采用自适应扰动补偿的三相交错谐振升压模块化多电平换流器动态性能提升

《Electric Power Systems Research》：Dynamic performance enhancement of a three-phase interleaved resonant boost MMC using adaptive disturbance compensation

　　

• 研究了一种具有子模块电压自平衡特性的三相交错谐振型模块化多电平变换器拓扑结构。
• 在控制框架中引入了基于泽尼克神经网络的自适应补偿器。
• 提出了一种自适应后向递推动态面控制策略，以改善系统的扰动抑制能力。
• 在所研究的条件下，所提出的控制器实现了更快的暂态恢复速度和更小的电压偏差。
• 仿真和实验结果验证了负载变化和输入电压波动条件下的控制性能。

引言
在全球气候变化日益严峻的背景下，减少温室气体排放和促进能源结构转型已成为各国的重要战略目标。可再生能源发电装机容量持续增长，其中风能在新能源体系中占据着至关重要的地位[1]。与陆上风电相比，海上风电具有风速稳定、湍流强度低、年利用小时数高、大规模集中布置和显著规模优势等优异特性[2]。大规模海上风电场的并网已成为电力系统工程领域的一个重要研究课题。
海上风电场通常采用海底电缆进行远距离电力输送。基于电压源换流器（VSC）的柔性直流输电技术已发展成为高压直流（HVDC）系统的重要实施方案[3]。其中，模块化多电平变换器（MMC）凭借其模块化结构、良好的高压等级扩展能力以及低谐波输出等显著优点，已广泛应用于海上风电场并网系统[4]。
然而，本研究所考虑的MMC-DC输电系统在能量传输过程和换流器运行过程中表现出非线性动态特性。在控制器设计中，在相位对称和时间尺度分离的假设下建立了降阶平均模型。虽然该模型便于控制设计，但实际运行中仍可能受到负载变化、输入电压波动、参数偏差和建模误差的影响[5]，这些因素会削弱输出电压的暂态调节性能。因此，提高变换器在此类扰动下的动态跟踪和抗扰动能力构成了本研究的主要控制目标。
传统固定参数PID控制器的良好控制性能高度依赖于精确的名义数学模型，当应用于强非线性系统或复杂工况时，其控制性能易受参数变化和外部扰动的不利影响[6,7]。滑模控制对参数不确定性具有较强的鲁棒性，能在一定程度上增强系统对外部扰动的免疫力[8]。然而，固有的抖振问题不可避免，这会恶化系统稳定运行状态并缩短电力电子器件的使用寿命[9]。
神经网络控制已逐步应用于复杂非线性系统。得益于出色的非线性逼近能力，
近期研究还探索了针对复杂非线性系统的高级自适应和事件触发控制策略，证明了在模型不确定性、时滞和通信约束条件下暂态调节和同步性能的改善[10,11]，神经网络可以实现对系统未知动态和外部扰动的在线估计，从而提高系统控制性能[[12], [13], [14]]。然而，传统神经网络存在结构设计复杂和参数调节繁琐等问题，且训练过程中计算负担沉重[15,16]。此外，通用神经网络控制器具有固有的黑箱特性，使其严格的稳定性分析变得困难[16]。大规模网络结构通常导致计算复杂度和存储占用增加，这可能限制了其在嵌入式控制平台上的实时实现[17,18]。
泽尼克神经网络是一种基于泽尼克多项式构建的神经网络，具有优良的正交性和逼近性能[19]。它能够以较少的参数实现高精度函数逼近，具有更快的收敛速度和更低的计算复杂度[20]。后向递推控制是一种经典的递归设计方法，通过逐步构造李雅普诺夫函数来保证系统稳定性[21]。然而，传统后向递推控制在设计过程中需要反复对虚拟控制信号进行求导，容易引发"微分爆炸"问题并增加控制器复杂度。为解决这一问题，提出了动态面控制（DSC）方法[22]。通过引入低通滤波器替代高阶微分运算，DSC有效地降低了控制复杂度并提高了系统实时性能[23]。
本文设计了一种将泽尼克神经网络补偿器与后向递推动态面控制相结合的控制策略。所提出的方案旨在快速抑制模型误差和外部扰动，简化算法实现，并在缩小规模的低功率原型上进行验证，所提出的策略旨在为未来高压、大规模MMC-HVDC应用提供可靠的原型验证和有价值的设计参考。

