【SCI复现】三电平NPC变流器中点电位平衡下零序电压的分析与计算研究(Simulink仿真实现)

news2026/5/6 17:26:03
欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文内容如下⛳️赠与读者‍做科研涉及到一个深在的思想系统需要科研者逻辑缜密踏实认真但是不能只是努力很多时候借力比努力更重要然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览免得骤然跌入幽暗的迷宫找不到来时的路它不足为你揭示全部问题的答案但若能解答你胸中升起的一朵朵疑云也未尝不会酿成晚霞斑斓的别一番景致万一它给你带来了一场精神世界的苦雨那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。或许雨过云收神驰的天地更清朗.......第一部分——内容介绍三电平NPC变流器中点电位平衡下零序电压的分析与计算摘要三电平中点箝位NPC变流器的中点NP电位需要保持平衡。在基于载波的脉宽调制中零序电压是唯一可调节自由度。需确定合适的零序电压以控制中点电位。本文全面研究了中点电流与注入零序电压的关系提出两种中点电位平衡算法分别采用寻优与插值方法。后者可得到控制中点电位的理论最优零序电压。仿真与实验结果验证了所提算法的有效性与实用性。关键词平衡算法中点箝位NPC中点NP电位零序电压一、引言三电平中点箝位NPC变流器已广泛应用于中压电能变换领域。NPC 变流器的核心问题之一是如何保持直流侧电容电压平衡即维持中点电位稳定并抑制纹波。若中点电位未得到有效控制变流器输出电压会偏离参考值甚至损坏功率器件与设备。现有文献中的中点电位控制策略可根据所采用的脉宽调制PWM算法归纳。采用空间矢量PWMSVPWM时电压矢量按幅值分为零矢量、小矢量、中矢量与大矢量四类可分析中点电位与各开关状态矢量的关系。已知零矢量与大矢量对中点电位无影响中矢量与小矢量则有影响。一个小矢量存在两种开关状态正、负对中点电位的充放电作用相反。因此核心任务是调节小矢量冗余开关状态的作用时间。相应地采用载波PWMCPWM时中点电位控制可转化为确定零序电压的问题。向参考电压注入零序电压不改变输出线电压但会影响开关状态与中点电位。已有文献研究了注入零序电压引起的中点电位变化并提出通过注入合适零序电压实现中点电位平衡的算法。部分文献研究了中点低频电压振荡并给出解决方案但会带来更高开关频率与额外开关损耗。众所周知调制过程中零序电压是唯一可调节的自由度。SVPWM 与 CPWM 的关系已被研究并证明二者等效。本质上SVPWM 中选择冗余开关状态与调节作用时间的过程就是确定零序电压的过程。因此研究中点电位平衡问题应聚焦于零序电压。无论采用何种调制方式中点电流都是关键变量。已知中点电流即可得到中点电位变化确定零序电压即可确定开关状态结合三相电流与开关状态可计算中点电流。但中点电流与零序电压的关系非线性、非连续导致算法不够直观简便。本文全面研究三电平 NPC 变流器中中点电流与注入零序电压的关系提出一种中点电位寻优平衡算法同时提出一种基于插值法精确计算中点电位平衡所需零序电压的方法本文称为精确计算算法。两种方法均通过仿真与实验验证。二、中点电流与零序电压的关系图 1 为三电平 NPC 逆变器拓扑。为简化分析作如下假设直流母线电压恒定消除其对中点电位的影响直流侧上下电容容量与特性一致逆变器带三相平衡负载三相电压与电流为纯正弦对称量调制频率远高于输出基波频率一个调制周期内相电流可视为恒定。以直流母线电压的一半为基值对三相正序参考电压进行归一化处理其中包含调制比和相角两个关键参数调制比有固定取值范围相角与角频率、时间相关。向三相参考电压注入零序电压后可得到实际参考电压注入零序电压不会改变各相参考电压的幅值关系。