为保证有限控制集模型预测控制(finite control set model predictive control,FCS-MPC)在功率变换器运行效果,其采样频率一般设定为10~50 kHz。但由于会出现连续多个采样周期输出同一开关状态现象,实际开关频率仅为采样频率的10%~20%,影响控制精度。在SiC、GaN等高速器件应用场景中,一味地提升采样频率实现高开关频率输出,将对数字处理器造成极大地运算负担。针对上述问题,提出一种多速率模型预测控制方法(multi-rate model predictive control,MR-MPC)方法,通过构建低采样输入、高控制输出的双速率MR-MPC离散预测模型,并引入多层次递归优化技术,实现计算负担和控制性能之间平衡。最后,搭建5 kW电机测试平台进行实验验证与分析,MR-MPC继承了传统FCS-MPC处理复杂控制目标的能力,并可在低运算负担条件下,实现输出开关频率多速率倍频,且倍频比例越高,系统动稳态性能越优,不失为高开关频率功率变换器通用型设计方法之一。
针对光热(concentrating solar power,CSP)电站利用率低、风电场弃风率高以及传统燃气机组碳排放水平较高且受“以热定电”的运行限制等问题,引入富氧燃烧捕集技术对传统机组进行改造,配置含热回收的CSP电站实现热电解耦,耦合高温固体氧化物电解池等能量转化设备,构建了电-热-氢低碳能源系统及其容量优化配置方法。首先,考虑到风电出力和光照强度的不确定性以及与电负荷之间的时序相关性,建立了基于两阶段时空聚类的多运行场景提取模型。其次,在基于概率的多运行场景基础上,通过条件风险价值(conditional value at risk,CVaR)理论度量因不确定性带来的风险,以总成本最小为目标,构建低碳能源系统容量优化配置模型。最后,通过算例进行仿真验证,结果表明该系统满足负荷需求情况下,可降低年碳排放量和弃风率,提高CSP电站利用率,并为不同风险偏好的决策者面对系统容量优化配置问题时提供了定量依据。
