纯电动汽车模块化多电平转换器的控制方法与流程

本发明属于控制技术领域。

背景技术：

近些年来电动汽车(bevs)发展迅速，但仍然存在很多待解决的关键问题制约着其真正取代传统汽车，比如电池寿命短、充电时间长等。正因如此针对于提高电池性能的研究蓬勃兴起。bevs的电池单元通常需要满足转换器的要求来驱动电机，然而由于电池单元间的化学特性差异，导致其在充放电时出现电压不平衡，这将会不断地给电池带来损害，并且将会减少电池寿命。对于电动车牵引等大功率电力传动应用邻域中，高压电力电子变换器的不仅能改善系统调速性能，同时可以提高电能变换效率。一种特殊的模块化多电平转换器被提出用以驱动电机同时均衡各个电池间电压。如何在电动车控制中实现各个电池单元平衡以及跟踪给定电流一直是模块化多电平转换器控制的关键。针对模块化多电平转换器主要有以下问题：

1.传统的电动汽车进行电机驱动和电池控制需要带有电池管理单元的普通三相两电平逆变器，硬件需求大。

2.现有的模块化多电平转换器预测控制中通常只是一步预测，没有真正体现出预测控制的优化求解特点。

3.模块化多电平转换器子模块数量多，计算负担大，比如对于五电平的模块化多电平转换器来说，在每个桥臂上有8个子模块，在8个子模块中要有4个保持“投入”状态以维持直流侧电压为常值。因此组合的数量是也就是需要设计算法去计算70种可能的组合形式去找到使性能指标最优的一种。如果是13电平的模块化多电平转换器就需要计算种组合方式，对于15电平则需要计算1550000000种情况，可以看出计算量是特别大的，如果进行多步预测，则更增加了计算负担。

技术实现要素：

本发明的目的是主要针对用于纯电动汽车驱动的特殊的模块化多电平转换器控制问题，设计分层控制器来进行控制的纯电动汽车模块化多电平转换器的控制方法。

本发明的步骤是：

(1)模块化多电平转换器数学模型的搭建：

①以j相代表，其中j∈{a,b,c}，为a,b,c三相中的任意一相；

②上桥臂和下桥臂的电流是由两项组成的，分别为j相交流电流ij，j相环流icir,j，表达式如(1)、(2)所示：

其中，t代表上桥臂，b代表下桥臂，ijt是上桥臂电流，ijb是下桥臂电流，icir,j是通过转换器桥臂的环流；

③通过(1)、(2)两个式子得到环流与上下桥臂电流还有直流侧电流的关系式，如式(3)：

④由基尔霍夫电压定律可得模块化多电平转换器每相的动态方程如(4)、(5)表示：

其中，njt、njb分别是j相上、下桥臂中处于“投入”状态的子模块数量，vcell是每个子模块中电池电压，l0是模块化多电平转换器每相中的电感，l阻感负载中的电感，r是阻感负载中的电阻值，r0是模块化多电平转换器等效电阻；

⑤联立式(1)、(2)、(3)、(4)、(5)可得模块化多电平转换器j相交流侧相电流及环流交流分量动态特性的时域连续数学表达式，如下：

⑥选择j相交流电流和环流，作为被控系统的j相状态量x，即

⑦若每相有2n个子模块，为了维持每相电流输出，处于“投入”状态的子模块数量为n，那么每个采样周期执行有限集预测控制的算法的滚动优化次数为而且，模块化多电平转换器为三相结构，实际滚动优化次数为其三倍，计算量太大，因此不选择子模块开关状态作为控制量u，而选择每相中上、下桥臂，处于“投入”状态的子模块数量，即这样一来滚动优化次数减少至2n+1，又有njt+njb＝n，滚动优化次数再次减少至n+1；⑧整理得到电机-模块化多电平转换器系统状态空间模型如下：

y＝ij(t)(8)

其中

⑨设控制周期为ts，将公式(6)、(7)进行离散化处理重新整理为一个离散的系统方程用于系统预测输出的计算：

(2)有限集预测控制器控制目标函数设计：

①定义时域p作为预测时域，将预测时域p和控制时域m设定为相同的值即p＝m，当前时刻k，设定未来p步内的系统预测交流电流输出为yp(k+1|k)和系统的参考电流如下：

其中yp(k+1|k)是一组输出量，参考序列为r(k)；

②设计如下目标函数：

a、主要的控制需求是基于最小二乘形式将优化问题的目标函数设计为：

b、对电池电压波动、转换器损耗以及电力电子元器件设计目标函数为：

目标函数中的最优解在满足约束的条件下使得每个阶段的目标函数最小；

(3)多步有限集预测控制筛除算法的优化求解：

①在k时刻已知当前状态量x(k)以及njt(k)、njb(k)，由预测模型可以计算k+1时刻的状态量x(k+1)，选择出使得目标函数最优和次优的状态量预测值记为xpmin1和xpmin2，其对应的处于“投入”状态的开关数量记为nmin1和nmin2

