逆变电源数字控制技术的应用

1逆变电源数字控制技术的发展

1.1高性能逆变电源与数字控制技术　　

随着网络技术的发展，对逆变电源的网络功能提出了更高的要求，高性能的逆变电源必须满足：高输入功率因数，低输出阻抗；暂态响应快速，稳态精度高；稳定性高，效率高，可靠性高；电磁干扰低；网络功能完善。要实现这些功能，离不开数字控制技术。1.2传统逆变电源控制技术

1.2.1传统逆变电源控制技术的缺点　　

传统的逆变电源多为模拟控制或者模拟与数字相结合的控制系统。虽然模拟控制技术已经非常成熟，但其存在很多固有的缺点：控制电路的元器件比较多，电路复杂，所占的体积较大；灵活性不够，硬件电路设计好了，控制策略就无法改变；调试不方便，由于所采用器件特性的差异，致使电源一致性差，且模拟器件的工作点的漂移，导致系统参数的漂移。模拟方式很难实现逆变电源的并联，所以逆变电源数字化控制是发展的趋势，是现代逆变电源研究的一个热点。

1.2.2传统逆变电源控制技术的改进　　

以前为了改善系统的控制性能，通过模拟、数字(A/D)转换器，将微处理器与系统相连，在微处理器中实现数字控制算法，然后通过输入、输出口或脉宽调制口（pulse width modulation,　PWM）发出开关控制信号。微处理器还能将采集的功率变换装置工作数据，显示或传送至计算机保存。一些控制中所用到的参考值可以存储在微处理器的存储器中，并对电路进行实时监控。

微处理器的使用在很大程度上提高了电路系统的性能，但由于微处理器运算速度的限制，在许多情况下，这种微处理器辅助的电路控制系统仍旧要用到运算放大器等模拟控制元件。近年来随着大规模集成电路、现代可编程逻辑器件及数字信号处理器(digital signal processor,SP)技术的发展，使逆变电源的全数字控制成为现实。SP能够实时地读取逆变电源的输出，并实时地计算出PWM输出值，使得一些先进的控制策略应用于逆变电源控制成为可能，从而可对非线性负载动态变化时产生的谐波进行动态补偿，将输出谐波达到可以接受的水平。2逆变电源数字化控制技术的现状2.1逆变电源控制技术数字化、智能化、网络化　　随着电机控制专用SP的出现及其控制理论的普遍发展，逆变电源控制技术朝着全数字化、智能化及网络化的方向发展，逆变电源的数字控制技术发生了一次大飞跃。逆变电源数字化控制的优点在于各种控制策略硬件电路基本是一致的，要实现各种控制策略，无需变动硬件电路，只需修改软件即可，大大缩短了开发周期，而且可以应用一些新型的复杂控制策略，各电源之间的一致性很好，这样为逆变电源的进一步发展提供了基础，而且易组成可靠性高的大规模逆变电源并联运行系统。

2.2逆变电源数字化发展存在的难点　　

数字化是逆变电源发展的主要方向，但还是需要解决以下一些难题：　　

a)逆变电源输出要跟踪的是一个按正弦规律变化的给定信号，它不同于一般开关电源的常值控制。在闭环控制下，给定信号与反馈信号的时间差就体现为明显的相位差，这种相位差与负载是相关的，这就给控制器的设计带来了困难。　[p]

　b)逆变电源输出滤波器对系统的模型影响很大，输入电压的波动幅值和负载的性质，大小的变化范围往往比较大，这些都增加了控制对象的复杂性，使得控制对象模型的高阶性、不确定性、非线性显著增加。　　

c)对于数字式PWM，都存在一个开关周期的失控区间，一般是在每个开关周期的开始或上个周期之末来确定本次脉冲的宽度，即使这时系统发生了变化，也只能在下一个开关周期对脉冲宽度做出调整，所以现在逆变电源的数字化控制引起了广泛的关注。

3逆变电源数字化控制技术　　

逆变电源数字控制方法成为当今电源研究领域的一个热点，与数字化相对应，各种各样的离散控制方法也纷纷涌现，包括数字比例-积分-微分（PI）调节器控制、无差拍控制、数字滑变结构控制、模糊控制以及各种神经网络控制等，从而有力地推动逆变电源控制技术的发展。

3.1数字PI控制　　

数字PI控制以参数简单、易整定等特点得到了广泛应用。逆变器采用模拟数字PI控制时，如果只是输出电压的瞬时值反馈，其动态性能和非线性负载时的性能不会令人满意；如果是输出滤波电感或输出滤波电容的电流瞬时值引入反馈，其性能将得到较大改进，然而，庞大的模拟控制电路使控制系统的可靠性下降，调试复杂，不易于整定。数字信号处理芯片的出现使这个问题得以迅速解决，如今各种补偿措施及控制方式可以很方便地应用于逆变电源的数字PI控制中，控制器参数修改方便，调试简单。　　

但是，数字PI控制算法应用到逆变电源的控制中，不可避免地产生了一些局限性：一方面是系统的采样量化误差，降低了算法的分辨率，使得PI调节器的精度变差；另一方面，采样和计算延时使被控系统成为一个具有纯时间滞后的系统，造成PI控制器设计困难，稳定性减小，随着高速SP及高速A/的发展，数字PI控制技术在逆变电源的控制中会有进一步的应用。3.2滑模变结构控制　　滑模变结构控制（slidingmode variable structure control，SVSC）最显著的特点是对参数变化和外部扰动不敏感，即鲁棒性强，加上其固有的开关特性，因此非常适用于闭环反馈控制的电能变换器。　　

