基于数据驱动混合控制的并网光伏多功能H桥变换器运行研究

《Results in Engineering》：Grid-Integrated Solar PV Converter Operation using Data-driven Hybrid Control Approach

为解决可再生能源并网带来的电能质量问题，研究人员开展了一项关于采用EMD-SOGI混合控制与MPC策略的多功能H桥变换器（MFHC）的研究。该研究通过结合经验模态分解（EMD）和二阶广义积分器（SOGI）提取基波电流，并利用模型预测控制（MPC）生成最优开关信号，实现了谐波补偿、光伏功率注入及单位功率因数运行。结果表明，所提方法能有效降低总谐波失真（THD），满足IEEE 1547-2018标准，提升了系统在电网支撑与注入模式下的运行效率与稳定性。

　　

随着现代电力系统中半导体负荷、可再生能源微电网、车网互动（V2G/G2V）等概念的日益普及，电网在公共连接点（PCC）面临日益严峻的电能质量挑战，如谐波污染、电压波动与不确定性。特别是并网太阳能光伏（PV）系统在实现低碳能源和偏远地区电气化方面取得了巨大增长，但其渗透率的提高也加剧了电网的复杂动态。在此背景下，电力电子变换器（PECs）扮演着关键角色，尤其是并联有源电力滤波器（SAPF）及其演进形式——多功能H桥变换器（MFHC），它能够同时处理电流谐波、集成可再生能源并将光伏电力注入电网。然而，实现MFHC在电网支撑（grid-supplying）和电网注入（grid-injecting）等多种模式下的高效、灵活控制，并满足严格的电能质量标准（如IEEE 1547-2018），对控制策略提出了极高要求。传统的参考电流估计方法，如基于瞬时功率理论（pq-theory, dq-theory）或频域方法（FFT, DFT, Wavelet），虽各有优势，但在非正弦、非稳态信号处理、计算复杂度或抗干扰能力方面存在局限。数据驱动方法，如经验模态分解（EMD）及其变体，在分析非线性、非平稳信号方面显示出潜力，但其固有的模态混叠（mode-mixing）问题影响了分解效果。另一方面，二阶广义积分器（SOGI）在提取基波分量方面简单有效，但对高次谐波抑制能力不足，且易受电网频率变化影响。因此，开发一种能够结合各自优点、简单灵活且鲁棒的控制策略，对于提升MFHC在并网光伏应用中的性能至关重要。本研究旨在解决上述问题，提出一种基于EMD-SOGI混合控制与模型预测控制（MPC）的综合策略，以实现MFHC的多功能服务，包括谐波补偿、光伏功率注入和单位功率因数（UPF）运行，并确保系统在动态运行条件下的稳定性和电能质量。

为开展此项研究，研究人员主要应用了几项关键技术方法。首先，采用经验模态分解（EMD）算法对畸变的非线性负载电流进行自适应分解，得到一系列本征模态函数（IMFs），以分离出信号主导（基波）和噪声主导（谐波）分量。针对EMD可能存在的模态混叠问题，引入了集成经验模态分解（EEMD）的改进思路，但最终采用与二阶广义积分器（SOGI）结合的混合方法来优化基波分量提取。SOGI用于进一步净化从EMD选定的IMF中提取的基波分量，生成与电网电压同步的参考电流，其增益k经过优化选择以改善动态响应。其次，为实现精确的电流跟踪，设计了模型预测控制（MPC）策略。该策略基于MFHC和DC-DC Boost变换器的离散化预测模型，定义成本函数以最小化参考电流与实际电流之间的误差，从而在线评估所有可能的开关状态并选择最优开关信号。对于系统直流链路电压的稳定，研究采用了基于Lyapunov理论的控制器，该控制器通过定义与直流链路电容储能相关的Lyapunov函数，并确保其导数为负定，来实现全局渐近稳定，仅需调节一个参数。此外，对光伏阵列采用了爬山法最大功率点跟踪（MPPT）算法，通过DC-DC Boost变换器确保光伏板始终工作在最大功率点。整个系统的验证在MATLAB/Simulink仿真平台和OPAL-RT OP4512实时仿真器上进行，后者通过TCP/IP协议与主机通信，并利用示波器采集实时数据，以验证所提控制策略在动态工况下的有效性。

2. 系统配置

研究系统配置为一个两阶段并网拓扑，包括一个与太阳能PV系统集成的MFHC。系统侧电压和电流分别为v_s和i_s，电网阻抗由电阻r_s和电感L_s表示。PCC点电压为v_pcc。MFHC采用H桥结构，包含四个开关器件（S_H1, S_H2, S_L1, S_L2），通过输出滤波器（r_f, L_f）接入PCC。负载侧包括一个二极管整流桥（DBR）负载和连接在公共直流链上的阻性直流负载（R₁, R₂）。光伏阵列通过一个DC-DC Boost变换器连接到公共直流链路，该变换器包含滤波器（r_pv, L_pv）并采用爬山法MPPT算法以提取最大功率。直流链路电容为C_dc，参考电压V_dc设为400 V。

