Multivariable-Regelung von modularen Mehrpegel-Wandlern mit Konvergenz- und Sicherheitsgarantien

Core Concepts

Eine Methode zur Auslegung einer multivariablen Regelung, d.h. einer statischen Rückführung, zur Regelung der Ströme von modularen Mehrpegel-Wandlern, die eine begrenzte Regeldifferenz, Stabilität und Einhaltung aller Beschränkungen garantiert.

Abstract

Der Artikel präsentiert einen Rahmen zur Auslegung einer Mehrgrößen-Regelung (MIMO) zur Verfolgung der Ströme von modularen Mehrpegel-Wandlern (MMCs), während die gespeicherte Kondensatorspannung stabil gehalten wird. Als Ergebnis dieses Artikels wird gezeigt, dass eine synthetisierte Rückführverstärkung für die Regelung des MMCs geeignet ist. Die statische Rückführverstärkung wird so ausgelegt, dass die erforderliche Closed-Loop-Leistung bei gleichzeitiger Aufrechterhaltung der Stabilität und Sicherheit erreicht wird. Darüber hinaus ist die Komplexität des vorgeschlagenen Regelungsschemas einfacher, da kein PLL benötigt wird. Der Vorteil der vorgeschlagenen Regelung wird in verschiedenen Szenarien nachgewiesen: (i) lineares Durchschnittsmodell, (ii) äquivalenter Durchschnittsschaltkreis des MMCs und (iii) skalierter MMC-Prototyp.

Stats

Lm = 3mH Rm = 50mΩ Cγ = 4mF Ts = 50μs f1 = 50Hz f2 = 1kHz ˆVg m = 25kV ˆVz = 10kV ˆIg∗ m = 80A ˆIz∗ m = 101.15A

Quotes

"Eine Methode zur Auslegung einer multivariablen Regelung, d.h. einer statischen Rückführung, zur Regelung der Ströme von modularen Mehrpegel-Wandlern, die eine begrenzte Regeldifferenz, Stabilität und Einhaltung aller Beschränkungen garantiert." "Als Ergebnis dieses Artikels wird gezeigt, dass eine synthetisierte Rückführverstärkung für die Regelung des MMCs geeignet ist." "Der Vorteil der vorgeschlagenen Regelung wird in verschiedenen Szenarien nachgewiesen: (i) lineares Durchschnittsmodell, (ii) äquivalenter Durchschnittsschaltkreis des MMCs und (iii) skalierter MMC-Prototyp."

Key Insights Distilled From

Multivariable control of modular multilevel converters with convergence and safety guarantees

by Victor Danie... at arxiv.org 03-28-2024

https://arxiv.org/pdf/2403.18371.pdf

Deeper Inquiries

Wie könnte die vorgeschlagene Regelung für andere Anwendungen als Hochleistungsladestationen für Elektrofahrzeuge angepasst werden

Die vorgeschlagene Regelung für Hochleistungsladestationen für Elektrofahrzeuge könnte für andere Anwendungen angepasst werden, indem sie auf verschiedene Stromrichtertopologien angewendet wird. Zum Beispiel könnte sie für den Einsatz in erneuerbaren Energiesystemen wie Wind- oder Solaranlagen modifiziert werden, um die Energieeffizienz und Leistungsdichte zu verbessern. Darüber hinaus könnte die Regelung auch in der Stromübertragung und Verteilung eingesetzt werden, um die Stabilität des Netzes zu gewährleisten und die Integration von erneuerbaren Energiequellen zu erleichtern.

Welche Herausforderungen könnten sich ergeben, wenn die Regelung auf Mehrpegel-Wandler mit mehr als drei Phasen erweitert wird

Eine Herausforderung bei der Erweiterung der Regelung auf Mehrpegel-Wandler mit mehr als drei Phasen könnte die Komplexität des Systems sein. Mit jeder zusätzlichen Phase steigt die Anzahl der Variablen und die Interaktionen zwischen den Phasen, was die Regelung und das Design des Controllers erschweren kann. Darüber hinaus könnten sich Herausforderungen bei der Modellierung und Identifizierung der Systemdynamik ergeben, insbesondere bei der Berücksichtigung von nichtlinearen Effekten und Unsicherheiten.

Wie könnte die Regelung weiter verbessert werden, um eine noch höhere Leistungsdichte und Effizienz des modularen Mehrpegel-Wandlers zu erreichen

Um die Regelung weiter zu verbessern und eine noch höhere Leistungsdichte und Effizienz des modularen Mehrpegel-Wandlers zu erreichen, könnten verschiedene Ansätze verfolgt werden. Eine Möglichkeit wäre die Implementierung fortschrittlicher Regelungsalgorithmen wie modellprädiktive Regelung (MPC) oder nichtlineare Regelungstechniken, um eine präzisere Steuerung und eine schnellere Reaktion auf Laständerungen zu ermöglichen. Darüber hinaus könnte die Integration von KI-Technologien wie maschinelles Lernen und neuronale Netze die Regelung weiter optimieren, indem sie adaptive und selbstlernende Regelungsstrategien ermöglichen. Zusätzlich könnten Optimierungstechniken wie die Optimierung der Regelparameter oder die Berücksichtigung von nichtlinearen Effekten zur Verbesserung der Leistungsdichte und Effizienz des Wandlers beitragen.