基于微处理器的离散滑模控制使逆变器输出波形有较好的暂态响应，但系统的稳态性能不是很理想。具有前馈控制的离散滑模控制系统[1]，暂态性能和稳态精度得到提高(见图1)，但如果系统过载时，滑模控制器的负担将变得非常重。自矫正离散滑模控制可以解决这个问题[2]。　　

逆变器的控制器由参数自适应的线性前馈控制器和非线性滑模控制器组成（见图2），滑模控制器仅在负载导致输出电压变化时产生控制力，稳态的控制力主要由前馈控制器提供，滑模控制器的切换面（超平面）是根据优化准则进行设计的。

[p]

3.3无差拍控制　　无差拍控制（deadbeat control）是一种基于电路方程的控制方式，其控制的基本思想是将输出正弦参考波等间隔地划分为若干个取样周期，根据电路在每一取样周期的起始值，用电路理论算出关于取样周期中心对称的方波脉冲作用时，负载输出在取样周期末尾时的值。这个输出值的大小，与方波脉冲的极性与宽度有关，适当控制方波脉冲的极性与宽度，就能使负载上的输出在取样周期的末后与输出参考波形相重合。不断调整每一取样周期内方波脉冲的极性与宽度，就能在负载上获得谐波失真小的输出。因此，即使在很低的开关频率下，无差拍控制也能够保证输出波形的质量，这是其它控制方法所不能做到的,但是，其也有局限性：由于采样和计算时间的延迟，输出脉冲的占空比受到很大限制；对于系统参数的变化反应灵敏，如电源电压波动、负载变动，系统的鲁棒性差。

对于采样和计算延时的影响，一种方法是通过修改输出脉冲方式的方法来减小计算延时造成的占空比局限；另一种方法是通过状态观测器对系统状态提前进行预测，用观测值替代实际值进行控制，从而避免采样和计算延时对系统的影响。为了提高系统的鲁棒性，一种方法是采用负载电流预测方法来减小负载变动对电源输出的影响，但实际改善的程度有限；另一种可行的方法是对系统参数进行在线辨识，从而实时确定控制器参数，以达到良好的控制效果。

但是，在线系统辨识的计算复杂度和存储量都非常大，一般的微处理器很难在很短的时间内完成，因此实现的可能性不大，所以还没有一种比较好的方法来解决无差拍控制鲁棒性差的问题。正是由于无差拍控制在电源控制中的不足及局限性到目前还难以解决，使得无差拍控制在工业界的应用还有待不断的深入研究。

3.4重复控制　　

逆变器采用重复控制（repetitive control）是为了克服整流型非线性负载引起的输出波形周期性的畸变，它通常与其他PWM控制方式相结合。重复控制的思想是假定前一周期出现的基波波形将在下一基波周期的同一时间重复出现，控制器根据给定信号和反馈信号的误差来确定所需的校正信号，然后在下一个基波周期的同一时间将此信号叠加到原控制信号上，以消除后面各周期中将出现的重复畸变。　　

重复控制系统如图3(a),(b)所示[3-4]。图3中Ur为给定电压信号；Ud为电压扰动信号；P（z）为控制对象；Uo为电压的实际输出量。周期延迟环节点量（Z－N）对控制器进行超前相位补偿，补偿器的补偿电容量C（z）提供相位补偿和幅值补偿，以保证控制系统的稳定性，并改善输出波形。　　

重复控制使系统获得了很好的静态性能，且易于实现，但该技术却不能够获得好的动态性能。自适应重复控制方案成功地应用于逆变器的控制中。　　[p]

模糊控制（fuzzy control）能够在准确性和简洁性之间取得平衡，有效地对复杂的电力电子系统做出判断和处理。将模糊控制应用于逆变器，具有如下优点:模糊控制器的设计不需被控对象的精确数学模型,并且有较强的鲁棒性和自适应性；查找模糊控制表只需占有处理器很少的时间，可采用较高采样率来补偿模糊规则和实际经验的偏差。　　

将输出电压和滤波电感电流反馈，即电压误差和电感电流作为输入模糊变量，可以实现逆变器的模糊控制，整流性负载时，其输出电压总谐波失真（total harmonic distortion,TH）小于5％，将模糊控制与无差拍控制相结合，可用来补偿由于非线性负载导致的电压降落，其系统如图4所示[5-6]。模糊控制从模仿人的思维外特性入手，模仿人的模糊信息处理能力。它对系统的控制是以人的经验为依据的，而人的经验正是反映人在思维过程中的判断、推理、归纳。理论上已经证明，模糊控制可以任意精度逼近任何线性函数，但受到当前技术水平的限制，模糊变量的分档和模糊规则都受到一定的限制，隶属函数的确定还没有统一的理论指导，带有一定的人为因素，因此，模糊控制的精度有待于进一步提高。　　此外神经网络控制是一种使用人工神经网络的控制方法。因为人工神经网络是建立在强有力的数学基础上，所以它有很大的潜力，这个数学基础包括各种各样的已被充分理解的数学工具。在无模型自适应控制器中，人工神经网络也是一个重要组成部分。但由于神经网络的实现技术没有突破，还没有成功地应用于逆变电源的控制中。

4结论　　

基于微处理器、SP的数字控制技术重复性强、耐用性强、适应性强等优点，越来越受到人们的重视。随着电力电子技术的快速发展，还会有更多、更适合逆变电源控制的智能控制策略。逆变电源的各种控制策略有其所长，有其所短。因而各种控制策略相互取长，集成为复合控制器，将在很大程度上简化控制，提高可靠性，使控制日臻完美，更好地满足逆变电源的控制要求。