一種可逆變流岸電網(wǎng)側(cè)控制器多參數(shù)優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種可逆變流岸電網(wǎng)側(cè)控制器多參數(shù)優(yōu)化方法。
【背景技術(shù)】
[0002] 我國(guó)造船業(yè)和港口貿(mào)易近年來(lái)的快速增長(zhǎng)，其造成的環(huán)境和噪聲污染還有能源的 浪費(fèi)等問(wèn)題不容忽視。為了節(jié)能環(huán)保，研究人員提出采用岸上電網(wǎng)供電，可W給船舶提供清 潔的電能，該技術(shù)稱為"岸電技術(shù)"。但是傳統(tǒng)岸電變流器中網(wǎng)側(cè)變流器大多采用不控整流， 網(wǎng)側(cè)功率因素低，電網(wǎng)諧波大，且只能單向流動(dòng)。而全控控整流則因能量可雙向流動(dòng)，網(wǎng)側(cè) 功率因素高，且諧波低而被廣泛運(yùn)用。
[0003] 控制器是岸電系統(tǒng)中能量雙向傳輸時(shí)能否穩(wěn)定的重要因素，PI控制器仍然是現(xiàn)階 段岸電系統(tǒng)的主要控制方式。參數(shù)整定方法有Ziegler-Nichols頻率響應(yīng)法、極點(diǎn)配置法 和經(jīng)驗(yàn)整定法等。上述幾種常規(guī)整定方法需要精確的被控對(duì)象傳遞函數(shù)，需要豐富的參數(shù) 整定經(jīng)驗(yàn)，存在整定費(fèi)時(shí)，無(wú)法同時(shí)考慮系統(tǒng)多參數(shù)等不足。
[0004] 智能算法在PI參數(shù)優(yōu)化方面的運(yùn)用近年來(lái)受到了學(xué)者的廣泛關(guān)注。粒子群算法 于1995年由美國(guó)的兩位學(xué)者J.Kennedy和R.C.化erhart提出。該算法的模型來(lái)源于鳥(niǎo)類 群體覓食活動(dòng)，屬于智能群體優(yōu)化算法。當(dāng)鳥(niǎo)群活動(dòng)時(shí)需要遵循幾個(gè)規(guī)則；（1)與鄰近個(gè)體 要保持一定巨鹿；（2)不斷靠近食物點(diǎn)；（3)靠近鳥(niǎo)群中屯、。依靠該些準(zhǔn)則鳥(niǎo)群就能很快找 到食物。PS0模型簡(jiǎn)單，操作起來(lái)方便，能快速的優(yōu)化單峰值對(duì)象，針對(duì)多峰值時(shí)在一定維度 和優(yōu)化范圍內(nèi)雖也能勝任，但隨著多峰值對(duì)象的維度增加和優(yōu)化區(qū)間的擴(kuò)大，其更容易容 易讓優(yōu)化陷入局部最優(yōu)值。
[0005] 研究人員對(duì)標(biāo)準(zhǔn)粒子群進(jìn)行改進(jìn)，主要是為了解決標(biāo)準(zhǔn)粒子群優(yōu)化時(shí)容易陷入局 部最優(yōu)值等問(wèn)題。有將遺傳算法、免疫算法、蟻粒群算法等融入到粒子群中，采取多種優(yōu)化 方式將其他智能群體優(yōu)點(diǎn)運(yùn)用到粒子群中，也有改變?cè)辛Ｗ尤航Y(jié)構(gòu)如對(duì)慣性權(quán)重的改 變，或增加如量子力學(xué)理論，精英粒子理論等等。該些改進(jìn)雖然能有效阻止粒子群陷入局部 最優(yōu)值，但在針對(duì)變流系統(tǒng)優(yōu)化時(shí)，因建模等問(wèn)題，大多數(shù)只是停留在理論研究，或者只是 用于小區(qū)間，小維度內(nèi)的系統(tǒng)實(shí)時(shí)優(yōu)化，實(shí)時(shí)優(yōu)化時(shí)系統(tǒng)迭代過(guò)程中易出現(xiàn)不穩(wěn)定。其他如 優(yōu)化PWM脈沖數(shù)量和脈沖寬度僅僅只能針對(duì)穩(wěn)態(tài)系統(tǒng)，無(wú)法勝任系統(tǒng)動(dòng)態(tài)變化情況。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問(wèn)題是，針對(duì)現(xiàn)有技術(shù)不足，提供一種可逆變流岸電網(wǎng)側(cè) 控制器多參數(shù)優(yōu)化方法。
