MMC并网逆变器滑模控制与PIR环流抑制技术解析

1. MMC并网逆变器滑模控制实战解析

在高压直流输电领域，模块化多电平换流器（MMC）因其模块化设计、低谐波含量和高可靠性等优势，已成为柔性直流输电系统的核心设备。本次项目采用22个子模块构成的MMC拓扑，实现11kV直流电压到6.6kV交流电压的高效转换，输出功率稳定在2-3MW范围。整套控制系统融合了PI调节、滑模变结构、PIR谐振补偿等先进控制策略，最终实现网侧电流THD<3%的优质并网性能。

1.1 系统关键参数设计

项目采用典型的半桥子模块结构，每个桥臂由22个子模块串联组成。根据直流侧电压11kV的要求，每个子模块的电容电压额定值设计为：
[ V_{cap} = \frac{U_{dc}}{N} = \frac{11000}{22} = 500V ]

交流侧线电压6.6kV对应的相电压峰值为：
[ V_{ph} = \frac{6600}{\sqrt{3}} \times \sqrt{2} \approx 5389V ]

子模块电容容值选择需满足能量缓冲需求，本方案采用：
[ C = \frac{2E}{NV_{cap}^2} = \frac{2 \times 5000}{22 \times 500^2} \approx 1.8mF ]
其中E为单个桥臂存储能量，按5kJ设计。

关键提示：电容电压纹波系数需控制在±10%以内，否则会导致最近电平调制（NLM）产生额外谐波。实际调试中发现，当纹波超过15%时，网侧电流THD会急剧上升至5%以上。

1.2 控制架构设计

系统采用如图1所示的双闭环控制结构：

code复制[功率外环PI] → [电流内环滑模] → [前馈解耦] → [PIR环流抑制] → [NLM调制]

外环PI控制器参数通过劳斯判据整定：
[ K_p = \frac{L}{2T_s} = \frac{5mH}{2 \times 100\mu s} = 25 ]
[ K_i = \frac{R}{2T_s} = \frac{0.1\Omega}{2 \times 100\mu s} = 500 ]

内环滑模面设计为：
[ s = k_1(i_d^* - i_d) + k_2(i_q^* - i_q) ]
切换增益η采用自适应调整策略：
[ η = 10|s| + 0.5 ]

2. 核心算法实现细节

2.1 无源滑模控制实现

滑模控制的离散化实现代码如下，包含抗饱和处理：

c复制typedef struct {
    float K;      // 滑模面增益
    float eta;    // 切换增益
    float lambda; // 指数趋近律系数
    float u_max;  // 输出限幅
} SMC_Controller;

float update_SMC(SMC_Controller *c, float error, float derror) {
    float s = c->K * error + derror;  // 滑模面
    float u_eq = -c->lambda * s;      // 等效控制
    float u_sw = -c->eta * sign(s);   // 切换控制
    
    // 抗饱和处理
    float u_total = u_eq + u_sw;
    if(fabs(u_total) > c->u_max) {
        u_total = (u_total > 0) ? c->u_max : -c->u_max;
    }
    return u_total;
}

实测表明，当η>15时系统开始出现明显抖振，导致IGBT开关损耗增加约23%。最终优化参数为：

• K=0.8
• η=10
• λ=50

2.2 PIR环流抑制算法

针对二倍频环流的PIR控制器离散化实现：

python复制class PIR_Controller:
    def __init__(self, Kp, Ki, Kr, omega, Ts):
        self.Kp = Kp    # 比例系数
        self.Ki = Ki    # 积分系数
        self.Kr = Kr    # 谐振系数
        self.omega = omega  # 谐振频率(2ω0)
        self.Ts = Ts    # 采样周期
        self.integrator = 0
        self.resonator = [0, 0]  # 谐振状态变量
        
    def update(self, error):
        # 比例项
        p_out = self.Kp * error
        
        # 积分项
        self.integrator += self.Ki * error * self.Ts
        
        # 谐振项(二阶广义积分器)
        wT = self.omega * self.Ts
        self.resonator[0] += wT * (error - self.resonator[1])
        self.resonator[1] += wT * self.resonator[0]
        r_out = self.Kr * self.resonator[0]
        
        return p_out + self.integrator + r_out

参数整定要点：

1. Kp决定动态响应速度，一般取0.1-0.5
2. Kr影响谐振峰高度，过大易引发振荡
3. ω必须精确匹配2倍基频（100Hz）

3. 调制与均压策略实现

3.1 最近电平逼近调制(NLM)

