[0001] 本公开涉及开关变换器技术领域，特别是涉及优化电压矢量的维也纳整流器的模型预测方法及系统。

[0002] 本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

[0003] 为了解决传统燃油汽车消耗化石能源，以电作为清洁能源的电动汽车进入人们的视野，而维也纳整流器作为AC/DC变换器，也已经被运用在电动汽车充电桩中。

[0004] 在高压大功率场合，二极管箝位三电平整流器由于其耐压等级高、输出电压电平数多、交流电流谐波少、开关器件的电压应力低等优势得到了广泛应用。但与传统两电平整流器比较，三电平整流器包含开关器件多，调控复杂。所以，为了将三电平优质输出波形的特点，与两电平开关器件少的优点相结合，三电平维也纳整流器应运而生。维也纳整流器由于效率高、开关数量少，已被广泛应用于电动汽车充电系统和工业应用中，极具应用前景。

[0005] 但是由于维也纳整流器每相含有两个二极管，这就必须要求输入电流和电压同相位，否则会产生严重的过零点畸变，并且这种畸变与直流侧中点平衡的控制存在耦合性。不恰当的调控会增大输入电流谐波，降低系统效率。增大电感虽然可以减少电流谐波，但是会增大体积，提高可视成本。除此之外，较大的开关损耗会减少系统寿命，不确定的开关频率会增加滤波器的设计难度。这些问题都影响着维也纳整流器安全、稳定、高效、可靠运行，大大增加系统损耗。

[0006] 随着微处理器技术的发展，模型预测控制(model predictive control,MPC)能够实现多目标同步优化控制，且无需PWM模块或比例积分(PI)控制器。它是一种通过建立受控过程的在线模型来预测和优化控制策略，在价值函数中计算所需对象和预测对象之间的误差，并在每个采样周期中施加约束条件。基于MPC 的优点，可以实现对维也纳整流器的多目标控制。然而，随着变换器电压水平的增加，MPC的计算量呈指数增长。例如，对于三相整流3 3
器，两电平中有8(2) 个矢量，三电平中有27(3)个矢量。此外，在进行多目标MPC时，通常在价值函数中引入权重因子。权重因子不仅增加了MPC的计算负担，而且其选择和调试的过程通常是一项繁琐的任务。为了提高计算效率，现有技术提出了基于简化模拟退火的MPC方法，该方法对权重因子进行了在线优化，而不是去除权重因子。然而，剩余的权重因子依然增加了计算负担。因此，MPC需要克服的问题之一是在实现多目标优化控制的同时，减少计算量和消除权重因子，提高控制器响应速度。

[0007] 近年来，有许多学者对维也纳整流器的多目标MPC控制策略进行了大量研究。如下：

[0008] (1)提出了一种改进型MPC来处理多个控制目标。然而，上述方法在一个采样时间内只选取一个空间矢量来跟踪参考电压，增大了电流谐波。

[0009] (2)提出了双矢量MPC方法来改善电流质量。不幸的是，由于维也纳整流器拓扑的特殊性，当电压和电流不在同一个方向时，会发生严重的电流过零点畸变。因此，传统的双矢量MPC方法不能直接移植到维也纳整流器。

[0010] (3)提出了一种不含加权因子的针对维也纳整流器拓扑的双矢量MPC方法。但电流谐波的减少很大程度受电感大小的影响，最重要的是，该方法无法固定在每个周期内的开关频率，也没有考虑减少开关损耗。

[0011] 综上，针对电动汽车充电系统中三电平维也纳整流器系统，存在着开关频率不固定，开关损耗较大，电流谐波大，交流侧电流过零点畸变、直流侧中点电压不平衡，以及传统MPC在实现多目标控制时计算负担大，价值函数中包含权重因子的问题。

[0075] 应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

[0076] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

[0077] 实施例一

[0078] 该实施例公开了优化电压矢量的维也纳整流器的模型预测方法,正如背景技术所介绍的，维也纳拓扑面临的固定开关频率，降低开关损耗，同时存在交流侧电流过零点畸变、直流侧中点电压不平衡的问题以及交流侧电流过零点畸变和直流侧中点电压不平衡的控制耦合问题，本申请提出一种新型的固定开关频率，降低开关损耗提升电流质量的模型预测控制算法。

