📚 课程目录第1章课程导入

1. 课程导入

变流器模型预测控制（Model Predictive Control for Power Converters，常简称为 MPC）是一类以变流器离散开关状态为决策变量、以系统数学模型为预测依据、以滚动优化为求解机制的先进控制方法。它把功率变换器看作一个“有限状态集合”的系统：两电平三相逆变器只有 8 种开关组合，三电平 NPC 逆变器有 27 种，级联 H 桥则随模块数指数增长。控制器在每个采样周期内，用模型预测每种开关状态在未来一个或几个采样周期内的电流、电压、磁链、功率或电容电压等被控量，再通过代价函数选出最优开关状态直接作用于变流器。这种“预测—评估—择优—执行”的闭环结构，使 MPC 天然适合处理多目标、多约束、非线性与离散决策问题。

核心思想可以概括为三句话：用模型预测未来，用代价函数评价优劣，用滚动优化替代固定调制。与 PI 双闭环加 PWM 调制的经典方案相比，MPC 不再需要调制器和内环解耦，而是把开关决策直接纳入优化过程。

1.1 基本概念与控制框架

从控制论角度看，变流器 MPC 属于离散时间、有限控制集、滚动时域优化方法。其标准流程包括：采样当前状态量，遍历有限控制集，利用离散预测模型计算未来状态，代入代价函数计算代价，选择代价最小的开关状态，并在下一个采样周期重复上述过程。由于每一步只执行当前最优解，因此它并不追求全局最优，而是追求“当前时刻最优”，这正是滚动优化的工程价值所在。

代价函数是 MPC 的“指挥棒”。以三相并网逆变器为例，常见代价函数可写为：

g = |iα*(k+1) - iα(k+1)| + |iβ*(k+1) - iβ(k+1)|
    + λsw · n_switch
    + λdc · |Vdc1(k+1) - Vdc2(k+1)|

其中第一项跟踪电流指令，第二项抑制开关频率，第三项平衡中点电位。权重系数 λ 的整定直接决定跟踪精度、开关损耗与电容电压平衡之间的折中，是工程调试的关键参数。

1.2 发展历程：从 GPC 到有限控制集 MPC

模型预测控制最早应用于慢速过程工业，如石化、冶金，其采样周期以秒甚至分钟计。20 世纪 80 年代，广义预测控制（GPC）和动态矩阵控制（DMC）在过程控制中成熟。2000 年前后，研究者开始把 MPC 引入电力电子领域，但受限于处理器算力，早期只能用于低开关频率的大功率传动。2007 年前后，有限控制集模型预测控制（FCS-MPC）被系统提出，它直接利用变流器的离散开关特性，省去调制器，迅速成为研究热点。2010 年以后，随着 DSP、FPGA 和 SoC 算力提升，MPC 在光伏并网、电机驱动、储能变流器、牵引变流器等场景中进入工程验证与产品化阶段。近年来，长预测时域、无权重系数、显式 MPC、神经网络辅助 MPC 等方向进一步拓展了其工程边界。

1.3 工程应用全景与典型场景

MPC 在变流器领域的应用已覆盖发电、输配、用电与交通四大环节。下表给出典型场景、被控对象与关键约束的对应关系，便于建立“场景—模型—代价函数”的工程直觉。

应用场景	典型变流器	被控量	关键约束
光伏并网	两电平/三电平 NPC	并网电流、中点电位	开关频率、谐波限值
永磁同步电机驱动	两电平电压源逆变器	定子电流、转矩、磁链	电流限幅、开关损耗
储能 PCS	双向 DC/AC	电池电流、直流母线电压	充放电倍率、SOC
牵引变流器	三电平/多电平	牵引电机转矩、电容电压	实时性、容错
风电变流器	背靠背双 PWM	网侧电流、直流电压	低电压穿越

1.4 方法流程：一个采样周期内发生了什么

采样与状态估计：采集三相电流、直流电压、转速或电网电压，必要时用观测器估计未测状态。
预测模型离散化：将连续域方程离散为 x(k+1)=Ax(k)+Bu(k)，其中 u(k) 属于有限开关集合。
遍历控制集：对每个候选开关状态计算预测值，两电平 8 次，三电平 27 次。
代价函数评估：将跟踪误差、开关次数、电容电压偏差等加权求和。
择优与执行：选择最小代价对应的开关状态，直接输出驱动信号。
滚动推进：下一采样周期重复上述过程，形成闭环。

工程实现中，预测模型不必追求“越精确越好”。在采样频率足够高时，一阶前向欧拉离散化往往已能满足电流跟踪要求；过度复杂的模型反而会挤占实时计算预算。

1.5 常见误区与复盘

初学者最容易陷入三个误区。第一，把 MPC 等同于“无模型控制”。实际上 MPC 对模型误差敏感，电感、电阻、直流电压的偏差会直接造成电流静差或振荡。第二，忽视权重系数整定。λsw 过大导致电流畸变，过小导致开关频率飙升，必须结合器件损耗与散热条件折中。第三，低估实时性约束。三电平 27 个状态、长预测时域、多步优化会迅速耗尽 DSP 算力，工程上常采用球形解码、分支定界或 FPGA 并行加速。

调试建议：先在 MATLAB/Simulink 中完成一阶模型与代价函数验证，再移植到 DSP；移植时优先保证采样与 PWM 更新时序正确，再优化计算耗时。若出现电流高频振荡，先检查预测模型离散化与采样延迟补偿，而不是盲目调整权重。

1.6 课程学习路线图

本课程共 30 章，按“基础—建模—算法—工程—进阶”五段推进。前 6 章建立变流器拓扑、离散建模与预测控制基本框架；第 7 至 14 章深入代价函数设计、权重整定、延时补偿与多步预测；第 15 至 22 章面向并网、电机、储能等场景开展工程化设计；第 23 至 27 章讨论实时实现、FPGA 加速、参数鲁棒性与故障容错；最后 3 章聚焦长预测时域、无权重 MPC 与人工智能辅助 MPC 等前沿方向。学习时建议同步搭建仿真模型，每章至少完成一次“模型—代码—波形”的闭环验证，把公式真正落到开关信号上。

完成本章后，你应当能够用自己的话解释 MPC 与 PI+PWM 的本质差异，说清一个采样周期内控制器做了什么，并列出至少三个工程应用场景及其关键约束。这些概念将贯穿后续所有章节，是理解变流器模型预测控制工程实现的起点。