章节摘要

拓扑结构与运行分析
三相交错并联谐振型模块化多电平变换器的拓扑结构如图1所示。它由三个交错并联的升压电路组成。这种三相交错拓扑降低了三次谐波畸变，并显著提高了升压比。子模块电容器与电感Ln（n=1,2,3）谐振，改善了开关条件。模块化多电平的子模块取代了级联中的原始开关器件和二极管。

数学建模
基于上述开关模式，系统在理想假设下进行了建模，包括三相电路特性相同和各模块之间差异可忽略不计。因此可推导出相应的数学表达式如下：
{L1 diL1(t)/dt = vin(t) ? 1/3 v0(t)
L2 diL2(t)/dt = vin(t)
L3 diL3(t)/dt = vin(t)
C dv0(t)/dt = 1/3 iL1(t) ? v0(t)/R}
{L1 diL1(t)/dt = vin(t)
L2 diL2(t)/dt = vin(t) ? 1/3 v0(t)
L3 diL3(t)/dt = vin(t)
C dv0(t)/dt = 1/3 iL2(t) ? v0(t)/R}
{L1 diL1(t)/dt = vin(t)
L2 diL2(t)/dt = vin(t)

泽尼克径向神经网络（ZRNN）
在名义降阶模型中，d(t)表示未知的负载相关项。其他实际效应，包括寄生电阻、谐振网络损耗、相位不对称和平均化误差等，未明确体现在名义模型中，构实际系统中的额外建模不确定性。为在不需要明确了解负载电阻的情况下补偿其影响，采用泽尼克神经网络来自适应逼近d(t)。

李雅普诺夫稳定性分析
通过结合电压环动态、电流环动态和DSC滤波器动态，可获得整体闭环误差系统如下：
?v = ?kv ev + uC ei + uC z?1 + (1/C) W?^T ? + εC
?i = ?ki ei
z??1 = ?ω1 z?1 ? α W?
?? = ?Γ(? ev ? σ ?)
对于包含神经网络逼近和动态面滤波器的非线性系统，由于逼近残差和滤波器重构误差的存在，通常难以实现所有误差状态严格渐近收敛于零。

仿真环境与系统规格
本研究的主要目标是评估所提出的泽尼克神经网络自适应补偿器在非线性扰动抑制和动态跟踪精度方面的有效性。为此，首先验证了三相交错谐振型MMC拓扑的基本功能，假设标准预充电和软启动序列已完成。重点关注交错相位的纹波抵消性能特征化。

实验验证
三相交错并联谐振型MMC的实验平台如图19所示。硬件系统主要由基于DSP的控制单元、功率变换级、传感电路和隔离栅驱动电路组成。
主控制器采用德州仪器TMS320F28377D数字信号处理器（DSP）实现，能够产生多个高精度PWM信号，以支持所提出控制算法的实时执行。

结论
本文针对三相交错谐振模块化多电平变换器——作为DC变换应用的潜在拓扑——提出了一种泽尼克神经网络辅助的自适应后向递推动态面控制策略。首先，基于状态空间平均法建立了所提出MMC拓扑的工作原理和数学模型。交错谐振结构提高了等效纹波频率，降低了电流纹波幅度。

CRediT作者贡献声明
Peng Xu：写作 – 审阅与编辑，写作 – 初稿撰写，构思。
Zhipeng Li：软件。
Li Lei：写作 – 审阅与编辑，验证，方法论，构思。
Chuantao He：形式分析。
Wenkai Guan：形式分析。
Siyan He：方法论。

Peng Xu | Zhipeng Li | Li Lei | Chuantao He | Wenkai Guan | Siyan He