[0079] 如图1所示，本申请提供了优化电压矢量的维也纳整流器的模型预测方法，该方法包括以下步骤：

[0080] 步骤S1:对当前时刻的维也纳整流器进行采样，获取当前时刻k的维也纳整流器的三相输入电流ix(k)和电压uxo(k)以及电网电压ex(k)；

[0081] 其中，如图2所示，维也纳整流器的输入电压满足:

[0082]

[0083] 式中，ex为电网电压，ix和uxo为三相输入电流和电压，x＝a,b,c，R和L分别为滤波器电感和等效串联电阻。

[0084] 步骤S2:构建维也纳整流器的数学模型，得到下一时刻参考预测输入电压；

[0085] 步骤S2‑1:将当前时刻k的维也纳整流器三相输入电流ix(k)以及电网电压 ex(k)进行克拉克变换得到在αβ‑正交坐标系下的三相输入电流iy(k)以及电网电压ey(k)，其中y＝α,β。

[0086] 步骤S2‑2:输入iy(k)、ey(k)、以及实时采样直流侧电压Vdc和需求直流侧电压V*dc，*采用电压外环控制计算第k个时刻的维也纳整流器三相参考输入电流 iy(k)，其中y＝α,β。

[0087] 步骤S2‑3:基于拉格朗日外推定理，得到第(k+1)个时刻的电网电压ey(k+1) 和参*考输入电流iy(k+1)，分别表示为：

[0088]

[0089] 其中，ey(k)表示当前时刻k三相电网电压，ey(k‑1)表示前一个时刻k‑1的三相电网*电压，ey(k‑2)表示前两个时刻k‑1的三相电网电压；iy(k)表示当前时刻k三相参考输入电* *
流，i y(k‑1)表示前一个时刻k‑1的三相参考输入电流， i y(k‑2)表示前两个时刻k‑1的三相参考输入电流。

[0090] 步骤S2‑4：假设NP电压均衡，在αβ‑正交坐标系下，构建基于离散时域的电压矢量*的动态模型，得到第(k+1)个时刻三相参考输入电压uy(k+1)；

[0091] 计算方法为：

[0092]

[0093] 式中，i*y(k+1)为第(k+1)个时刻三相参考输入电流，ey(k+1)为第(k+1)个时刻电*网电压，u y(k+1)(y＝α,β)为第(k+1)个时刻三相参考输入电压，Ts是采样周期，M是一个常数值，定义为：

[0094] M＝RTs+L  (4)；

[0095] 步骤S3:基于有限集模型分析所有不同种类候选矢量对中点平衡的影响，构建不含权重因子λ的价值函数，价值最小的就是当前时刻k的维也纳整流器的三相输入电流ix(k)所在的区域。

[0096] 步骤S3‑1：基于当前时刻的维也纳整流器的三相参考输入电流，根据三相输入电流的正负极性将维也纳整流器的空间矢量图先分为大扇区，再将每个大扇区分成小扇区，根据维也纳整流器的空间矢量分类得到候选空间电压矢量；如表1所示为维也纳整流器的空间矢量图的分类：

[0097] 表1维也纳整流器的空间矢量分类

[0098]

[0099] 如图3所示，维也纳整流器的空间矢量图可以根据三相输入电流的正负极性分为6个大扇区，例如，假设ix(k)位于扇区II，此时三个输入电流的符号为[+ +‑]。其中，两个冗余的小电压矢量[NON]和[OON]会产生严重的电流畸变，所以不能作为候选矢量。也就是说，只选择8个空间电压矢量(V0[OOO]、V1[POO]、 V3[PPO]、V4[OON]、V5[OPO]、V14[PPN]、V19[PON]和V20[OPN])合成Vref。候选向量的数量将从19个减少到7个(包括两个冗余的小向量)，这也减少了一半以上的计算负担。

[0100] 步骤S3‑2：构建含权重因子的价值函数；

[0101] 定义上、下直流链路电容电流为：

[0102]

