一種岸電控制器參數(shù)整定的優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種岸電控制器參數(shù)整定的優(yōu)化方法。
【背景技術(shù)】
[0002] 隨著我國的造船業(yè)和港口貿(mào)易近年來的快速增長，其靠岸船舶帶來的環(huán)境和噪聲 污染還有能源的浪費等問題變得越來越嚴重。為了解決該些問題，各國研究人員提出了許 多解決方法，其中最為有效的解決辦法是利用陸地電網(wǎng)電源給船舶供電，該種方式稱為"岸 電技術(shù)"。
[0003] 岸電技術(shù)中的核屯、部分就是變流器部分，而變流器中的核屯、部分就是控制 部分，現(xiàn)階段大部分岸電控制仍然采用PI控制方式。參數(shù)整定方法有極點配置法、 Ziegler-Nichols頻率響應法和經(jīng)驗整定法等。上述幾種方法需要被控對象的精確模型，也 需要對系統(tǒng)性能和控制參數(shù)整定有想當豐富的經(jīng)驗，同時還要耗費大量時間才能整定出較 好的控制參數(shù)。
[0004] 智能算法如遺傳算法、進化策略、免疫算法和粒子群算法等都具有自尋優(yōu)能力，在 PI參數(shù)優(yōu)化方面的應用近年來受到了廣泛關(guān)注。其中粒子群算法是智能優(yōu)化算法領(lǐng)域中的 一個新分支，于1995年由美國的兩位學者J. Kennedy和R. C.化erhart提出。該算法受鳥 類群體活動啟發(fā)，是一種智能群體隨機捜索算法。當鳥群在捜尋食物時，每個個體可W根據(jù) 自身經(jīng)驗和群體內(nèi)其他個體的經(jīng)驗來不斷調(diào)整自己的位置，雖然每個個行為體看起來是隨 機的，但群體卻表現(xiàn)出驚人的協(xié)同性。PS0作為集群智能算法，其目的是在一個空間內(nèi)不斷 捜索尋優(yōu)，并通過個體和群體的位置變換最終達到最優(yōu)區(qū)域。PS0算法簡單，操作方便，能快 速的優(yōu)化多峰值對象，但隨著多峰值對象的維數(shù)增加和優(yōu)化區(qū)間加大，其致命缺陷則會暴 露出來，那就是優(yōu)化容易陷入局部最優(yōu)值。
[0005] 為了解決容易陷入局部最優(yōu)值該個問題，許多研究人員對其進行了改進。有些將 其他智能算法如：遺傳算法、免疫算法、蟻粒群算法等融入到PS0中，也有些將粒子群本身 做改進，如增加量子力學理論，或者保證粒子群之間的距離不小于最小設(shè)定距離，還有增加 變異或反粒子群等等。該些改進雖然能在一定程度上阻止粒子群陷入局部最優(yōu)值，但該些 理論大部分都運用在其他領(lǐng)域中，或者只是仿真研究。雖有研究人員將粒子群或改進粒子 群運用到變流器控制中，且部分運用到實時控制中，但實時控制最大的缺陷就是系統(tǒng)初始 化或優(yōu)化迭代時，系統(tǒng)容易不穩(wěn)定。其他如離線優(yōu)化和優(yōu)化調(diào)制方式，前者多只進行了理論 驗證，后者則無很好的動態(tài)性能表現(xiàn)。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)不足，提供一種岸電控制器參數(shù)整 定的優(yōu)化方法。
[0007] 為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是；一種岸電控制器參數(shù)整定的 優(yōu)化方法，該方法為：
[0008] 1)連續(xù)岸電控制器輸出電壓，并計算輸出電壓的各次諧波幅值u。和基波幅值u 1， 通過下式計算岸電控制器的適應值Fitness ;
[0009]
[0010] 其中，a = 0. l，b = 1 ;e(k)為k時刻岸電控制器直流側(cè)指令與輸出電壓采樣信號 之間的誤差；n代表岸電控制器輸出電壓的諧波次數(shù)；
[0011] 2)重復上述步驟1)，直到得到N個適應值Fitness,令迭代次數(shù)t = 0 ;
[0012] 3)利用下述第一速度更新公式和第二速度更新公式計算第t+1次迭代的岸電控 制器控制參數(shù)的第一迭代步長Vu(t+1)和第二迭代步長v'u(t+l)或v"u(t+l):
[0013] 所述第一速度更新公式為：
[0014] V。'(t+1)= WV。'(t)+(3江1 (Xi/(t)-X。'(t)) +〇2'2(x/(t)-Xij(t));
