3. FCS-MPC核心思想
有限控制集模型预测控制（Finite Control Set Model Predictive Control, FCS-MPC）之所以在电力电子变换器中广受关注，根本原因在于它把“控制器设计”转化为一个在有限个可行开关状态中做穷举择优的问题。与依赖调制器和线性调节器的传统控制不同，FCS-MPC直接利用变换器固有的离散开关组合，通过预测模型评估每种组合的未来行为，再用代价函数选出最优解。本节围绕四个关键环节展开：有限控制集的概念、开关状态枚举、离散时间预测模型、代价函数设计与最优开关状态选择机制。
一、有限控制集：把连续控制问题离散化
两电平三相逆变器每相只有上桥臂导通或下桥臂导通两种状态，三相组合共 2³ = 8 种开关状态，对应 8 个基本电压矢量，其中 6 个为非零矢量、2 个为零矢量。三电平NPC逆变器每相有 P、O、N 三种状态，三相共 3³ = 27 种组合。可见，有限控制集就是变换器在任一时刻实际可执行的开关组合集合，它由拓扑结构天然决定，不需要额外调制环节。
这一特性带来两个直接结果：其一，控制量不再是连续占空比，而是离散的开关矢量；其二，控制器的搜索空间有限，便于在线枚举。对于两电平逆变器，8 个矢量足以覆盖全部可行控制动作；对于多电平或矩阵变换器，控制集规模会显著增大，需要在控制精度与计算负担之间权衡。
二、开关状态枚举与离散时间预测模型
枚举是FCS-MPC的执行基础。以三相并网逆变器为例，控制器在每个采样周期内依次代入 8 个电压矢量，计算对应的电流预测值。预测模型通常由变换器方程和负载/电网方程离散化得到。以 RL 负载为例，连续域方程为：
L * di/dt = v - R*i
前向欧拉离散化：
i(k+1) = i(k) + Ts/L * (v(k) - R*i(k))
= (1 - R*Ts/L) * i(k) + Ts/L * v(k)其中 Ts 为采样周期，v(k) 为当前枚举的开关矢量对应的电压，i(k) 为当前采样电流，i(k+1) 为预测电流。该模型结构简单、计算量小，适合实时实现。若对象为并网逆变器，还需加入电网电压前馈项；若为电机驱动，则需建立定子电流与磁链的预测方程。
枚举过程可以理解为：把 8 个候选矢量逐一送入同一个预测模型，得到 8 个未来状态。这一步不涉及优化算法，只是并行计算，因此非常适合FPGA或DSP流水线实现。
三、代价函数设计：把控制目标写成可比较的标量
代价函数是FCS-MPC的“指挥棒”。它把多个控制目标统一映射为一个非负标量，数值越小表示该候选矢量越优。最常见的形式是跟踪误差的二次型：
g = (i*α - iα(k+1))² + (i*β - iβ(k+1))²
若需抑制开关频率，可加入切换次数惩罚项：
g = λ1 * (i* - i(k+1))² + λ2 * Σ|S(k) - S(k-1)|其中 λ1、λ2 为权重系数，用于平衡跟踪精度与开关损耗。代价函数设计的关键在于：量纲统一、权重可调、物理意义明确。若权重设置不当，可能出现电流跟踪变差或开关频率飙升的问题。
| 控制目标 | 代价函数项 | 典型权重 | 影响 |
|---|---|---|---|
| 电流跟踪 | (i* − i(k+1))² | λ1 = 1.0 | 决定稳态误差与动态响应 |
| 开关频率抑制 | Σ|S(k) − S(k−1)| | λ2 = 0.01~0.1 | 降低开关损耗，但可能增大纹波 |
| 中点电位平衡 | (v_c1 − v_c2)² | λ3 = 0.05~0.5 | 用于三电平NPC拓扑 |
| 共模电压抑制 | (v_cm)² | λ4 = 0.1~1.0 | 适用于电机驱动场景 |
四、最优开关状态选择机制与典型误区
最优选择机制非常直接：遍历控制集，计算每个候选矢量的代价函数值，取最小值对应的开关状态作为下一周期输出。这一过程不需要梯度信息，也不依赖PWM调制器，因此动态响应快、实现结构清晰。其代价是计算量与控制集规模成正比，在多电平或长预测时域下需要优化枚举策略。
实际应用中常见的误区包括：其一，把预测时域取得过长，导致计算量指数增长，实时性下降；其二，权重系数凭经验随意设置，未做量纲归一化，造成某一目标被过度放大；其三，忽略采样周期与开关频率的匹配关系，导致预测模型离散化误差增大；其四，在控制集中遗漏零矢量，使稳态纹波明显增大。复盘时应重点检查控制集完整性、权重合理性和预测模型精度。
综上，FCS-MPC的核心思想可以概括为：以变换器固有开关状态为有限控制集，以离散预测模型推演未来，以代价函数量化优劣，以穷举择优直接生成开关信号。理解这四个环节的衔接关系，是后续进行开关状态优化设计的基础。