基于T型三电平电动汽车充电机的研究

发布时间：2020-07-20 13:37

【摘要】：本文从国内外研究现状出发,讨论了当前电动汽车推广的重要性和技术问题,引出本文研究内容—电动汽车充电机系统。随着电池材料和技术发展,未来的电动汽车必将需要大功率输出的充电桩,为此本文引进一种新的拓扑结构换流器—T型三电平换流器,这种拓扑能够使得电动汽车充放电系统具有中等或大型功率输出。首先,本文研究的充电机为直流充电机,参考以往两电平换流器的结构后,提出采用T型拓扑三电平换流器和半桥型DC/DC换流器组成的两级电路。关于T型三电平换流器的控制技术,最传统的就是双环PI控制,这种控制结构简单,但是抗干扰性较差,且PI参数计算比较麻烦,为此引进新的智能控制算法—模型预测控制(MPC),这种算法是对双环PI控制策略中电流内环展开改造,亦可称为模型预测电流控制。关于半桥型DC/DC换流器,根据现有充电模式特点,选择双环控制下恒电流、恒电压的控制模式。其次,文中围绕着T型三电平换流器和双向半桥DC/DC换流器展开了详细的研究,分别介绍了其工作原理、数学模型、控制策略、调制策略,最后在MATLAB2017a上分别进行了仿真的搭建。在仿真中,首先对比了T型三电平变流器在双环PI控制和模型预测控制下的系统输出效果,对比后发现传统的双环PI控制抗干扰能力较差,并且对于负载侧并联的上下电容均压控制不如预测控制好;但是预测控制也有自身的缺陷,谐波成分比较复杂。除此之外,文中还介绍了双向半桥DC/DC变流器在恒流和恒压充电下的仿真,仿真结果显示这样的充电模式可以很好的被实现。最后,文中整合前级T型三电平整流电路和后级半桥DC/DC降压电路的整体仿真,为了使系统输出满足设定的技术标准,两种控制策略下主电路参数都做出了部分修改,最后实现了系统的恒压充电。因为参数的不一致,因此没办法做出对比,但是总的来说预测控制对电容的均压控制效果比较好,双环PI控制下的系统功率因数可以为1,所以各有特点,具体应用中要根据具体情况进行选择。
【学位授予单位】：中原工学院
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U469.72;TM910.6
【图文】：

输出波形,换流器,RC滤波器,三相电路

别介绍了变流器的工作原理，数学模型、控制策略、调制策略，其主要目的是辅助于系统整体控制的实现。此次仿真输出需满足如下指标：TNPC 直流侧负载两端电压稳定在 700V；电源端网侧(v、i)相位一致(或相反)；交流侧相电流谐波分析图谱 THD 为 5%以下；换流器输出电容均压[33-37]；负载突变时具备某种程度的抗扰特性。下面分别介绍 T 型三电平变流器采用传统双环控制(PWM 调制下)和模型预测控制下(MPC)的仿真，并对其进行分析。5.1 PWM 换流器的仿真T 型三电平变流器采用 PWM 技术的整体仿真，在充电模式下，电源与进线电抗器之间接入有变压器，变压器绕组缠绕方法为 Yg-D1，这种缠绕方法主要为了滤除变流器中的三次谐波，避免对电源引入谐波(因为变流电路本身就是一个巨大的谐波源，谐波过大会影响输出波形并且增加控制电路的复杂性)，系统整体仿真如下所示：

波形,控制方式,谱分析,均压

抗扰能力不足；图 5.3 为电源侧 A 相 v、i 波形，显然得出扰动接入之前同相，即运行在单位功率因数模式下，扰动接入后负载电流加倍，但是电点滞后。2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3t/s0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 t/s050100150200250300350400dcVupVdc/down图 5.4VOC 控制方式网侧AB 相线电压图 5.5VOC 控制方式负载侧上下电容电压如上图所示，图 5.4 为网侧 AB 相之间的线电压，输出为五种电平，单考期，输出为三种电平，同样由于受到扰动的影响，扰动加入后系统不能恢值；图 5.5 为负载侧并联上下电容电压波形，可以看出扰动加入之前电容实现均压，扰动加入之后电容均压的状态被打破。

系统整体,控制策略

程度有所加大，因此本次研究中没有采用。之后在查找资料中发现—预测控制，这一控制算法在当前的电力电子控制中比较热门，随后便对这种控制进行了深入的研究，研究发现与传统的电压定向控制(双环控制)不同，这种控制算法可以近似简化成单环控制，以 T 型三电平为例，这种控制算法可以很好的实现上、下电容的均压且抗扰特性更强。本次研究中引入的全新算法模型预测控制(MPC)，它的算法实质是对所有可能取得的量的在线计算，并进行最优值的选定。以 T 型三电平为例，为了实现电流的控制，就要使得开关管工作在最优的组合状态，三电平的开关管共有 27 中开关方式，通过对这 27 种开关方式的有效控制实现不同的工作模式。通常希望其工作在单位功率因数状态，这就需要电流跟踪电压相位进行锁相。这种控制算法的特点是针对模型已知的控制和非线性控制，其控制的关键是模型的离散化，采用的是前向欧拉逼近，虽然是进行了近似，但是在很小的时间范围内并不会对控制结果产生较大的影响。这种控制算法的缺点就是：需要大量的时间进行计算，采样时间设定为100 微妙，要比传统的长。模型预测控制系统的仿真如下所示：

【相似文献】