基于信息量的简化传感器状态估计方法，结合滞后辅助电压平衡技术，应用于模块化多电平变换器

《IEEE Transactions on Industrial Electronics》：Informer Based Reduced Sensor State Estimation With Hysteresis-Aided Voltage Balancing in Modular Multilevel Converters

MMCs传感器减少控制框架利用Transformer-based Informer模型通过外部电压信号预测SM电容电压和臂电流，两阶段预测结合HTB2算法有效降低开关频率并维持电压平衡。

　　

摘要：

本文提出了一种适用于模块化多电平转换器（MMCs）的传感器减少型控制框架，作为传统方案的替代方案。传统方案严重依赖内部传感器测量数据。所提出的方法采用基于变压器的Informer模型，利用有限的外部信号（具体为相位电压、臂电压和直流链路电压）来估算子模块（SM）的电容电压和臂电流。文中引入了两阶段预测结构：首先估算臂电流，然后将其作为输入用于电容电压的预测，以提高预测精度。随后，通过具有电压滞后带限制功能的hysteresis tolerance band balancing（HTB）算法处理估算得到的状态，该算法能够减少不必要的子模块切换事件。这有助于降低开关频率和相关的损耗，同时实现有效的电容电压调节。通过在多种工作条件下的详细仿真和实验验证了该框架的有效性。当滞后带设置为标称电容电压的0.1%时，HTB2方法将平均开关频率降低了86.3%，而峰值电压不平衡仅增加了4.2%，相比传统的基于排序的控制方法有显著优势。

引言

模块化多电平转换器（MMCs）因其模块化和可扩展性，在中高压系统（如电力传输、可再生能源集成和电动汽车充电）中得到广泛应用。它们具有出色的谐波性能、容错能力和运行灵活性。然而，保持子模块（SM）电容电压的均匀性是一个关键挑战，这对确保电能质量、效率和系统稳定性至关重要。电压不平衡可能导致电流应力、开关损耗和系统不稳定，因此需要有效的电压平衡策略。此外，无需大量传感器即可准确估算电容电压和臂电流，可以降低系统复杂性、成本并提高可靠性。因此，基于变压器的深度学习模型在实现无传感器控制和推动下一代MMCs运行方面备受关注。