原理

(一)基本拓扑结构

17 级 MMC 由多个相同的子模块(SM)级联组成,每相桥臂包含上下两个桥臂,每个桥臂由一定数量的子模块串联而成。以三相 MMC 为例,其拓扑结构如图 1 所示。每个子模块主要由电容和开关器件组成,常见的子模块拓扑有半 H 桥型和全 H 桥型。在 17 级 MMC 中,通过合理控制子模块的投入与切除,可实现输出电压 17 个电平的变化,从而有效逼近正弦波。

[此处插入三相 17 级 MMC 拓扑结构示意图]

(二)工作原理

  1. 子模块工作状态:以半 H 桥型子模块为例,其工作状态有投入和切除两种。当子模块的上开关管导通、下开关管关断时,子模块投入工作,电容电压叠加到桥臂电压上;当子模块的上开关管关断、下开关管导通时,子模块被切除,桥臂电压不包含该子模块电容电压。通过对各子模块工作状态的有序控制,实现桥臂电压的多电平输出。
  1. 相电压合成:每相上下桥臂的子模块协同工作,根据调制策略,控制不同子模块的导通与关断,使桥臂电压呈现多个电平。例如,在正半周期,上桥臂逐渐增加投入的子模块数量,下桥臂逐渐减少投入的子模块数量,从而合成接近正弦的相电压;在负半周期则相反。通过这种方式,17 级 MMC 能够输出 17 个不同电平的相电压,有效降低输出电压的谐波含量。

三、17 级 MMC 的控制策略

(一)电容电压均衡控制

  1. 必要性:在 MMC 运行过程中,由于子模块参数差异、开关器件导通压降不同以及负载变化等因素,各子模块电容电压会出现不均衡现象。若不及时控制,可能导致部分子模块过压或欠压,影响 MMC 的正常运行,甚至损坏设备。因此,电容电压均衡控制是 MMC 稳定运行的关键环节。
  1. 控制方法:常见的电容电压均衡控制方法有排序法和载波移相法。排序法通过对各子模块电容电压进行实时排序,根据排序结果选择合适的子模块投入或切除,以实现电容电压均衡。载波移相法是利用多个载波信号移相后对各子模块进行调制,使各子模块电容电压在一个周期内的充放电时间趋于一致,从而达到均衡目的。在 17 级 MMC 中,可根据实际需求选择合适的电容电压均衡控制方法,确保各子模块电容电压稳定在设定值附近。

(二)调制策略

  1. 正弦脉宽调制(SPWM):SPWM 是一种常用的调制策略,它通过将正弦参考信号与三角载波信号进行比较,生成 PWM 脉冲信号来控制 MMC 子模块的开关。在 17 级 MMC 中应用 SPWM 时,可根据相电压的目标电平,确定各子模块的导通与关断时刻,使输出电压尽可能接近正弦波。SPWM 调制策略简单,易于实现,但在低开关频率下,输出电压谐波含量相对较高。
  1. 最近电平逼近调制(NLM):NLM 调制策略是根据当前的参考电压,选择最接近的 MMC 输出电平。它通过计算参考电压与各可能输出电平的差值,选择差值最小的电平作为输出。NLM 调制策略无需复杂的载波信号,计算量小,响应速度快,特别适用于 17 级 MMC 这种多电平系统,能有效降低开关损耗,但输出电压存在一定的台阶误差。

(三)环流抑制控制

  1. 环流产生原因:在 MMC 中,由于桥臂电感、电容以及相间互感等因素的影响,会产生环流。环流不仅会增加系统的损耗,降低效率,还可能影响 MMC 的正常运行。环流主要包括零序环流和二倍频环流。零序环流是由于三相系统参数不完全对称或控制误差引起的,而二倍频环流则是由交流侧电压电流的不平衡以及 MMC 自身的拓扑结构导致的。
  1. 抑制方法:为抑制环流,可采用在桥臂中串联电感的方式,利用电感对高频电流的阻碍作用,减小环流的幅值。同时,通过设计合适的环流抑制控制器,对环流进行实时监测和反馈控制。例如,采用基于比例积分(PI)调节器的环流抑制控制器,根据检测到的环流信号,调整 MMC 的控制信号,使环流保持在允许范围内,提高系统的运行效率和稳定性。

四、17 级 MMC 在 5MW 风电永磁直驱发电机 - 1200V 直流并网系统中的应用优势

(一)提升电能质量

  1. 谐波抑制:17 级 MMC 能够输出多个电平的电压,相比传统的两电平或三电平变流器,其输出电压波形更接近正弦波,有效降低了谐波含量。在 5MW 风电永磁直驱发电机 - 1200V 直流并网系统中,可将并网电流的总谐波畸变率(THD)控制在较低水平,满足电网对电能质量的严格要求,减少谐波对电网设备的损害。
  1. 电压波动抑制:风速的随机变化会导致风电发电机输出功率波动,进而引起直流侧电压波动。17 级 MMC 通过其灵活的电平调节能力和快速的动态响应特性,能够有效抑制直流侧电压波动,维持 1200V 直流电压的稳定,为逆变器提供稳定的输入电压,保障并网系统的稳定运行。