②由第一步得到nmin1和nmin2及其左右nmi-nnm1i+,1nnmi1n2-11,nmin2+1作为下一时域的备选，分别计算出它们所对应的目标函数，从中选择最优，并作用于k+1时刻；

(4)电池电压排序算法：

电池电压平衡算法是根据桥臂电流的正负来进行判断，当桥臂电流为正值时，处于“投入”状态的子模块进行充电，其电池电压增加；当电流为负值，处于“投入”状态的子模块放电，电池电压降低。

本发明的有益效果是：

1.传统的电动汽车进行电机驱动和电池控制需要带有电池管理单元的普通三相两电平逆变器，而本发明中带有电池管理单元的两电平逆变器被特殊的模块化多电平转换器所替代，实现电池电压均衡的方法是嵌入到转换器中的，避免了额外的硬件需求。

2.现有针对于模块化多电平转换器的有限集预测控制大多只预测一步，虽然这种方法可以减少控制器的计算量，但是由于只考虑一个控制周期内的变流器最优的开关组合，不可避免存在着算法保守的问题，不能很好的进行全局优化，本发明中采用多步预测。

3.一些研究中虽然采用了多步预测，但是，有一些在第一个时域内选择最优开关组合，忽略了其他开关组合所包含的最优信息。而本发明同时考虑最优和次优的情况；还有一些研究考虑到这种情况，但在下一时域考虑所有开关组合，而本发明仅将最优和次优以及其左右的电平数量作为备选，进一步减少计算负担。

附图说明

图1针对于纯电动汽车的电机控制所采用的模块化多电平转换器和被控电机的结构示意图；

图2是实施本发明所述，针对于纯电动汽车的电机控制所采用的模块化多电平转换器，进行模型预测控制以及各个子模块中电池电压平衡的控制框图；

图3是本发明中多步预测控制的算法原理图；

图4a是进行多步有限集模型预测控制和电池电压排序算法的流程图中有限级预测控制算法部分；

图4b是进行多步有限集模型预测控制和电池电压排序算法的流程图中电池电压排序算法部分；

图4a与图4b通过link端连接，在图4a与图4b中分为上下两层控制，第一层利用有限集模型预测控制和筛选的算法得到最优的处于“投入”状态的子模块数量，之后第二层是电池电压排序算法，利用上层的输出作为该层算法输入，最终得到最优开关状态输出；

图5是各种控制算法的运行时间对比图；

图6是模块化多电平转换器中，a相上下桥臂子模块开关状态，其中图6a、6b、6c为上桥臂子模块开关状态；图6d、6e、6f为下桥臂子模块开关状态；

图7为a相6个子模块中电池电压排序算法均衡后各个电池电压的输出值。可以看出最终各个子模块中电池电压得以均衡。

具体实施方式

本发明主要针对用于纯电动汽车驱动的特殊的模块化多电平转换器控制问题，设计分层控制器来进行控制。上层为多步有限集预测控制，将同相上、下桥臂中处于“投入”状态的子模块数量作为该层算法控制输出和下层算法的输入，下层为电池电压排序算法，最终均衡子模块中电池电压。本发明能够在较少计算量情况下，进行模块化多电平转换器的多步预测控制，最终使电池电压值得以均衡。

本发明利用分层控制方法设计控制器：第一层为利用有限集预测控制，通过使设计的目标函数最小，得到每相中上下桥臂中处于“投入”状态的子模块数量，即电平数，作为第一层的输出，并且预测多步，设计筛选条件来减少多步预测的计算负担；第二层利用第一层的输出作为一项输入，利用电池中电压排序算法均衡各个子模块中电池模块电压值。

本发明所述的研究方法是利用第二步预测得到最优和次优状态，下一时域时再分别在最优和次优状态的左右进行选择，将这一时域下得到的最优状态应用于k+1时刻。进行多步有限集预测控制，包括以下步骤：

首先对模块化多电平转换器和被控负载进行建模；其次设计预测控制算法，即多步预测的有限集预测控制，尤其在多步预测时首先在第一个时域内，不仅考虑最优开关函数组合，而且将次优开关组合也考虑进去，之后在下一时域的候选电平数选择最优和次优及其左右电平数作为备选，保证所选开关组合在两个控制周期内最优；最后通过电池电压排序算法确定最终开关状态输出。

为解决上述技术问题，本发明是采用如下技术方案实现的：

本发明所述的针对用于纯电动汽车驱动的特殊的模块化多电平转换器控制是通过软件系统实现的。

从功能上区分本发明可以包含以下几部分：模块化多电平转换器以及被控负载系统模型、模块化多电平转换器预测模型和有限集模型预测控制模块。【0016】下面详细说明各部分作用：