[0007] 為解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是；一種可逆變流岸電網(wǎng)側(cè)控制 器多參數(shù)優(yōu)化方法，包括W下步驟：
[0008] 1)采集岸電控制器輸出電壓的各次諧波幅值U。和基波幅值Ui，通過(guò)下式計(jì)算岸電 控制器的適應(yīng)值Fitness;
[0009]
[0010] 其中，A= 0. 1，B= 1 ;e(k)為k時(shí)刻岸電控制器直流側(cè)指令與輸出電壓采樣信號(hào) 間的誤差；。代表岸電控制器輸出電壓的諧波次數(shù)；
[0011] 2)重復(fù)上述步驟1)，直到得到L個(gè)適應(yīng)值Fitness,令迭代次數(shù)N= 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(jì)算第N+1次迭代的岸電控 制器控制參數(shù)的第一迭代步長(zhǎng)V。(化1)和第二迭代步長(zhǎng)VI。(化1)或VI'。(化1):
[0013] 所述第一速度更新公式為：
[0014] V。（化1) =WV。'㈱+cr(gi/㈱-X。'㈱）+(3江1 (g"G㈱-X。'㈱）；
[00巧]其中，W取值范圍為0. 5~0.9;vu(腳初始化為vu(0) = 0 ;Xy(N)為第N次迭代 的由岸電控制參數(shù)構(gòu)成的主粒子群，Xu(N)大小為L(zhǎng)X4，Xu(N)的初始值設(shè)定為：第一列上 的粒子取值范圍為[0.09, 1500]，第二列上的粒子取值范圍為[10,50000]，第S列上的粒 子取值范圍為[0.09, 1500]，第四列上的粒子取值范圍為[10,8000] ;gi/(N)為第N次迭代 的X。㈱中粒子的個(gè)體最優(yōu)值，gi/(N)初始值為gi/(0) =xu(0);當(dāng)N> 0時(shí)，gi/(腳確 定方法為；比較(腳與gi/(N-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(gè)體最優(yōu)值；gd/(N)為第N次迭代的個(gè)體最優(yōu)值的最小值，即全局最優(yōu)值；C，Cl為加速常 數(shù)；r，ri為[0, 1]區(qū)間的隨機(jī)數(shù)；i為粒子群規(guī)模，j表示粒子的維數(shù)；d代表某一組4維粒 子；
[0016] 所述第二速度更新公式為：
[001引其中，P為壓縮因子：
，;xlu㈱大小為L(zhǎng)X4，xlu(腳為 第N次迭代的第一輔助粒子群，xlu(N)初始化xlu(O)的確定過(guò)程如下；xlu(O)的第1~km行上的粒子在第km~L個(gè)適應(yīng)值之間取值，xly(0)的第km~L行上的粒子在第1~ L-m個(gè)適應(yīng)值之間取值；gli/(N)為第N次迭代的xly(腳中粒子的個(gè)體最優(yōu)值，gli/(腳初 始值為gli/(0) =xly(O);當(dāng)N> 0時(shí)，gli/㈱確定方法為：比較glyP㈱與gli/(N-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(gè)體最優(yōu)值；gl"/(N)為第N次迭 代的個(gè)體最優(yōu)值的最小值，即全局最優(yōu)值；C2，C3為加速常數(shù)；r2，r3為[0, 1]區(qū)間的隨機(jī)數(shù)； Vly㈱初始化為vlu(0) = 0 ;Vm"代表岸電控制參數(shù)最大更新步長(zhǎng)，取值為0. 1倍粒子最 大優(yōu)化區(qū)間；r4為[0, 1]區(qū)間的隨機(jī)數(shù)；0代表某一組4維粒子；