(二)增强系统可靠性

  1. 模块化设计:MMC 的模块化结构使得系统具有较高的可靠性。在 17 级 MMC 中,若某个子模块出现故障,可通过控制策略将其旁路,由其他正常子模块继续工作,不影响整个 MMC 的运行。这种冗余设计大大提高了系统的容错能力,降低了因设备故障导致的停机时间,保障了风电并网系统的可靠运行。
  1. 冗余配置:除子模块的冗余外,MMC 系统还可采用冗余的桥臂配置或冗余的变流器配置。例如,在三相 MMC 中,可设置备用桥臂,当某一相桥臂出现故障时,备用桥臂迅速投入运行,确保系统的不间断供电。这种冗余配置进一步增强了系统的可靠性,提高了风电并网系统的稳定性。

(三)提高系统灵活性

  1. 电压和功率等级扩展:17 级 MMC 通过增加子模块的数量,可方便地扩展其电压和功率等级。在 5MW 风电永磁直驱发电机 - 1200V 直流并网系统中,随着风电装机容量的增加,可灵活增加 MMC 的子模块数量,提升系统的电压和功率承载能力,满足不同规模风电接入的需求。
  1. 灵活的控制策略:MMC 可采用多种先进的控制策略,根据风电系统的运行工况和电网需求,灵活调整控制参数,实现对系统的优化控制。例如,在风速变化较大时,可采用快速响应的控制策略,及时调整 MMC 的输出,保障系统的稳定运行;在电网电压波动时,可通过调整控制策略,增强系统的抗干扰能力,提高风电并网的适应性。

五、应用面临的挑战及解决方案

(一)子模块电容电压均衡控制复杂

  1. 挑战分析:17 级 MMC 包含大量子模块,各子模块电容电压的均衡控制难度较大。由于子模块参数分散性、开关器件的不一致性以及系统运行工况的复杂性,电容电压容易出现不均衡现象,且在不同工况下,不均衡的表现形式和程度也各不相同,增加了控制的复杂性。
  1. 解决方案:采用先进的电容电压均衡控制算法,结合智能控制技术,如模糊控制、神经网络控制等。模糊控制可根据电容电压偏差和偏差变化率等模糊量,制定相应的控制规则,实现对子模块的快速、准确控制。神经网络控制则可通过对大量运行数据的学习,建立电容电压与控制信号之间的非线性映射关系,提高控制的精度和鲁棒性。同时,加强对子模块参数的筛选和匹配,减小参数分散性对电容电压均衡的影响。

(二)系统成本较高

  1. 成本构成分析:17 级 MMC 系统成本主要包括子模块成本、控制器成本以及安装维护成本等。子模块中大量使用的电容和开关器件成本较高,且随着电平数的增加,子模块数量增多,进一步提高了成本。同时,为实现复杂的控制策略,需要高性能的控制器,这也增加了系统成本。此外,MMC 系统的安装和维护需要专业技术人员,人工成本较高。
  1. 降低成本措施:在子模块设计方面,研发新型低成本的电容和开关器件,优化子模块电路结构,降低子模块成本。采用集成化的控制器设计,提高控制器的性能和可靠性,同时降低控制器成本。在安装维护方面,通过提高系统的自动化程度,减少人工干预,降低维护成本。此外,随着 MMC 技术的大规模应用,通过规模效应降低整体系统成本。

(三)与风电系统的协同运行问题

  1. 协同挑战:5MW 风电永磁直驱发电机的输出特性受风速影响大,具有强波动性和间歇性。17 级 MMC 在与风电发电机协同运行时,需要快速适应发电机输出功率的变化,同时要保证自身的稳定运行。此外,MMC 与电网之间也存在相互影响,如电网电压波动、频率变化等会影响 MMC 的控制性能,而 MMC 的运行状态也会对电网产生一定的影响,如何实现 MMC 与风电发电机、电网之间的良好协同运行是一个关键问题。
  1. 协同运行策略:建立风电发电机、MMC 和电网的联合仿真模型,深入研究它们之间的交互影响机制。通过优化 MMC 的控制策略,使其能够快速跟踪风电发电机输出功率的变化,同时增强对电网扰动的抗干扰能力。例如,采用功率前馈控制策略,根据风电发电机的输出功率变化,提前调整 MMC 的控制信号,实现快速响应。加强风电并网系统的监测与管理,实时监测系统的运行状态,及时调整控制参数,确保系统的稳定协同运行。

六、结论

17 级模块化多电平变流器(MMC)在 5MW 风电永磁直驱发电机 - 1200V 直流并网系统中具有显著的应用优势,能够有效提升电能质量、增强系统可靠性和提高系统灵活性。然而,其在应用过程中也面临着子模块电容电压均衡控制复杂、系统成本较高以及与风电系统协同运行等挑战。通过采用先进的控制算法、研发新型器件、优化系统设计以及加强系统监测与管理等措施,可逐步解决这些问题,推动 17 级 MMC 在风电并网领域的广泛应用,为大规模风电的高效稳定接入提供有力的技术支持。未来,随着相关技术的不断发展和完善,17 级 MMC 有望在风电领域发挥更大的作用,助力新能源产业的蓬勃发展。

⛳️ 运行结果

图片

图片

🔗 参考文献

[1] 刘钟淇,宋强,刘文华.新型模块化多电平变流器的控制策略研究[J].电力电子技术, 2009, 43(10):4.DOI:10.3969/j.issn.1000-100X.2009.10.003.

[2] 马卫东.模块化多电平变流器(MMC)环流抑制策略的研究[D].华东交通大学,2015.DOI:10.7666/d.D730584.

[3] 杨用春,肖湘宁,郭世枭,等.基于模块化多电平变流器的统一电能质量调节器工程实验装置研究[J].电工技术学报, 2018, 33(16):13.DOI:10.19595/j.cnki.1000-6753.tces.180489.

📣 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

👇

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值