[00巧]其中，w為慣性權(quán)重，取值為0. 4~0. 9 ;v。(t)初始化為V。(0) = 0 ;x。(t)為第 t次迭代的由岸電控制參數(shù)構(gòu)成的主粒子群，Xu(t)大小為NX4, xy(t)的初始值設(shè)定為： 第一列上的粒子取值范圍為[0.07, 1500]，第二列上的粒子取值范圍為[0. 1，20000]，第S 列上的粒子取值范圍為化1，1500]，第四列上的粒子取值范圍為[0. 1，8000] ;Xi/(t)為第 t次迭代的xy(t)中粒子的個體最優(yōu)值，Xi/(t)初始值為Xi/(0) = xy(0);當t > 0時， Xi/(t)確定方法為：比較Xi/(t)與Xi/(t-l)中同一位置的粒子值大小，取較小值作為該位 置上粒子的個體最優(yōu)值；x/(t)為第t次迭代的個體最優(yōu)值的最小值；Ci，C,為加速常數(shù)； ri，r2為[0, 1]區(qū)間的隨機數(shù)；i為粒子群規(guī)模，j表示粒子的維數(shù)；
[0016] 所述第二速度更新公式為：
[0017] V，u(t+l) = X (Vu(t)+C3：ri(yi/(t)-yu(t))+C4r2(y/(t)-yij(t)))或者；
[001 引 v"u(t+l) = wVu(t)+Vmax/2+(0. 5-r)yu(1:);
[001引其中，X為壓縮因子巧u(t)大小為NX4, Xu(t)為第t次迭代的第一輔助粒子 群，yij(t)初始化7。(；0)的確定過程如下；y"(；0)的第1~N-m行上的粒子在主粒子群中的 N-m~N個適應值之間取值，Yu (0)的第N-m~N行上的粒子在主粒子群中的1~N-m個適 應值之間取值；為第t次迭代的yy(t)中粒子的個體最優(yōu)值，yi/(t)初始值為yi/(0) =yu(0);當t > 0時，yi/(t)確定方法為；比較與yi/(t-l)中同一位置的粒子值 大小，取較小值作為該位置上粒子的個體最優(yōu)值；y/(t)為第t次迭代的個體最優(yōu)值的最小 值；C3, C4為加速常數(shù)；代表岸電控制參數(shù)最大更新步長；r為[0, 1]區(qū)間的隨機數(shù)；
[0020] 4)分別更新 X。（t+1)和 y。(t+1);
[0021] Xij(t+1) = Xij(t)+Vij(t+1)；
[0022] y。（t+1) = y。' (t) +v' u (t+1)，或者 y。' (t+1) = y。' (t) +v" u (t+1);
[0023] 5)構(gòu)建第二輔助粒子群Zy(t)，該粒子群由主粒子群全局最優(yōu)值組成：
[0024] Zij(t) = |x/(t)+g(0. 5-r) |x/(t)；
[002引其中g(shù)為7;
[0026] 6)令t = t+1，重復上述步驟3)和步驟4)，當t = 20時，將主粒子群和第一輔 助粒子群進行對比，若第一輔助粒子群的某個粒子小于與之同位置的主粒子群粒子，則用Yu(t+1)取代Xu(t+1);
[0027] 7)從t= 20開始，重復上述步驟3)和步驟4)，當t= 29時，通過步驟5)產(chǎn)生第 二輔助粒子群，同時比較x/(29)、y/(29)和Zi/(29)的大小，選取使適應值最小的粒子群作 為最終的輸出；
[002引 8)將步驟7)得到的輸出作為岸電控制器的控制參數(shù)。
[0029] N = 15 ;Ci，C2均為 2; X為 4. 1 ;m = 5。
[0030] 與現(xiàn)有技術(shù)相比，本發(fā)明所具有的有益效果為：本發(fā)明將ITAE和T皿分別乘W不 同的系數(shù)組合成一個多目標函數(shù)，該多目標函數(shù)可W作為岸電逆變輸出電壓質(zhì)量好壞和跟 蹤速度快慢的標準；優(yōu)化方法采用的是多粒子群多路徑PS0方法，該改進方法相較于標準 PS0和帶壓縮因子的PS0方法在優(yōu)化時陷入局部最優(yōu)值的可能性更小，且在陷入局部最優(yōu) 值后能保證跳出該狀態(tài)，通過改進PS0優(yōu)化，最終保證岸電控制器有較佳的控制效果。
【附圖說明】
[0031] 圖1是S相逆變的主電路模型；
[0032] 圖2是d，q軸下的雙閉環(huán)控制結(jié)構(gòu)框圖；
[0033] 圖3是多粒子群多路徑PS0的優(yōu)化流程圖；
[0034] 圖4是S相逆變輸出波形圖；
[0035] 圖5是a相輸出電壓與指令電壓的比較圖；
[0