MATLAB基于转换器 (MMC) 技术和电压源转换器 (VSC) 的高压直流 (HVDC) 模型附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

高压直流输电 (HVDC) 作为一种高效、可靠的远距离电力输送方式，在现代电力系统中扮演着日益重要的角色。HVDC 系统能够克服交流输电系统在长距离传输中的固有缺陷，如电容效应、电感效应导致的电压不稳定和功率损耗，以及不同区域电网频率不一致的问题。而换流器作为 HVDC 系统的核心设备，其性能直接决定了整个系统的运行效率和稳定性。近年来，基于模块化多电平换流器 (Modular Multilevel Converter, MMC) 技术和电压源换流器 (Voltage Source Converter, VSC) 的 HVDC 系统逐渐成为主流，并在实际工程中得到广泛应用。本文将对基于 MMC 技术和 VSC 的 HVDC 系统模型进行深入探讨，重点关注其建模方法、模型特点以及在仿真分析中的应用。

1. HVDC 系统简介与换流器技术发展

HVDC 系统主要由换流站、直流线路和接地极组成。换流站的功能是将交流电转换为直流电，并将其输送到远端的另一个换流站，再将直流电转换回交流电，最终接入交流电网。换流器是换流站的核心设备，其早期采用的是晶闸管换流器 (Thyristor Converter)，也称为线路换相换流器 (Line-Commutated Converter, LCC)。LCC-HVDC 技术成熟，成本较低，但存在固有的缺陷，例如需要外部无功功率支撑、无法实现有功功率和无功功率的独立控制、容易受到交流系统短路故障的影响等。

VSC-HVDC 技术的出现克服了LCC-HVDC的缺陷。VSC 采用自关断器件，如绝缘栅双极晶体管 (IGBT) 等，具有独立控制有功和无功功率的能力，无需外部无功功率支撑，并且可以快速响应电网扰动。传统的两电平或三电平 VSC 结构存在谐波含量高、开关频率高等问题。为了进一步提高 VSC 的性能，MMC 技术应运而生。

MMC 采用模块化结构，由多个子模块 (Submodule, SM) 串联组成，每个子模块可以独立控制其输出电压。通过控制子模块的投切状态，可以实现多电平的电压输出，从而大大降低谐波含量，提高换流器的效率和稳定性。MMC 具有模块化、可扩展性强、谐波含量低、动态响应快等优点，逐渐成为 HVDC 技术的主流发展方向。

2. 基于 VSC 的 HVDC 模型

基于 VSC 的 HVDC 模型的建立主要分为两个层次：系统级模型和设备级模型。

• 系统级模型: 系统级模型主要关注 HVDC 系统与交流电网的交互，通常将 VSC 简化为一个可控电压源或电流源，通过控制其电压或电流输出来实现对有功功率和无功功率的控制。这种模型忽略了 VSC 内部的详细结构，重点关注其外部特性。在仿真软件中，可以使用电力系统分析工具箱 (如 SimPowerSystems) 提供的 VSC 模型，通过设置合适的控制策略来模拟 VSC 的运行。

  系统级模型通常采用 dq 坐标系，将交流电压和电流分解为 d 轴和 q 轴分量，通过控制 d 轴和 q 轴电流来分别控制有功功率和无功功率。常用的控制策略包括电流内环和电压外环控制、直接功率控制 (Direct Power Control, DPC) 等。

• 设备级模型: 设备级模型关注 VSC 内部的详细结构，包括 IGBT、二极管、电容等元件。这种模型能够更真实地反映 VSC 的运行特性，可以用于分析 VSC 的谐波特性、开关损耗等问题。设备级模型的复杂度较高，计算量较大，通常用于 VSC 的详细设计和性能评估。

  设备级模型通常采用详细的电路模型，需要对每个元件进行建模，并通过仿真软件进行求解。这种模型能够更准确地反映 VSC 的动态特性，但计算量较大，仿真时间较长。

3. 基于 MMC 的 HVDC 模型

基于 MMC 的 HVDC 模型比基于传统 VSC 的 HVDC 模型更加复杂，因为需要考虑 MMC 的模块化结构以及各个子模块的控制。MMC 的建模方法主要分为以下几种：

