结合模型预测（MPC）的虚拟同步机控制（VSG）的 MATLAB/Simulink 仿真探索-平芜编程栈

结合模型预测（MPC）的虚拟同步机控制（VSG）-MATLAB/simulink仿真等效直流电源，三相全桥逆变，LC型滤波器，并网运行单步模型预测控制，虚拟同步机控制用模型预测模块代替电压电流内环，取消了锁相环附带单步模型预测讲解视频附带原理论文

在电力电子与电力系统领域，如何实现高效稳定的并网运行一直是研究热点。今天咱们来唠唠结合模型预测（MPC）的虚拟同步机控制（VSG），以及基于 MATLAB/Simulink 的仿真实现。

系统架构基础

整个系统主要基于等效直流电源，通过三相全桥逆变电路将直流电转换为交流电，再经过 LC 型滤波器进行滤波处理，最终实现并网运行。这一套流程是整个系统能正常工作的基石。

三相全桥逆变电路

三相全桥逆变电路在 MATLAB/Simulink 中搭建并不复杂。简单来说，它就是通过控制不同桥臂的开关管通断，将直流电源转换为三相交流输出。下面简单示意一下其在 Simulink 中的搭建思路（代码示意，非实际完整代码）：

% 创建三相全桥逆变模块 inverter = powergui('Powergui'); inverter.type = 'Full - Bridge Inverter'; inverter.phase = 3;

这里我们通过powergui模块来构建三相全桥逆变模块，设定其类型为全桥逆变，相数为三相。三相全桥逆变的关键在于精确控制各桥臂开关管的导通与关断时间，以此来产生期望的交流波形。

LC 型滤波器

LC 型滤波器主要用于滤除逆变输出中的高次谐波，让输出更接近理想正弦波。在 Simulink 中搭建 LC 滤波器也比较直观：

% 创建 LC 滤波器模块 LC_filter = seriesRLC('Series RLC Branch'); LC_filter.R = 0; % 电阻设为 0 LC_filter.L = 0.001; % 电感值 1mH LC_filter.C = 10e - 6; % 电容值 10uF

这里构建了一个简单的 LC 滤波器，电阻设为 0，电感 1mH，电容 10uF 。LC 滤波器利用电感对高频电流的阻碍作用和电容对高频电压的旁路作用，有效地减少了输出电压中的谐波成分。

控制策略核心：单步模型预测控制与虚拟同步机控制

单步模型预测控制（MPC）

传统的并网控制中，电压电流内环是重要组成部分。但在咱们这个系统里，采用了单步模型预测控制模块来代替电压电流内环，并且还取消了锁相环，这可大大简化了系统结构，同时提升了系统性能。

单步模型预测控制，简单讲就是基于系统当前的状态，预测下一个控制周期的系统输出，并通过优化目标函数，选择最优的控制量。给大家看段伪代码感受下：

% 假设系统状态方程 x(k + 1) = Ax(k) + Bu(k) % y(k) = Cx(k) 为输出方程 % 预测时域 Np，控制时域 Nc A = [1 0.1; 0 1]; % 系统矩阵 A B = [0.01; 0.1]; % 输入矩阵 B C = [1 0]; % 输出矩阵 C x = [0; 0]; % 初始状态 u_opt = 0; % 初始最优控制量 for k = 1:simulation_time for i = 1:Np if i <= Nc % 预测系统状态 x_pred(:, i) = A * x + B * u(:, i); % 预测输出 y_pred(:, i) = C * x_pred(:, i); else x_pred(:, i) = A * x_pred(:, i - 1); y_pred(:, i) = C * x_pred(:, i); end end % 计算目标函数，寻找最优控制量 cost = Inf; for j = 1:length(u_candidates) u_temp = u_candidates(j); x_temp = x; y_temp = 0; for i = 1:Np if i <= Nc x_temp = A * x_temp + B * u_temp; y_temp = C * x_temp; else x_temp = A * x_temp; y_temp = C * x_temp; end % 计算目标函数值 J = sum((y_ref - y_temp).^2); if J < cost cost = J; u_opt = u_temp; end end end % 应用最优控制量 u(:, 1) = u_opt; x = A * x + B * u_opt; end

在这段伪代码里，我们先定义了系统的状态方程矩阵A、输入矩阵B和输出矩阵C。然后在每个控制周期k里，通过循环预测未来Np个时刻的系统状态和输出，这里分控制时域Nc内和控制时域外两种情况计算预测值。接着遍历所有可能的控制量候选值ucandidates，计算每个候选值下的目标函数值J，这里以输出与参考值的误差平方和作为目标函数，寻找使目标函数最小的最优控制量uopt，最后将最优控制量应用到系统中更新系统状态。这就是单步模型预测控制在代码层面的一个大致实现思路。