[0020] 4)分別更新Xu〇J+l)和xlu〇J+l);
[002"Xu0J+l) =XuW+Vu0J+l);
[0022] xl。（化1) = xlu(腳+vlu(化1)，或者xlu(化1) = xlu(腳+vl' u(化1);
[0023]5)構(gòu)建第二輔助粒子群Gu(N)，第二輔助粒子群由主粒子群全局最優(yōu)值組成：
[0024]G。（腳=Ig"G㈱+e(0. 5-r)Ig"G(腳；
[002引其中，e為7,r為[0,U區(qū)間的隨機(jī)數(shù)，G。㈱大小為L(zhǎng)X4;
[002引 6)令N=化1，重復(fù)上述步驟3)和步驟4)，當(dāng)N= 20時(shí)，將主粒子群和第一輔 助粒子群進(jìn)行對(duì)比，若第一輔助粒子群的某個(gè)粒子小于與之同位置的主粒子群粒子，則用xlu(化1)取代X。.(化1);
[0027]。從N= 20開(kāi)始，重復(fù)上述步驟如、步驟4)和步驟巧，當(dāng)N= 29時(shí)，通過(guò)步驟 5)產(chǎn)生第二輔助粒子群，同時(shí)比較xu(29)、xlu(29)和gy(29)的大小，選取適應(yīng)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)。
[002引本發(fā)明中，1^ = 25;(3，（31取值為2;02、03取值為2.05;口為4.1;111 = 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(gè)多目標(biāo)函數(shù)，該多目標(biāo)函數(shù)可W作為可逆岸電系統(tǒng)中變流器直流側(cè)電 壓的紋波大小、網(wǎng)側(cè)電流質(zhì)量好壞和功率因素大小的評(píng)判標(biāo)準(zhǔn)；優(yōu)化算法采用的是多粒子 群多路徑PS0,該改進(jìn)算法相較于標(biāo)準(zhǔn)PS0和帶壓縮因子的PS0在優(yōu)化時(shí)陷入局部最優(yōu)值的 可能性更小。
【附圖說(shuō)明】
[0031] 圖1是岸電系統(tǒng)網(wǎng)側(cè)變流器的主電路拓?fù)鋱D；
[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a相網(wǎng)側(cè)電流與電網(wǎng)的波形圖；
[00巧]圖5是直流側(cè)電壓與指令電壓的波形圖；
[003引圖6是a相網(wǎng)側(cè)電流的FFT分析圖；
[0037] 圖7是改進(jìn)PS0優(yōu)化的適應(yīng)值變化曲線圖。
【具體實(shí)施方式】
[0038] 多粒子群多路徑PS0在可逆岸電系統(tǒng)中網(wǎng)側(cè)變流器PI參數(shù)優(yōu)化，通過(guò)控制參數(shù)的 的優(yōu)化使系統(tǒng)參數(shù)間接得到優(yōu)化，其中外環(huán)P的優(yōu)化區(qū)間為[0.09, 1500]，外環(huán)I的優(yōu)化區(qū) 間為[10, 50000];內(nèi)環(huán)P的優(yōu)化區(qū)間為化09, 1500]，內(nèi)環(huán)I的優(yōu)化區(qū)間為[10, 8000]。優(yōu) 化迭代次數(shù)為30次，粒子群數(shù)量為25,被控對(duì)象則是基于雙閉環(huán)PI控制的網(wǎng)側(cè)變流器。改 進(jìn)PS0的優(yōu)化包括W下步驟：