根据假设变流器三相电流呈对称分布包含电流幅值和功率因数角两个关键参数。通常一个调制周期内每相桥臂仅有一对器件开关。三电平 NPC 变流器中某相仅在输出零电平接中点时相电流才会对中点电流产生贡献。图 2 给出平均相电压与中点输出占空比的关系。此外三相三线制系统满足三相电流之和为零因此可推导得到一个调制周期内的平均中点电流。中点电位变化可通过相应公式计算得出主要与中点电流、电容容量相关。为便于分析定义注入零序电压前、后参考电压的最大值、中间值、最小值以及对应相的相电流。注入零序电压不改变各参考电压的幅值大小关系。本文将相电压范围设定在固定区间内由此可确定可注入零序电压的最大和最小取值范围。平均中点电流与相电流及参考电压绝对值相关看似可直接计算实现中点电位平衡的零序电压但唯一难点在于相电压极性。已有文献按区间处理极性给出区间内使中点电流为零的零序电压但注入零序电压后相电压极性可能反转因此需要推导正确的注入零序电压表达式。遗憾的是注入不同零序电压时相电压的极性无法提前确定。为解决该问题已有文献提出中点电位平衡的测试–验证–修正算法先假设注入零序电压后相电压极性与正序电压一致将预测的零序电压代入相关条件验证极性假设若不满足修正中间相电压符号并重新计算间接解决注入零序电压带来的极性问题。三、深入分析与所提中点电位平衡算法最全面的方法是遍历所有可注入零序电压并选取最优值但该方法计算量过大不适合工程应用。为简化计算可选取若干关键零序电压进行比较。定义参数分别表示开关序列序号与冗余电压矢量作用时间比选取特定条件下易求得的零序电压并比较选择最优值该过程称为寻优策略。如图 3 所示三电平变流器中心网格区有 5 个零序电压待比较白色区域 3 个外侧灰色区域 2 个。该结果为次优解但计算量可控其实用性将在后续通过仿真与实验验证。需进一步分析中点电流与零序电压的关系。三相正序参考电压之和为零因此注入零序电压前参考电压的最大值必然非负、最小值必然非正仅中间值的符号不确定。无论中间值符号如何根据零序电压的不同取值可将中点电流与零序电压的关系分为四种情况分别对应不同的相电压极性组合每种情况下的平均中点电流有不同的表达式。平均中点电流的取值范围由特定零序电压下的中点电流确定这些特定零序电压对应相电压极性发生转变的临界值。另一种平均中点电流的取值范围由另外两个特定零序电压下的中点电流确定同样对应相电压极性转变的临界状态。上述四种情况给出了所有可能的中点电流。不同调制比与相角下上述四种情况未必同时存在。根据参考电压的幅值关系所有状态可分为三类情况 1参考电压最大值与最小值之差不超过1。可通过注入零序电压使参考电压全正或全负。中点电流与零序电压的关系曲线由两段与零序电压线性相关、两段恒定的线段组成。特定零序电压下的平均中点电流分别为电流的最值该情况包含全部四种中点电流状态。情况 2参考电压最大值与最小值之差大于1且中间值的绝对值与参考电压绝对值的最大值之和小于1。无法通过注入零序电压使参考电压全正或全负不考虑调制比为0的情况但中间相电压可改变极性。此时中点电流与零序电压的关系曲线仅保留两段线性相关的线段无法得到两种极端情况下的中点电流平均中点电流由三个关键电流值限制。情况 3中间值的绝对值与参考电压绝对值的最大值之和不小于1。注入零序电压无法改变任一相电压极性仅能得到两种极端情况下的中点电流中点电流与零序电压的关系曲线为单一线段。根据上述分析零序电压与对应中点电流形成5个关键节点每个节点对应特定的零序电压和中点电流取值。所有可用平均中点电流均不超出上述5个节点的最值。对于维持中点电位平衡的期望中点电流需先确定其所在的线段区间。确定区间后可通过插值法计算对应的零序电压该计算过程可通过差值运算简化。若计算得到的差值乘积不大于零则说明期望中点电流位于对应区间内可通过插值公式计算得到对应的零序电压。该策略称为精确计算算法。