3. MFHC的控制策略

MFHC的控制策略主要包括参考电流估计单元和电流参考跟踪控制器。

3.1. 参考电流估计

参考电流估计旨在确定补偿谐波、MFHC开关损耗、光伏注入有功以及交直流负载电流所需的电流。非线性负载电流i_l(t)可分解为基波分量i_lf和谐波分量i_h。本研究采用EMD-SOGI混合控制方法来提取基波电流i_sf(= i_sref的基波部分)。

3.1.1. 混合控制技术

负载电流i_l首先经过EMD算法分解为多个IMF。选择信号主导的IMF（如IMF4）作为SOGI的输入。SOGI滤波器利用其增益k和电网角频率ω，从选定的IMF中提取出纯净的基波分量，并生成正交分量。研究表明，单纯使用EMD提取的基波分量THD较高（15.23%），而经过SOGI处理后，THD显著降低至2.63%，有效解决了EMD的模态混叠问题，满足了IEEE标准。

Lyapunov控制器

为补偿MFHC的开关损耗并稳定直流链路电压，采用了Lyapunov控制器。其Lyapunov函数定义为直流链路电容存储的能量E_dc= (1/2)C_dcV_dc²。通过保证能量函数的时间导数为负，推导出所需的损耗功率p_loss= (V_dc²- V_{dc ref}²) / (2k_l)，其中k_l为负的常数增益（本研究取-4.5）。该控制器仅需调节一个参数，实现了直流链路电压的快速、精确调节，稳态误差较小。

3.2. 基于MPC的参考跟踪

MPC控制器用于生成MFHC和PV变换器的最优开关信号。对于MFHC，根据其电路方程推导出预测电流i_f(k+1)。成本函数g_m定义为参考电流i_sref（来自EMD-SOGI）与预测电流i_s(k+1)之差的平方。MPC算法评估所有可能的开关状态（S=1或-1）对应的成本函数值，选择使成本函数最小的开关状态作为最优开关动作S_opt。类似的方法也应用于PV侧的DC-DC Boost变换器控制。

4. 结果与讨论

研究在MATLAB/Simulink和OPAL-RT OP4512实验平台上验证了所提混合控制策略的性能。系统参数如表2所示。分析了在正弦和非正弦PCC电压条件下，系统在三种运行模式下的动态性能：电网支撑模式1（GSM-1, 0-0.3 s）、电网注入模式（GIM, 0.3-0.5 s）和电网支撑模式2（GSM-2, 0.5-0.8 s）。在GSM-1下，光伏功率（P_pv）不足，电网功率（P_s）为主要功率来源，源电流i_s与PCC电压v_pcc同相，实现UPF运行。在GIM下，辐照度升高，P_pv满足总负载需求并有盈余，多余功率注入电网，i_s与v_pcc反相。在GSM-2下，辐照度降低，电网再次补充功率缺额。在整个动态过程中，直流链路电压V_dc在Lyapunov控制器作用下稳定在400 V附近，性能优于PI控制器（超调更小，调节时间更短，稳态误差更小）。MFHC电流i_f能够有效补偿负载谐波电流并输送光伏功率。THD分析表明，采用混合（EMD-SOGI）-MPC控制的源电流i_s在所有运行模式下的THD均低于5%（达到2.63%），满足IEEE 1547-2018标准，性能优于单独使用EMD-MPC或传统的滞环电流控制（HCC）。有源滤波效率（AFE）分析进一步显示，混合控制方法的AFE更高。实时OPAL-RT实验结果与仿真结果一致，验证了所提控制策略的有效性和实时性。

本研究得出结论，所提出的EMD-SOGI混合控制与MPC相结合的策略，能有效解决并网光伏系统中MFHC的多目标控制问题。EMD-SOGI混合方法成功克服了单一方法的局限性，实现了从畸变电流中高精度提取基波分量，显著降低了THD。MPC确保了电流的快速、准确跟踪。Lyapunov控制器提供了鲁棒且简单的直流电压稳压方案。整体系统在电网支撑和注入模式下均能保持单位功率因数运行，有效补偿谐波，并满足相关电能质量标准。该混合控制方案结构相对简单，灵活性高，为未来集成更多混合资源和应对更复杂电网条件下的功率质量管理提供了有前景的解决方案。未来的工作将集中于优化控制参数、进行系统稳定性分析，并探索基于物联网（IoT）的电能质量事件特征提取及硬件在环（HIL）验证。