[0039] 首先主粒子群初始化，在優(yōu)化區(qū)間內(nèi)隨機(jī)產(chǎn)生初始值，通過(guò)對(duì)主粒子群中每個(gè)控 制參數(shù)的適應(yīng)值從小到大進(jìn)行排列，并選取適應(yīng)值較大的部分控制參數(shù)組成第一輔助粒子 群。主粒子群和第一輔助粒子群此時(shí)還需要對(duì)個(gè)體優(yōu)值和全局優(yōu)值進(jìn)行初始化（粒子群中 最小適應(yīng)值的控制參數(shù)作為全局最優(yōu)值，整個(gè)粒子群作為個(gè)體最優(yōu)值）。
[0040] 初始化完成后便進(jìn)入迭代尋優(yōu)環(huán)節(jié)，此時(shí)粒子群進(jìn)行速度更新和位置更新來(lái)替換 原來(lái)控制參數(shù)，從而進(jìn)行尋優(yōu)，其中主粒子群的速度更新公式為：
[0041 ] V。' 卿+1) =wv。'㈱+cr(gi/㈱-X。'㈱)+(3江1 (g"G㈱-X。'㈱)
[0042] 主粒子群速度更新公式為當(dāng)前優(yōu)化迭代時(shí)，可逆岸電網(wǎng)側(cè)變流系統(tǒng)的控制參數(shù)根 據(jù)全局最優(yōu)值和個(gè)體最優(yōu)值按照一定規(guī)律產(chǎn)生更新步長(zhǎng)。位置更新公式為：
[0043] x(^l)=x(N)+v(^l)
[0044] 位置更新公式是新的控制參數(shù)在原有參數(shù)通過(guò)一定步長(zhǎng)來(lái)代替。第一輔助粒子群 的位置更新公式與主粒子群的位置更新公式相同。速度更新公式有兩種，其一為：
[0045]
[0046] 第一輔助粒子群速度更新公式為當(dāng)前優(yōu)化迭代時(shí)，可逆岸電網(wǎng)側(cè)變流系統(tǒng)的控制 參數(shù)根據(jù)全局最優(yōu)值和個(gè)體最優(yōu)值按照一定規(guī)律產(chǎn)生更新步長(zhǎng)。第二種速度更新公式為：
[0047] Vlw(化 1) =WVlw(腳 +Vmax/化（0. 5寸4)Xlw(腳
[0048] 此公式為速度隨機(jī)更新方式，缺少全局最優(yōu)值和個(gè)體最優(yōu)值的引導(dǎo)，雖能提供一 種隨機(jī)性較大尋優(yōu)路徑，間接的擴(kuò)大了粒子群在控制參數(shù)優(yōu)化區(qū)間的捜索范圍，但只能具 有較小的更新概率（僅為0. 1)。
[0049] 粒子群優(yōu)化初期由于慣性權(quán)重值很大，只需要進(jìn)行速度和位置更新，通過(guò)更新粒 子群，可在一定程度上不斷發(fā)現(xiàn)更優(yōu)區(qū)間。迭代中期（10-20代），由于權(quán)重值的減小，可能 陷入局部最優(yōu)質(zhì)的概率不斷在增加，為了在一定程度上增加粒子群的多樣性，需將主粒子 群進(jìn)行變異，為了不影響整體優(yōu)化，只變異差粒子。
[0050] 粒子群優(yōu)化后期（20代W后），為了讓優(yōu)化只朝著更好的方向行進(jìn)，主粒子群的變 異為有條件變異，只有變異后的效果好于變異前的效果則進(jìn)行變異。于此同時(shí)第一輔助粒 子群開(kāi)始參與到主粒子群優(yōu)化，不斷尋找更優(yōu)粒子（更優(yōu)控制參數(shù)）來(lái)取代主粒子群中原 有較差粒子。第一輔助粒子群作為一個(gè)全局輔助群體，增加了主粒子群的尋優(yōu)范圍，大大提 高了尋優(yōu)能力，加速了主粒子群的優(yōu)化進(jìn)程。
[0051] 粒子群優(yōu)化末期（29代W后），此時(shí)主粒子群和第一輔助粒子群的全局輔助失去 全局尋優(yōu)作用，為了更進(jìn)一步的精細(xì)捜索，在主粒子群的全局最優(yōu)值基礎(chǔ)上形成一個(gè)無(wú)速 度更新的粒子群，稱為第二輔助粒子群。該輔助粒子群能在一定程度上為主粒子群提供更 優(yōu)質(zhì)的信息。
[00