项目名称: 双级矩阵变换器高抗扰性解耦控制

项目编号: No.51307138

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 电工技术

项目作者: 宋卫章

作者单位: 西安理工大学

项目金额: 26万元

中文摘要: 针对双级矩阵变换器(Two Stage Matrix Converter,TSMC)一体化拓扑带来的耦合影响和弱抗扰性两个固有缺陷,传统空间矢量调制策略需两级协调而相互影响并是一种近似开环控制,更加剧了上述两个问题的产生。 针对上述问题,研究一种TSMC解耦控制算法-模型预测控制,利用TSMC离散数学模型和72种开关状态,以输入无功和输出电流为控制目标,通过一个采样周期水平上预测和直观控制,选择合适开关状态,在正常和非正常工况下均能实现输入瞬时无功功率和输出电流参考误差最小,从而消除TSMC整流与逆变级耦合影响和提高非正常工况下系统抗扰性,时刻确保输入输出性能。最后对TSMC模型预测控制和空间矢量调制策略进行比对研究,以探索模型预测算法实现TSMC解耦控制的机理。本课题对于解决矩阵变换器耦合问题和抗扰性问题具有重要借鉴意义。

中文关键词: 双级矩阵变换器;解耦控制;抗扰性;机理;

英文摘要: Aiming at the two main drawbacks of conventional Two stage Matrix Converters(TSMC): high coupling influence and low immunity to abnormal working conditions.Conventional space vector modulation strategy(SVM)is unable to solve these two problems because of its approximate open-loop control. Model predicted control which decouples the rectifer and inverter for TSMC was proposed to overcome the above problems.The proposed control scheme selects the switching state that minimizes the instantaneous input reactive power and the error of the output currents according to their reference values. This was achieved by using a prediction horizon of one sample time and a very intuitive control law.Finally,TSMC was decoupled by model predicted control and always achieves excellent input and output performance regardless of normal and abnormal working conditions.A performance comparison of respect a standard model predicted control and SVM modulation strategy of TSMC was provided to explore the decoupling control mechanism of model predicted control used for TSMC, This project has the important meaning to solve the coupling and robustness problems for Matrix Converter.

英文关键词: Two-stage matrix converter;Decoupling-control;Strong disturbance resistibility;Mechanism;

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
【AAAI2022】基于对比时空前置学习的视频自监督表示
专知会员服务
19+阅读 · 2021年12月19日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
TKDE2021 | 基于对抗解耦器的异质网络嵌入
专知会员服务
8+阅读 · 2021年8月27日
专知会员服务
23+阅读 · 2021年8月1日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
【AAAI2021】双级协作变换器Transformer图像描述生成
专知会员服务
26+阅读 · 2021年1月26日
【2020新书】傅里叶变换的离散代数,296页pdf
专知会员服务
113+阅读 · 2020年11月2日
大讲堂 | 基于小波变换的图卷积神经网络
AI研习社
12+阅读 · 2019年1月3日
用缩放CNN消除反卷积带来的棋盘伪影
论智
19+阅读 · 2018年10月30日
【干货】理解深度学习中的矩阵运算
专知
12+阅读 · 2018年2月12日
傅里叶变换和拉普拉斯变换的物理解释及区别
算法与数学之美
11+阅读 · 2018年2月5日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
13+阅读 · 2021年10月22日
小贴士
相关主题
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
【AAAI2022】基于对比时空前置学习的视频自监督表示
专知会员服务
19+阅读 · 2021年12月19日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
TKDE2021 | 基于对抗解耦器的异质网络嵌入
专知会员服务
8+阅读 · 2021年8月27日
专知会员服务
23+阅读 · 2021年8月1日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
【AAAI2021】双级协作变换器Transformer图像描述生成
专知会员服务
26+阅读 · 2021年1月26日
【2020新书】傅里叶变换的离散代数,296页pdf
专知会员服务
113+阅读 · 2020年11月2日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员