电池储能型模块化多电平变换器的混合模型预测控制方法

本文将模块化多电平变换器（MMC）作为电池储能系统（BESS）的并网变换器，可在实现高压并网的同时兼具控制的灵活性。针对电池储能型模块化多电平变换（B-MMC）系统，提出一种可有效减小计算量的混合型模型预测控制（H-MPC）方法。

 

该H-MPC方法由PI控制和MPC组成。其中，PI控制部分用于求取满足交流电流输出和环流控制要求的子模块接入个数；MPC则负责共模电压（CMV）抑制，对子模块接入个数进行适当调整。结合子模块接入个数与电池组荷电状态（SOC）的排序结果，即可产生具体开关信号。针对不同应用场合，PI控制部分和MPC的控制目标选取要更为灵活。

 

以环流控制为例，对其包含于MPC部分的情况进行简要分析。最后通过Matlab/Simulink仿真和实验，验证了该方法的正确性与有效性。

 

新能源的大范围应用能够有效降低人们对石油能源的需求，并且其具有可再生能力强、排放污染小等优势，对缓解能源危机和环境恶化有着重要意义[1]。由于新能源发电具有间歇性和不确定性等特点，在并网过程中通常要与储能装置相结合。储能装置能够进行快速的功率吸收、释放，有效减小新能源输出波动对电网的冲击，实现新能源的友好接入和协调控制[2]，其中电池储能在大规模储能系统中占据着重要地位。

 

传统储能并网系统需要将电池组进行串、并联，经过前级DC-DC变换器升压后通过后级逆变电路实现并网。对于电池组而言，若要对其进行充、放电状态监测则需要添加额外的电池能量管理系统，生产成本也会相应提高；对于电力电子变换器而言，开关器件所需承受的电压等级较高，系统工作的安全性会受到严重影响。

 

若将电池储能系统（Battery Energy Storage System, BESS）与模块化多电平变换器（ModularMultilevel Converter, MMC）相结合，则能够实现储能单元的分散接入，并适合接入高压电网，提高系统的运行效率和可靠性[3]。

 

目前关于模块化多电平变换器电池储能（Battery integrated Modular MultilevelConverter, B-MMC）系统的研究仍然相对较少。文献[4]通过调节各个子模块的调制深度，实现了电池组间荷电状态（State Of Charge,SOC）的均衡一致。

 

文献[5]则从理论上分析了不同环流分量对电池组SOC均衡的影响。文献[6]中，该结构被应用于电动汽车领域，并分别对交、直流充电和正常行驶三种不同工作状态进行了相关分析。针对B-MMC结构的控制，目前仍以经典PI控制器为主。

 

模型预测控制（Model Predictive Control, MPC）方法因其在处理非线性系统复杂约束型问题时展现出的卓越优势，正逐步被推广于电力电子控制领  域[7]。文献[8]中介绍了一种适用于MMC结构的有限控制集模型预测控制（Finite ControlSet-Model Predictive Control, FCS-MPC）方法。该方法结构简单，价值函数能够同时涵盖多个控制目标，但当子模块数目较多时，数据计算量的增长较为严重。

 

文献[9]则将整体价值函数的求解过程分解为多个子目标函数逐级寻优的形式，该控制方法中并未涉及权重系数的选取，降低了控制系统的设计难度。文献[10]则将排序均压策略与分组思想相结合，衍生出一种适用于MMC工程应用的优化MPC策略，该方法并不会随子模块数目的增多明显加重处理器运算负担。

 

基于上述研究现状，本文提出一种适用于B-MMC结构的混合型模型预测控制（Hybrid-ModelPredictive Control, H-MPC）方法。H-MPC方式可分为PI控制和MPC两大部分。其中PI控制部分主要用于实现交流输出电流跟踪等逻辑较为简单的部分，而MPC部分则用于处理共模电压抑制等复杂逻辑部分。

 

相比于传统PI控制方式，H-MPC有效减少了PI控制器的数量，降低了控制系统的设计复杂度；而相对于常规MPC方式，H-MPC则减少了每个采样周期内需要考虑的开关状态数量，进而降低了运算需求。

 

本文详细分析了B-MMC系统的运行特点、MMC的传统MPC方法，并在此基础上提出了一种H-MPC方案，实现了交流输出电流跟踪、环流控制、电池组SOC均衡和共模电压抑制的控制目标。本文最后通过Matlab仿真和实验验证了该控制策略的正确性与有效性。

 

图7 三电平B-MMC实验平台