本文將模塊化多電平變換器（MMC）作為電池儲能系統（BESS）的并網變換器，可在實現高壓并網的同時兼具控制的靈活性。針對電池儲能型模塊化多電平變換（B-MMC）系統，提出一種可有效減小計算量的混合型模型預測控制（H-MPC）方法。

 

該H-MPC方法由PI控制和MPC組成。其中，PI控制部分用于求取滿足交流電流輸出和環流控制要求的子模塊接入個數；MPC則負責共模電壓（CMV）抑制，對子模塊接入個數進行適當調整。結合子模塊接入個數與電池組荷電狀態（SOC）的排序結果，即可產生具體開關信號。針對不同應用場合，PI控制部分和MPC的控制目標選取要更為靈活。

 

以環流控制為例，對其包含于MPC部分的情況進行簡要分析。最后通過Matlab/Simulink仿真和實驗，驗證了該方法的正確性與有效性。

 

新能源的大范圍應用能夠有效降低人們對石油能源的需求，并且其具有可再生能力強、排放污染小等優勢，對緩解能源危機和環境惡化有著重要意義[1]。由于新能源發電具有間歇性和不確定性等特點，在并網過程中通常要與儲能裝置相結合。儲能裝置能夠進行快速的功率吸收、釋放，有效減小新能源輸出波動對電網的沖擊，實現新能源的友好接入和協調控制[2]，其中電池儲能在大規模儲能系統中占據著重要地位。

 

傳統儲能并網系統需要將電池組進行串、并聯，經過前級DC-DC變換器升壓后通過后級逆變電路實現并網。對于電池組而言，若要對其進行充、放電狀態監測則需要添加額外的電池能量管理系統，生產成本也會相應提高；對于電力電子變換器而言，開關器件所需承受的電壓等級較高，系統工作的安全性會受到嚴重影響。

 

若將電池儲能系統（Battery Energy Storage System, BESS）與模塊化多電平變換器（ModularMultilevel Converter, MMC）相結合，則能夠實現儲能單元的分散接入，并適合接入高壓電網，提高系統的運行效率和可靠性[3]。

 

目前關于模塊化多電平變換器電池儲能（Battery integrated Modular MultilevelConverter, B-MMC）系統的研究仍然相對較少。文獻[4]通過調節各個子模塊的調制深度，實現了電池組間荷電狀態（State Of Charge,SOC）的均衡一致。

 

文獻[5]則從理論上分析了不同環流分量對電池組SOC均衡的影響。文獻[6]中，該結構被應用于電動汽車領域，并分別對交、直流充電和正常行駛三種不同工作狀態進行了相關分析。針對B-MMC結構的控制，目前仍以經典PI控制器為主。

 

模型預測控制（Model Predictive Control, MPC）方法因其在處理非線性系統復雜約束型問題時展現出的卓越優勢，正逐步被推廣于電力電子控制領  域[7]。文獻[8]中介紹了一種適用于MMC結構的有限控制集模型預測控制（Finite ControlSet-Model Predictive Control, FCS-MPC）方法。該方法結構簡單，價值函數能夠同時涵蓋多個控制目標，但當子模塊數目較多時，數據計算量的增長較為嚴重。

 

文獻[9]則將整體價值函數的求解過程分解為多個子目標函數逐級尋優的形式，該控制方法中并未涉及權重系數的選取，降低了控制系統的設計難度。文獻[10]則將排序均壓策略與分組思想相結合，衍生出一種適用于MMC工程應用的優化MPC策略，該方法并不會隨子模塊數目的增多明顯加重處理器運算負擔。

 

基于上述研究現狀，本文提出一種適用于B-MMC結構的混合型模型預測控制（Hybrid-ModelPredictive Control, H-MPC）方法。H-MPC方式可分為PI控制和MPC兩大部分。其中PI控制部分主要用于實現交流輸出電流跟蹤等邏輯較為簡單的部分，而MPC部分則用于處理共模電壓抑制等復雜邏輯部分。

 

相比于傳統PI控制方式，H-MPC有效減少了PI控制器的數量，降低了控制系統的設計復雜度；而相對于常規MPC方式，H-MPC則減少了每個采樣周期內需要考慮的開關狀態數量，進而降低了運算需求。

 

本文詳細分析了B-MMC系統的運行特點、MMC的傳統MPC方法，并在此基礎上提出了一種H-MPC方案，實現了交流輸出電流跟蹤、環流控制、電池組SOC均衡和共模電壓抑制的控制目標。本文最后通過Matlab仿真和實驗驗證了該控制策略的正確性與有效性。

 

圖7 三電平B-MMC實驗平臺