[0103] 式中，VP和VN分别是上下电容的电压，ip和in是通过上、下直流链路电容的电流，CP和CN分别为上、下电容器的电容值。通常，它们是相同的，都设定为C。

[0104] 将公式(5)进行离散化，得到其离散时间模型为：

[0105]

[0106] 式中，in(k+1)和ip(k+1)分别为第(k+1)个时刻通过上、下直流链路电容的预测电流；VN(k+1)和VP(k+1)分别为预测的上、下电容电压。

[0107] 进一步得到包含电流跟踪和中点平衡的价值函数具体表示为：

[0108]

[0109] 式中，λ为权重因子。

[0110] 步骤S3‑3：分析所有不同种类候选矢量对中点平衡的影响，构建不含权重因子λ的价值函数；

[0111] 以第1扇区为例，图4(a)中的大矢量[PNN]对NP电压没有影响，因为三相电压都没有连接到中性点。而图4(b)中介质矢量[PON]，三相分别连接到P、O、N状态，使得直流链路电容充放电不确定，导致NP电压不平衡。由于B、C相连接中性点，P相连接，P型小矢量[POO]可以对上电容CP进行放电，对下电容CN进行充电，如图4(c)所示。N型小矢量[ONN]可以使图4(d)中的下电容CN放电，并使上电容CP充电。因此，中点电压可以由P型或N型小矢量来平衡，它们对中性点的影响相反。

[0112] 所以，实现了权重因子λ在价值函数(7)中的消除，并且实现了中性点的平衡，大大减少了计算量和繁琐的权重因子测试工作。这样，新的价值函数只包含一个项来预测跟踪电流，则新型不含加权因子的价值函数为：

[0113] g2(k)＝|u*α(k+1)‑uα(k+1)|2+|u*β(k+1)‑uβ(k+1)|2  (8)

[0114] 通过上述方案实现了交流侧电流过零点畸变和直流侧中点电压不平衡的控制解耦，分析所有不同种类矢量对中点平衡的影响，同时也实现了与电流畸变的解耦。构建价值函数，此时价值函数仅仅包含实现跟踪电流的作用，权重因子在解耦时已经去除。

[0115] 步骤S3‑3：计算由候选空间电压矢量构成的多边形的所有顶点在不含权重因子λ的价值函数，然后将每个相邻顶点的价值函数结果相加，所有计算结果中最小的就是当前时刻k的维也纳整流器的三相输入电流ix(k)所在的区域。

[0116] 以图5(a)所示的第I区为例，多边形为六边型，L1、M1、M2、S1、S2、Z1、 O1分别表示一个大、两个中、两个小、一个零、一个中心电压矢量的价值函数计算结果。则确定六个小区域的公式为：

[0117] 区域(i)＝min{pi},i∈{1,2,3,4,5,6}

[0118] 如果S1和M2的p3之和是pi(i＝1,2……6)的最小值，则Vref位于如图5(b)所示的区域中。

[0119] 步骤S4：进行中点浮动判断，根据价值函数的最小值，计算出候选矢量最佳的作用时间，进行占空比计算，以此控制整流器开关管的动作。

[0120] 步骤S4‑1:将步骤S3‑1中小扇区X组合成新的大扇区Y如图5(a)和图5 (b)所示，进行中点浮动判断，根据中点的波动情况选择合适的N型或者P型序列来平衡中点；