NLM算法实现流程：

mermaid复制graph TD
    A[计算目标电压Vref] --> B[计算需要投入的子模块数n]
    B --> C{电流方向判断}
    C -->|正向| D[升序排序电容电压]
    C -->|负向| E[降序排序电容电压]
    D --> F[选择前n个模块投入]
    E --> F

关键代码实现：

python复制def NLM_modulation(v_ref, cap_voltages, current_direction):
    n = round(v_ref / (max(cap_voltages)+1e-6))  # 防止除零
    n = np.clip(n, 0, len(cap_voltages))  # 限幅
    
    # 根据电流方向确定排序方式
    if current_direction > 0:
        sorted_indices = np.argsort(cap_voltages)  # 升序
    else:
        sorted_indices = np.argsort(-cap_voltages) # 降序
        
    # 生成PWM信号
    pwm = np.zeros_like(cap_voltages)
    pwm[sorted_indices[:n]] = 1
    return pwm

3.2 电容电压均衡策略

采用改进的快速排序算法实现均压：

c复制void balanceModules(Module *modules, int count, float armCurrent) {
    // 排序方向选择
    int ascending = (armCurrent > 0) ? 1 : 0;
    
    // 快速排序实现
    quickSort(modules, 0, count-1, ascending);
    
    // 更新投入状态
    for(int i=0; i<count; i++) {
        modules[i].active = (i < g_targetNum) ? 1 : 0;
    }
}

// 快速排序核心
void quickSort(Module arr[], int low, int high, int ascending) {
    if(low < high) {
        int pi = partition(arr, low, high, ascending);
        quickSort(arr, low, pi-1, ascending);
        quickSort(arr, pi+1, high, ascending);
    }
}

实测数据对比：

4. 系统测试与问题排查

4.1 稳态性能测试

在2MW功率输出下的测试数据：

• 网侧电流THD：2.94%（满足GB/T 14549-93要求）
• 电压不平衡度：0.8%
• 功率因数：0.999
• 桥臂电流THD：3.14%

波形对比如图所示：

4.2 典型问题解决方案

问题1：滑模控制引发高频振荡

• 现象：IGBT温升异常，开关频率附近出现谐波峰值
• 原因：切换增益η过大
• 解决：采用边界层法，将sign函数替换为饱和函数：

  matlab复制% 原切换控制
  u_sw = eta * sign(s);
  
  % 改进后
  phi = 0.1;  // 边界层厚度
  u_sw = eta * sat(s/phi);
  

问题2：PIR控制效果不佳

• 现象：二倍频环流抑制不彻底
• 原因：谐振频率偏移
• 解决：增加频率自适应环节：

  c复制// 在线更新谐振频率
  void updateResonanceFreq(PIR_Controller *c, float actualFreq) {
      c->omega = 2 * 2 * PI * actualFreq;  // 2倍频
  }
  

问题3：电容电压均衡失效

• 现象：个别子模块电压持续偏高
• 原因：电流方向检测延时
• 解决：增加预测补偿：

  python复制def predictCurrentDirection(i_prev, di_dt):
      return 1 if (i_prev + di_dt*Ts) > 0 else -1
  

5. 工程实践心得

在实际调试中发现几个关键经验：

1. 参数整定顺序：必须先整定PI外环，再调滑模内环，最后加入PIR控制。逆序调试会导致系统失稳。

2. 采样同步处理：PWM中断服务中必须包含：

   c复制void PWM_ISR() {
       ADC_StartConversion();  // 启动采样
       while(!ADC_Ready());    // 等待转换完成
       control_update();       // 执行控制算法
       update_PWM();           // 更新占空比
   }
   

3. 死区补偿技巧：在NLM调制后添加：

   python复制def addDeadtime(pwm, deadtime_ns):
       turn_off_first = (pwm_diff > 0)  # 根据电流极性判断
       if turn_off_first:
           return pwm - deadtime_ns/1e9 * PWM_freq
       else:
           return pwm + deadtime_ns/1e9 * PWM_freq
   

4. 散热设计要点：

   • IGBT模块基板温度建议控制在≤75℃
   • 当环境温度超过40℃时，需降额15%运行
   • 散热器风道设计应避免回流（实测不当设计会使温升增加8-12℃）