【逆变器选择性谐波消除PWM】基于正弦脉宽调制SPWM逆变器以相反相位产生的同阶主谐波消除了低阶谐波（3rd、5th、7th和9th）总谐波失真（THD）Simulink

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

物理应用             机器学习

🔥 内容介绍

摘要

本文将讨论一种基于正弦脉宽调制(SPWM)逆变器的选择性谐波消除PWM技术，该技术通过引入与主谐波相反相位的同阶谐波，有效消除了低阶谐波（3次、5次、7次和9次），从而降低了总谐波失真(THD)。文章将首先介绍SPWM和选择性谐波消除PWM的原理，并阐述该技术在降低谐波污染方面的优势。随后，利用Simulink软件进行仿真，验证选择性谐波消除PWM的有效性，并分析不同参数对谐波抑制效果的影响。最终，本文将对该技术的应用前景进行展望。

一、引言

随着电力电子技术的发展，逆变器在电力系统中扮演着越来越重要的角色。然而，传统的逆变器输出电流中往往存在大量的谐波成分，这些谐波会造成电网电压波形畸变，影响其他设备的正常运行，甚至引发电气安全事故。因此，降低逆变器输出电流谐波含量，是提高电力系统安全性和可靠性的重要课题。

正弦脉宽调制(SPWM)技术是逆变器中常用的控制方法，它可以生成接近正弦波的输出电压波形。但SPWM输出的电压仍存在谐波成分，尤其是低阶谐波，对电网的影响较大。为了有效抑制谐波，学者们提出了多种谐波消除技术，其中选择性谐波消除PWM技术，通过引入与主谐波相反相位的同阶谐波，可以有效消除特定频率的谐波。

二、正弦脉宽调制(SPWM)和选择性谐波消除PWM

2.1 正弦脉宽调制(SPWM)

SPWM技术通过对载波信号和参考信号进行比较，生成脉冲宽度调制信号，从而控制逆变器的输出电压。该技术简单易实现，但其输出电压波形包含大量的谐波，尤其是3次、5次、7次等低阶谐波。

2.2 选择性谐波消除PWM

选择性谐波消除PWM是一种改进的PWM技术，其原理是通过在载波信号中引入特定频率的谐波，使这些谐波与逆变器输出电压中的同阶谐波相互抵消，从而达到消除谐波的目的。

2.3 选择性谐波消除PWM的优势

与传统的SPWM技术相比，选择性谐波消除PWM具有以下优势：

• 谐波抑制效果更佳： 选择性谐波消除PWM可以有效消除特定频率的谐波，而SPWM只能降低谐波整体的含量。

• 提高电网质量： 通过消除谐波，选择性谐波消除PWM可以有效降低电网电压波形畸变，提高电网质量。

• 提高设备效率： 降低谐波可以减少谐波电流对设备的损耗，提高设备效率。

三、Simulink仿真

为了验证选择性谐波消除PWM的有效性，本文使用Simulink软件进行仿真。

3.1 仿真模型

仿真模型包含以下模块：

• 电压源： 模拟直流电源。

• 逆变器： 模拟三相逆变器，采用选择性谐波消除PWM控制策略。

• 负载： 模拟电阻负载。

• 示波器： 观察输出电压波形和电流波形。

3.2 仿真结果分析

仿真结果表明，选择性谐波消除PWM可以有效消除特定频率的谐波。通过调节谐波注入频率和幅值，可以实现对不同频率谐波的有效抑制。

3.3 参数影响分析

仿真结果还表明，谐波注入频率和幅值会影响谐波抑制效果。

• 谐波注入频率： 谐波注入频率应与需要消除的谐波频率一致。

• 谐波注入幅值： 谐波注入幅值应与需要消除的谐波幅值相匹配。

四、结论与展望

本文介绍了基于SPWM逆变器的选择性谐波消除PWM技术，并利用Simulink进行了仿真。仿真结果表明，该技术能够有效消除低阶谐波，降低总谐波失真，提高电网质量。

选择性谐波消除PWM技术在未来的电力电子应用中具有广阔的应用前景。随着电力电子技术的不断发展，选择性谐波消除PWM技术将会得到进一步完善和应用，为提高电力系统效率、降低谐波污染贡献力量。

⛳️ 运行结果

​​​

🔗 参考文献

🎈 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

👇  私信完整代码和数据获取及论文数模仿真定制

1 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、 集装箱船配载优化、 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

2 机器学习和深度学习方面

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

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

2.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

3 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

4 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

5 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

6 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

7 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

8 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

9  雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计