[0121] 其中，所述小扇区X组合成新的大扇区Y的过程包括：

[0122] 为了平衡NP电压，只要每个区域同时包含N型和P型开关序列，由于奇数和偶数扇区的特征不同，需要根据奇偶性对大扇区进行分类。

[0123] 以图6(a)‑图6(d)中扇区1和扇区2分析为例。在扇区1中如图6(a) 所示，由于P型矢量[PPO]和[POP]被移除，整个扇区中只剩下一个P型矢量 [POO]。为了确保在6个小区域中的序列趋向于P型，每个序列都必须包含[POO]，同时不能包含任何N型小矢量。因此，将NⅢ和NⅤ合并为一个区域，在图6(b) 中表示为PⅢ。同样，PⅣ也可以由NⅢ和NⅤ合并。同时，PⅢ和PⅣ中的P型序列可以分别表示为[OOO]‑[POO]‑[PON]‑[POO]‑[OOO]和 [OOO]‑[POO]‑[PNO]‑[POO]‑[OOO]。对于PⅠ和PⅡ,P型序列可以分别设计为 [PNN]‑[PON]‑[POO]‑[PON]‑[PNN]和[PNN]‑[PNO]‑[POO]‑[PNO]‑[PNN]。但是，在扇区1中没有删除N型小向量。因此，不需要像前面所述的将P型扇区合并，在图6(a)中扇区1仍然被划分为6个负区域(NⅠ,NⅡ,NⅢ,NⅣ,NⅤ和NⅥ)。与扇区P型序列相反，每个N型序列只包含至少一个N型小矢量，使整个序列呈现负极性。

[0124] 因此，扇区1也可以是N型。根据上述划分，扇区1同时包含N型和P型切换序列，这两类序列是由NP电压的波动大小决定的。此外，从图7(a)‑图7(h) 可以看出，开关序列是一个五段序列。在每个采样周期内，三相中的一相始终被箝位保持状态不变，而其他两相的开关只动作一次，所以在实现了中点平衡的同时，固定了开关频率。

[0125] 对于偶数扇大扇区而言，情况与奇数大扇区的情况相反。由于在偶数大扇区中，以第二扇区为例，N型小矢量没有被剔除，所以可以将PⅢ和PⅤ合并为NⅢ，将PⅣ和PⅥ合并为NⅣ，如图6(c)和(d)所示。同理与S4‑1中奇数扇区的结论一致，扇区2中能同时含有N型和P型的序列，并且在每个采样周期内，三相中的一相始终被箝位保持状态不变，而其他两相的开关只动作一次，所以在实现了中点平衡的同时，固定了开关频率。

[0126] 步骤S4‑2:根据平衡中点N型或者P型序列，进行每个采样周期内开关频率的固定；

[0127] 任何一种序列都是由三个矢量构成的五段式序列如图7(a)‑图7(h)所示，每组序列中只有两相的一组在每个周期动作一次，另外一相开关保持不变，实现了每个采样周期内开关频率的固定；

[0128] 将相邻采样周期内开关损耗考虑进去后，新型的序列如图7(a)‑图7(h)所示。应用该组序列可以显著降低开关频率处的谐波幅值，降低开关损耗；

[0129] 在NⅢ和NⅤ中，开关序列分别为图8(e)和(g)所示的 [PON]‑[OON]‑[ONN]‑[OON]‑[OOO]和[OOO]‑[OON]‑[OOO]。在NⅢ中，开关序列的开始和结束是中矢量[PON]，而在NⅤ中是零矢量[OOO]。此外,NⅢ和NⅤ的面积总和就是PⅢ的范围。因此,假设需要P型序列且Vref位于NⅢ,则P型序列设计为[PON]‑[POO]‑[OOO]‑[POO]‑[PON]如图8(a)所示；当Vref位于NⅤ时,需求的 P型序列设计为[OOO]‑[POO]‑[PON]‑[POO]‑[OOO]如图8(b)所示。这样，如果需要N型或P型序列来平衡中点电压，相邻采样周期之间就不会有开关动作。同样，根据Vref位于NⅣ还是NⅥ区域内,需求的P型序列也按照上述方法分别设计为[PNO]‑[POO]‑[OOO]‑[POO]‑[PNO]和[OOO]‑[POO]‑[PNO]‑[POO]‑[OOO]，如图 8(c)和图8(d)所示。同时，在NⅣ和NⅥ的区域中，N型序列设计为 [PNO]‑[ONO]‑[ONN]‑[ONO]‑[PNO]和[OOO]‑[ONO]‑[ONN]‑[ONO]‑[OOO]。由此可见，相邻采样周期之间的开关损耗可以通过上述特定的序列减少。

[0130] 对于扇区1的PⅠ和NⅠ而言，图7(a)和(c)所示的P和N型序列分别为 [PNN]‑[PON]‑[POO]‑[PON]‑[PNN]和[PON]‑[PNN]‑[ONN]‑[PNN]‑[PON]。可以看出，当序列在下一个采样周期需要切换时，上述序列避免了维也纳整流器状态P 与状态N之间的直接切换。同样，第一扇区PⅡ和NⅡ也符合上述规律，如图7(b) 和(d)所示，第二扇区的所有开关序列总结在下表中。