• 平均模型 (Average Model): 平均模型将 MMC 的每个子模块等效为一个可控电压源，通过控制这些电压源的输出来实现对 MMC 的控制。平均模型忽略了 MMC 内部的开关细节，计算量较小，适合于系统级仿真。

  平均模型通常将 MMC 的上下桥臂等效为两个可控电压源，通过控制这两个电压源的输出来控制 MMC 的输出电压和电流。平均模型能够较好地反映 MMC 的动态特性，但无法准确地模拟 MMC 的谐波特性。

• 简化模型 (Simplified Model): 简化模型在平均模型的基础上，考虑了 MMC 的一些关键特性，例如子模块电容的电压波动、环流等。简化模型比平均模型更加准确，但计算量仍然较小，适合于中等规模的仿真。

  简化模型通常将 MMC 的每个子模块等效为一个开关元件和一个电容，通过控制开关元件的投切状态来控制子模块的输出电压。简化模型能够较好地反映 MMC 的电压波动和环流特性，但仍然无法准确地模拟 MMC 的详细开关特性。

• 详细模型 (Detailed Model): 详细模型对 MMC 的每个子模块进行详细建模，包括 IGBT、二极管、电容等元件。详细模型能够最真实地反映 MMC 的运行特性，可以用于分析 MMC 的谐波特性、开关损耗等问题。详细模型的复杂度最高，计算量最大，通常用于 MMC 的详细设计和性能评估。

  详细模型通常采用详细的电路模型，需要对每个元件进行建模，并通过仿真软件进行求解。这种模型能够更准确地反映 MMC 的动态特性和谐波特性，但计算量较大，仿真时间较长。

4. 模型选择与仿真平台

在选择 HVDC 系统模型时，需要根据具体的仿真目的进行选择。如果需要进行系统级仿真，例如分析 HVDC 系统与交流电网的交互、研究 HVDC 系统的控制策略等，可以选择平均模型或简化模型。如果需要进行设备级仿真，例如分析 MMC 的谐波特性、评估 MMC 的开关损耗等，则需要选择详细模型。

常用的 HVDC 系统仿真平台包括 MATLAB/Simulink、PSCAD/EMTDC、DIgSILENT PowerFactory 等。MATLAB/Simulink 具有强大的仿真功能和丰富的工具箱，可以方便地建立 HVDC 系统的各种模型。PSCAD/EMTDC 是一款专门用于电力系统暂态仿真的软件，具有较高的仿真精度和速度，适合于进行大规模的电力系统仿真。DIgSILENT PowerFactory 是一款集电力系统规划、分析和仿真于一体的软件，可以用于进行各种类型的电力系统仿真。

5. 结论与展望

基于 MMC 技术和 VSC 的 HVDC 系统在现代电力系统中扮演着越来越重要的角色。建立 accurate and reliable 的 HVDC 系统模型对于 HVDC 系统的设计、控制和运行具有重要意义。本文对基于 VSC 和 MMC 的 HVDC 系统模型进行了深入探讨，重点关注了其建模方法、模型特点以及在仿真分析中的应用。

随着电力系统技术的不断发展，HVDC 系统模型也将不断完善和发展。未来的研究方向包括：

• 更准确的 MMC 模型: 研究更准确的 MMC 模型，例如考虑 MMC 的开关损耗、电磁干扰等因素，提高 MMC 模型的仿真精度。

• 更快速的仿真算法: 研究更快速的仿真算法，例如采用并行计算技术，提高 HVDC 模型的仿真速度。

• 更智能的控制策略: 研究更智能的控制策略，例如采用人工智能技术，提高 HVDC 系统的自适应性和可靠性。

⛳️ 运行结果

🔗 参考文献

[1] 胡兆庆,毛承雄,陆继明.一种优化控制策略在基于电压源换流器的HVDC系统中的应用[J].电网技术, 2004, 28(10):4.DOI:10.3321/j.issn:1000-3673.2004.10.009.

[2] 张桂斌,徐政,王广柱.基于VSC的直流输电系统的稳态建模及其非线性控制[J].中国电机工程学报, 2002, 22(1):17-22.DOI:10.3321/j.issn:0258-8013.2002.01.004.

[3] 赵成勇,李金丰,李广凯.基于有功和无功独立调节的VSC-HVDC控制策略[J].电力系统自动化, 2005, 29(009):20-24,30.DOI:10.3321/j.issn:1000-1026.2005.09.005.

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