← 返回
分层约束模型预测控制在WPT系统多目标优化中的应用
Hierarchical-Constraint Model Predictive Control for Multi-Objective Optimization of WPT System
| 作者 | Hualei Zheng · Fei Xu · Xiaoning Li LiXN · Zhixin Chen · Xian Zhang · Chi K. Tse |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年8月 |
| 技术分类 | 储能系统技术 |
| 技术标签 | 储能系统 模型预测控制MPC |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 无线电能传输 分层约束模型预测控制 零电压开关 输出调节 效率优化 |
语言:
中文摘要
现有无线电能传输（WPT）系统的控制方法难以同时实现零电压开关（ZVS）、输出稳定和效率优化。为解决这一问题，本文通过将控制结构划分为具有优先级的层次，提出了一种分层约束模型预测控制（HCMPC）方法。HCMPC无需使用复杂的加权因子，即可同时实现零电压开关、输出调节和效率优化。实验结果表明，在30至80 Ω的宽负载范围内，HCMPC的输出电压误差低于0.5%，效率高于90%。在负载瞬变情况下，稳定时间分别为12 ms和15 ms。同时，WPT系统可确保在整个负载范围内所有开关均能实现零电压开关。所提出的方法为WPT系统提供了一种稳健且可扩展的解决方案，拓宽了其在电动汽车和消费电子产品中的实际应用范围。
English Abstract
Existing control methods for wireless power transfer (WPT) systems struggle to achieve zero voltage switching (ZVS), output stability, and efficiency optimization at the same time. To address this problem, this letter proposes a hierarchicalconstraint model predictive control (HCMPC) method by structuring the control into prioritized layers. HCMPC can achieve ZVS, output regulation, and efficiency optimization simultaneously without using complex weighting factors. Experimental results illustrate that HCMPC delivers an output voltage error below 0.5% and efficiency above 90% over a wide load range from 30 to 80 Ω. Under load transients, the settling times are 12 ms and 15 ms, respectively. Meanwhile, the WPT system can ensure ZVS for all switches in the whole load range. The proposed approach provides a robust and scalable solution for WPT systems, broadening their practical deployment in electric vehicles and consumer electronics products.
S
SunView 深度解读
从阳光电源的业务视角来看，这篇关于无线电能传输（WPT）系统分层约束模型预测控制的研究具有重要的技术参考价值和潜在应用前景。
该论文提出的HCMPC方法通过分层优先级结构，同时实现了零电压开关（ZVS）、输出稳定性和效率优化的多目标控制，这与我们在光伏逆变器和储能变流器领域追求的高效率、高可靠性目标高度契合。实验数据显示该方法在30-80Ω宽负载范围内保持90%以上效率，输出电压误差低于0.5%，暂态响应时间仅12-15毫秒，这些性能指标对我们的产品优化具有借鉴意义。
从业务应用角度，该技术在电动汽车无线充电领域的潜力与我们的新能源车载电源业务形成战略协同。特别是在储能系统与电动汽车充电设施的集成方案中，无线充电技术可提升用户体验，而高效率控制算法能够降低系统损耗，增强产品竞争力。此外，模型预测控制的多目标优化思路可移植到我们的储能变流器控制策略中，用于平衡功率响应速度、效率和设备应力。
技术挑战方面，WPT系统对气隙变化、异物检测等环境因素敏感，这在户外光储充一体化场景中需要额外考量。同时，模型预测控制的计算复杂度对控制器硬件提出更高要求，需要评估成本效益比。
建议我们的研发团队关注该控制算法在双向功率流场景下的适应性，探索其在V2G（车网互动）、储能双向变流器等产品中的应用可能性，这将为阳光电源在智慧能源生态系统中构建差异化技术优势提供新路径。