[0131] 表Ⅱ扇区2候选开关序列

[0132]

[0133] 步骤S4‑3:利用有限集模型预测控制得到的价值函数计算值，计算出三种矢量最佳的作用时间，再分配给五段式PWM发波，以此控制整流器开关管的动作；

[0134] 传统的SVPWM采用最接近的三个电压矢量，通过伏秒平衡来合成Vref。其约束公式可以表示为：

[0135]

[0136] 其中，dc1、dc2、dc3分别为三个候选向量Vc1、Vc2、Vc3的占空比。

[0137] 由公式(9)可以看出，本文采用的价值函数计算的是每个大扇区中，Vref到7 个固定矢量的距离。这意味着价值函数的计算结果越大，固定矢量离Vref越远。因此，相应的占空比较小。总的来说，占空比与价值函数的计算结果成反比。假设确定了Vref所在的区域，则将占空比定义为：

[0138]

[0139] 其中K为比例因子并且K≥0,gcx为三个候选矢量Vc1、Vc2、Vc3对应的价值函数(9)的计算结果。将(10)代入(11)，计算得到比例因子K为：

[0140]

[0141] 由于价值函数的结果都是非负的，因此可以保证比例因子K大于等于0。因此，计算得到的占空比也是非负的，可以表示为：

[0142]

[0143] 根据上述三个候选向量的占空比，可以生成一个五段序列，用来驱动维也纳整流器。

[0144] 本实施例采取交流侧电压峰值大小为150V，直流侧需求电压为400V,直流侧等效负载大小为65Ω/100Ω，滤波电感大小为5mH，采样周期为100μs。图9 为采取了固定开关频率的方法的仿真结果图，所以电流频率主要集中在开关频率即10kHz的整数倍数，如20kHz和30kHz，这有利于滤波器的设计。图9 中(c)和(d)由于优化了相邻采样周期之间的序列切换顺序，所以在10kHz的频率下，谐波幅值明显小于图9中(a)和(c)。例如，当负载大小为65Ω时，幅值由 0.7减小到0.6；当负载大小为100Ω时，幅值由1.3降至0.9。

[0145] 除此之外，两种方法的THD差别很小，优化相邻采样周期之间序列切换顺序的THD会略微高于未优化的方法，这是因为降低了总体的开关频率导致的，但是在不同负载65Ω/100Ω的条件下，THD仍然小于5％，输入电流波形质量高。证明本实施例提出的模型预测的方法，能够固定开关频率，降低开关损耗，提高电能质量的同时提升整流器的安全可靠性。

[0146] 实施例二

[0147] 本说明书实施方式提供一种基于变权组合模型的变压器油温预测系统，通过以下技术方案实现：

[0148] 包括：

[0149] 数据获取模块，被配置为：对当前时刻的维也纳整流器进行采样，得到当前时刻的维也纳整流器的三相输入电流和电压以及电网电压；

[0150] 维也纳整流器构建模块，被配置为：构建维也纳整流器的数学模型，得到下一时刻参考预测输入电压；

[0151] 价值函数计算模块，被配置为：基于有限集模型分析所有不同种类候选空间电压矢量对中点平衡的影响，构建不含权重因子的价值函数，得到价值函数的最小值；

[0152] 开关管控制模块，被配置为：进行中点浮动判断，根据价值函数的最小值，计算出候选矢量最佳的作用时间，进行占空比计算，以此控制整流器开关管的动作。

[0153] 该实施例子中的具体模块的实现可参见实施例子一中的相关技术内容，此处不再进行具体的描述。

[0154] 实施例三

[0155] 本说明书实施方式提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的优化电压矢量的维也纳整流器的模型预测方法的步骤。

[0156] 实施例四

[0157] 本说明书实施方式提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现实施例一中的优化电压矢量的维也纳整流器的模型预测方法的步骤。

[0158] 可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0159] 以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。