模块化多电平转换器以及被控电机模型主要作用是模拟真实被控对象，既能够准确的描述真实模块化多电平转换器和电机系统的功能，又能够为有限集预测控制和电池电压排序算法提供真实的控制环境。

模块化多电平转换器预测模型主要作用是对系统状态量进行多步预测，为模型预测控制器的设计提供符合要求的预测模型；

有限集模型预测控制器模块的主要作用是对模块化多电平转换器系统模型的各种状态信息进行采集，然后进行优化运算，产生控制信号——转换器中处于“投入”状态的子模块数量，经过电压排序算法最终得到转换器各个子模块开关状态信号，并且将该信号发送给系统的执行机构——子模块中的半桥开关。

为详细说明本发明的技术内容、构造特点、实现目的等下面结合附图对本发明进行全面阐释。

本发明中对于纯电动汽车的电机控制所采用的模块化多电平转换器和被控电机的结构示意图如图1所示，图中的模块化多电平转换器是由simulink直接搭建的。假设每个桥臂上下串联的子模块数量为2n。每个桥臂上有两个电感用来抑制环流。每个子模块包含一个半桥转换器和一个电池单元。

本发明的控制目标是，使模块化多电平转换器的输出三相电流跟踪参考输入值，并使得各个子模块中电池电压保持尽可能的均衡。

本发明提供一套基于以上原理和运行过程的装置，搭建以及运行过程如下：

首先对模块化多电平转换器和被控电机进行建模；然后设计有限集预测控制算法，尤其在多步预测时借鉴分支界定算法思想对下一步预测中可能的组合预先进行筛选，将不符合条件的组合方式去掉来减少多步有限集预测控制的计算负担；最后通过电池电压排序算法确定最终开关状态输出。

1.模块化多电平转换器数学模型的搭建

由于模块化多电平转换器为三相结构，其中a,b,c三相情况相同，以下不一一赘述，仅以j相代表，其中j∈{a,b,c}，为a,b,c三相中的任意一相。

如图1所示每个子模块的输出等于电池电压或者为零，这取决于子模块中两个开关的状态。如表1所示，列举了子模块输出电压，子模块中两个开关状态总是相反的。每个桥臂输出的总电压就是各个子模块电压之和。

表1

上桥臂和下桥臂的电流是由两项组成的，分别为j相交流电流ij，j相环流icir,j，表达式如(1)、(2)所示：

其中，t代表上桥臂，b代表下桥臂，ijt是上桥臂电流，ijb是下桥臂电流。icir,j是通过转换器桥臂的环流，并不会影响直流侧电流，但是会对电池电压波动、转换器损耗以及电力电子元器件产生影响，是要进行抑制的。

通过(1)、(2)两个式子可以得到环流与上下桥臂电流还有直流侧电流的关系式，如式(3)：

如图1所示，由基尔霍夫电压定律可得模块化多电平转换器每相的动态方程如(4)、(5)表示：

其中，njt、njb分别是j相上、下桥臂中处于“投入”状态的子模块数量，vcell是每个子模块中电池电压，l0是模块化多电平转换器每相中的电感，l阻感负载中的电感，r是阻感负载中的电阻值，r0是模块化多电平转换器等效电阻。

联立式(1)、(2)、(3)、(4)、(5)可得模块化多电平转换器j相交流侧相电流及环流交流分量动态特性的时域连续数学表达式，如下：

我们选择j相交流电流和环流，作为被控系统的j相状态量x，即若每相有2n个子模块，为了维持每相电流输出，处于“投入”状态的子模块数量为n，那么每个采样周期执行有限集预测控制的算法的滚动优化次数为而且，模块化多电平转换器为三相结构，实际滚动优化次数为其三倍，计算量太大，因此本发明不选择子模块开关状态作为控制量u，而选择每相中上、下桥臂，处于“投入”状态的子模块数量，即这样一来滚动优化次数减少至2n+1，又有njt+njb＝n，滚动优化次数再次减少至n+1。

整理得到电机-模块化多电平转换器系统状态空间模型如下：

y＝ij(t)

其中

为了便于在实时系统中执行所设计的控制器，设控制周期为ts，将公式(6)、(7)进行离散化处理重新整理为一个离散的系统方程用于系统预测输出的计算：

2.有限集预测控制器控制目标函数设计

针对模块化多电平转换器数学模型，这里提出一种多步预测的有限集模型预测控制。采用的有限集预测控制是要将所有可能的转换器开关组合情况对应的目标函数进行一一计算，以此得到最优的开关状态。在下一层控制中再利用电池电压排序算法平衡各个子模块电压，最终得到各个子模块最优开关状态。

