基于单相SVPWM的可变死区算法
2022-03-22郑锦楠黎朝晖谷志茹夏得青曹双燕龙永红
郑锦楠 黎朝晖 谷志茹 夏得青 曹双燕 龙永红
摘?要:针对单相逆变器固定死区时间注入调制波导致输出电压谐波畸变率较高等问题,本文提出一种将可变死区时间注入单相SVPWM调制波有效矢量组的方法。该方法将一系列非线性因素等扰动因素看成扰动电压,采用干扰观测器对扰动电压进行估算补偿,并将估算补偿电压换算成死区时间,补偿到SVPWM调制波有效矢量组导通区间。实验证明该方法相比传统固定死区时间注入调制波,能够减少逆变器输出电压畸变率,提高电能质量。
关键词:单相SVPWM;PR控制
光伏发电的核心技术是逆变技术。在单相逆变器中,为了防止逆变桥上下两个功率开关管直通,通常需要在功率管工作期间加入一段固定死区时间[4-6]。固定死区时间会带来输出电压幅值和相位的偏差,随着开关管频率的提高,误差累积效应会导致输出电压波形的畸变[7]。
本文首先通过分析单相SVPWM(空间电压矢量脉宽调制)原理,建立起单相SVPWM的调制波波形,然后采用干扰观测器估计出补偿电压并换算成开关管导通时间作为死区时间加入调制波中有效矢量组的导通时间中。实验结果表明该策略可以使单相逆变器输出电压畸变率降低,输出波形更优的正弦波。
1 单相SVPWM原理及实现
2 死区在线补偿原理
为了避免上下桥臂直通带来极大的短路电流,通常会对上下桥臂加入死区时间进行延迟导通,如图5所示。
加入死区后,虽然能够防止各种非理想状况导致同一桥臂上下开关管直通,但上述死区加入会导致输出波形幅值的降低,产生严重的波形畸变。
3 实验与结果分析
本节中,基于TMS320F28335的实验平台搭建了2 kW实验样机,通过对TMS320F28335的事件管理器进行设置,设置为连续增减计数模式,则可以产生对称的PWM波形,可将死区补偿值直接加入比较寄存器CMPR中进行修改PWM脉冲宽度,达到补偿效果,其中后级LC滤波电路中L0.7 mH=,C0.15μF=。
图8是未进行补偿的实验波形,图9是进行死区补偿后的电压波形。
通过图8、图9的对比可以观察出采用死区补偿算法后的电压纹波得到明显降低,逆变器输出电压具有良好的正弦波效果。
将上述逆变器输出电压波形图片导进Matlab进行傅里叶变换分析得到图10所示的波形,加入死区补偿算法后逆变器电压输出畸变率只有3.16%,相比沒有加入死区补偿算法7.14%,降低了将近4%,表明加入死区补偿算法后有效降低了死区效应对整个系统的影响。
4 结论
本文首先通过对单相电压空间矢量法原理和产生方式进行阐述,推导出单相SVPWM各开关管的导通时序图,针对传统死区时间的加入导致输出电压波形畸变,采用了干扰观测器对非线性干扰等因素进行在线估测并转化为死区时间作为补偿。实验结果表明该方法可以有效抑制由逆变器一系列外在非线性因素导致的电压波形畸变,改善了电压的波形,提高了系统运行的稳定性。
参考文献
[1] 方刚,杨勇,卢进军,等.三相光伏并网逆变器电网高阻抗谐振抑制方法[J].电力自动化设备,2018,38(2):109-116.
[2] 吴汪平,楚皓翔,解大,等.PI控制器参数对并网永磁直驱型风力发电系统机网相互作用的影响[J].电力自动化设备,2017,37(10): 21-28.
[3] Liu Xing, Wang Dan, Peng Zhouhua. Cascade-free fuzzy finite-control-set model predictive control for nested neutral point-clamped converters with low switching frequency[J]. IEEE Transactions on Control Systems Technology, 2019,27(5):2237-2244.
[4] 齐昕,王冲,周晓敏.一种低硬件资源消耗快速SVPWM算法[J].电机与控制学报,2014,18(4):32.
[5] 易龙强,戴瑜兴.SVPWM技术在单相逆变电源中的应用[J].电工技术学报,2007,22(9):116-117.
[6] 张阳.微电网SPWM单相并网逆变器控制技术研究[D].沈阳:沈阳工业大学,2014.
[7] 杨晓东,王崇林,史丽萍,等.级联型逆变器的统 一SVPWM方法[J].电工技术学报,2014,29(6):145-147.
[8] 刘和平,董治平,邱彬彬,等.一种低压电动汽车用 逆变器非线性因素的新型补偿方法[J].电机与控制 学报,2020,24(9):30-38.
[9] 韩坤,孙晓,刘秉,等.一种永磁同步电机矢量控制SVPWM死区效应在线补偿方法[J].中国电机工程学 报,2018,38(2):620-627.
[10] 吴春,齐蓉.PWM 电压源逆变器非线性因素迭代学习补偿[J].中国电机工程学报,2015,35(3):702-709.
3077500589215