【电路】基于最近电平逼近的开环MMC逆变器附Simulink仿真模型

✅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

在现代电力系统中，随着高压直流输电（HVDC）、新能源并网以及电机驱动等领域的快速发展，对电力变换设备的性能提出了更高要求。模块化多电平换流器（Modular Multilevel Converter，MMC）因其独特优势崭露头角。MMC 输出电压谐波含量低，能有效减少对电网的谐波污染；开关损耗小，提升了能源利用效率；扩展性强，便于根据实际需求灵活调整系统规模 。

传统的 MMC 多采用闭环控制方式，虽能实现高精度控制，但依赖高精度传感器实时采集系统状态信息，需快速信号处理单元进行复杂运算，且控制算法复杂。这不仅增加了系统成本，还使系统的维护和调试难度加大，在一些对成本敏感、控制精度要求相对不高的场景中应用受限 。

最近电平逼近（Nearest Level Modulation，NLM）作为一种简单有效的调制策略，为解决上述问题提供了新思路。将 NLM 应用于开环 MMC 逆变器，可在降低控制复杂度与成本的同时，期望实现较好的输出性能，具有重要的研究价值与工程应用前景。

二、MMC 逆变器的拓扑结构与工作原理

2.1 拓扑结构

MMC 逆变器的基本拓扑结构由多个子模块（Sub-Module，SM）组成。每个桥臂包含 N 个子模块与一个桥臂电抗器串联，三相桥共 6 个桥臂。子模块主要有半桥子模块（Half-Bridge Sub-Module，HBSM）、全桥子模块（Full-Bridge Sub-Module，FBSM）等类型，以半桥子模块应用最为广泛。半桥子模块由两个功率开关器件（如绝缘栅双极型晶体管 IGBT）和一个电容构成，通过控制开关器件的通断，可实现子模块电容的充电与放电 。

以三相 MMC 逆变器为例，其拓扑结构呈现出对称的三相结构，各相的上、下桥臂通过桥臂电抗器连接到直流母线。这种结构使得 MMC 能够灵活地实现交直流电能转换，且各相之间相互独立又协同工作，保证了系统的稳定性与可靠性 。

2.2 工作原理

在 MMC 逆变器工作时，通过控制各桥臂子模块的投入与切除数量，来合成所需的交流输出电压。当需要提升桥臂输出电压时，投入更多子模块，使电容电压串联叠加；反之，切除部分子模块以降低输出电压 。

例如，在正半周期，上桥臂逐渐投入更多子模块，下桥臂切除相应子模块，使得交流输出电压逐渐升高至正峰值；负半周期则相反，下桥臂投入子模块，上桥臂切除，实现负电压输出。通过这种有序的子模块投切控制，MMC 逆变器能够输出接近正弦波的交流电压，完成电能转换任务 。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

🎈 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

👇