在情况1与情况2中期望中点电流可能同时落在两段线段内两种计算结果均有效若期望中点电流不在任何线段内则选择最接近期望值的中点电流对应的零序电压。具体而言计算三个关键节点与期望中点电流的差值选取绝对值最小者为最优解。图 5 为所提算法流程可精确、便捷地得到中点电位平衡的最优零序电压。四、仿真与实验结果本节通过仿真结果验证所提方法设定固定的仿真参数包括直流母线电压、负载电流有效值、电容容量、开关频率和输出频率。研究表明影响中点电位波动的因素包括直流电容容量、负载电流、控制周期长度调制比与功率因数也会影响中点电位纹波调制比越接近1、功率因数角越接近特定值中点电位波动越剧烈。图 6 与图 7 分别为采用寻优算法与精确计算算法时的中点电位考虑两种典型功率因数与两种调制比调制比较小时中点电位波动不明显。同时给出两种方法得到的注入零序电压及可注入最大、最小零序电压。结果表明两种算法均可稳定中点电位仅当功率因数角为特定值时纹波较明显。当调制比大或功率因数低、中点电位波动剧烈时两种算法计算的注入零序电压几乎一致。此时中点电位控制裕度小通常选择最大或最小零序电压注入。反之精确计算算法比寻优算法更精确但此时中点电位波动小精度提升效果不显著。实验采用特定型号的IPM搭建小功率三电平NPC逆变器设定固定的直流侧电容、直流母线电压和主控制器设置两种运行工况三相阻感负载特定频率运行时功率因数接近1代表高功率因数工况空载感应电机特定频率空载额定磁通运行时调制比约为1功率因数较低代表低功率因数工况。图 8 与图 9 分别为采用寻优算法与精确计算算法的实验结果。与仿真一致除高调制比、低功率因数工况外中点电位纹波均得到有效抑制。因采用无源前端直流母线电压变化不可忽略高功率因数下中点电位波动远小于直流母线电压波动。测量低功率因数下中点电位峰峰值精确计算算法略有改善但受测量误差、数字控制延迟、参数不准等非理想因素影响改善效果不显著。同时验证稳态与动态性能。如图 10 所示所提算法将中点电位控制在直流母线电压的1/3给出指令后快速切换至1/2调节时间小于两个工作周期动态响应迅速。理论上精确计算算法优于寻优算法但仿真与实验中优势不明显原因包括测量与数值误差、数字控制延迟、参数不准确等。实验与仿真中的注入零序电压存在差异。两种算法均为优良选择中点电位控制效果无明显区别但精确计算算法为本文推荐方案。中点电流与零序电压的全面分析可用于研究中点完全可控区域部分文献称为无纹波区。某调制比与功率因数下实现完全可控需保持中点电流为零。基于所提算法得到的可控区域如图 11 所示与部分文献结果接近与另一部分文献结果略有差异。归一化中点电位纹波如图 12 所示其定义与相关文献一致。五、结论本文全面研究三电平 NPC 变流器的核心问题——中点电位平衡。因中点电流与注入零序电压非线性、非连续需深入分析。本文在现有研究基础上进一步明晰二者关系提出寻优算法与基于插值法的精确计算算法后者可得到控制中点电位的理论最优零序电压。仿真与实验验证了两种算法的有效性与实用性。精确计算算法基于中点电流与零序电压的严谨数学分析理论价值更高两种算法在三电平 NPC 变流器中点电位控制中均表现优异可满足工程应用需求。第二部分——运行结果第三部分——参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。(文章内容仅供参考具体效果以运行结果为准)第四部分——本文完整资源下载资料获取更多粉丝福利MATLAB|Simulink|Python|数据|文档等完整资源获取https://blog.csdn.net/weixin_46039719?typeblog

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2588891.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…