根据预测控制理论，我们定义时域p作为预测时域，以扩展对系统未来输出信息的预测。我们这里为了方便将预测时域p和控制时域m设定为相同的值即p＝m。当前时刻k，设定未来p步内的系统预测交流电流输出为yp(k+1|k)和系统的参考电流如下：

其中yp(k+1|k)是一组输出量，参考序列为r(k)。

针对这个复杂优化问题，模型预测控制能够有效的处理优化问题。根据上述问题描述，设计如下目标函数：

a.主要的控制需求是保证电动汽车具有良好的动力性能，跟踪实现整车控制器在汽车行驶过程中不断快速变化的驱动或制动指令，因此要使电机定子电流能够跟踪给定值，基于最小二乘形式将优化问题的目标函数设计为：

b.通过转换器桥臂的环流并不会影响直流侧电流，但是会对电池电压波动、转换器损耗以及电力电子元器件产生影响，是要进行抑制的，因此设计目标函数为：

在k时刻内，如果每个预测时域被定义为控制过程中的单个阶段，可以很容易的发现mpc滚动时域优化是一个多阶段的多目标优化问题。目标函数中的最优解在满足约束的条件下使得每个阶段的目标函数最小。

3.多步有限集预测控制筛除算法的优化求解

选择每相上、下桥臂处于“投入”状态的子模块数量作为控制量，考虑每相上、下桥臂中处于“投入”状态的子模块为n，因此控制输入只有n+1种可能的组合形式，需要从这些可能的有限候选解中选取最佳的，故这可被看作是一个离散的组合优化问题。当在某个阶段中选取一个候选输入时，其下一个阶段信息就被确定。但是如果预测时域为p，那么需要遍历的可能组合数量就变成了(n+1)^p，这样一来计算负担变得很大。若考虑一个控制周期虽然可以减少控制器的运算量，但不可避免的存在算法保守的问题，只可以保证其在一个控制周期内是最优的，而并未考虑其在两个或多个控制周期内的最优性，也忽略其他开关组合所包含的最优信息。在系统存在扰动或者建模误差较大时，可能会导致系统振荡加剧，甚至发散。但是能进入下一预测时域的有限候选解并不是都符合隐含的约束条件。因此本发明提出在第一步预测时，同时考虑最优和次优的情况，下一时域则，仅将上一时域中最优和次优以及其左右的电平数量作为备选，进一步减少计算负担。算法过程如图3所示。具体步骤下：

(1)在k时刻已知当前状态量x(k)以及njt(k)、njb(k)，由预测模型可以计算k+1

时刻的状态量x(k+1)，选择出使得目标函数最优和次优的状态量预测值记为xpmin1

和xpmin2，其对应的处于“投入”状态的开关数量记为nmin1和nmin2。

(2)由第一步得到nmin1和nmin2及其左右

nmin1-1nmin1+1,nmin2-1,nmin2+1作为下一时域的备选，分别计算出

它们所对应的目标函数，从中选择最优，并作用于k+1时刻。

4.电池电压排序算法

电池电压平衡算法是根据桥臂电流的正负来进行判断，在图1中所示当桥臂电流为正值时，处于“投入”状态的子模块进行充电，其电池电压增加；当电流为负值，处于“投入”状态的子模块放电，电池电压降低。测量电池的电压值并按照其电压值的大小进行排序，若为充电状态，则使具有较低电压的子模块处于“投入”状态，若为放电状态，则使具有较高电压值的子模块处于“投入”状态。这种方法能确保逐步平衡同一桥臂中电池单元的电压。

5.仿真结果

为了验证本发明中算法的快速性，进行了多组运算时间的对比实验，如图5所示，横轴为运算次数，纵轴为求解时间。其中由上到下的曲线分别为：多步预测所有可能结果都进行计算、多步预测---第一步留下最优和次优、多步预测---第一步只选最优的情况、多步预测---第一步选最优和次优，第二步选上步最优和其左右的值作为下步的预选。从图中可以直观地看出，多步预测---第一步选最优和次优，第二步选上步最优和其右的值作为下步的预选所用时间最少！本发明中采样时间选取ts＝25us，若igbt的开关频率为40khz则ts刚好满足，若再高则无法满足。实际运行时间中，除了不经过任何筛选的多步预测，运行时间大于5×10^-5＝50us,其余时间除去个别点外，大致在10～30us之间，在matlab中基本可以满足采样时间ts的要求。

为了验证模块化多电平转换器有限集预测控制器的控制性能，本发明选取7电平转换器进行实验。实验选取直流侧电压为400v,桥臂等效电阻值为0.1ω，桥臂缓冲电感值为5mh，负载电阻值为25ω，负载电感值为15mh。如图6a、6b、6c和6d、6e、6f所示为a相上下桥臂子模块开关状态，图7为电池均衡结果。