一种基于改进搜索算法的谐波主动抑制优化方法技术

本发明专利技术公开了一种基于改进搜索算法的谐波主动抑制优化方法，涉及逆变器谐波技术领域；通过构建逆变器电路拓扑结构，获取其对称特性；基于麻雀搜索算法(SSA)引入Circle序列、自适应惯性权重、柯西高斯变异策略，以构建改进的动态搜索算法；基于改进的动态搜索算法，将多目标不等式约束问题转换为单目标问题，通过改进的动态搜索算法迭代计算得到全局最优解；以提高迭代搜索能力，改善收敛效果，降低输出电压谐波畸变率(THD)，满足谐波抑制的电网标准。标准。标准。

【技术实现步骤摘要】
一种基于改进搜索算法的谐波主动抑制优化方法


[0001]本专利技术涉及逆变器谐波
，尤其涉及一种基于改进搜索算法的谐波主动抑制优化方法。

技术介绍

[0002]随着电力电子技术的飞速发展，多电平逆变器系统在中高压电动机调速、光伏发电、不间断电源等领域的应用越来越广泛。PWM调制方式的局限性导致较大的谐波污染问题，特别是，在开关损耗、电磁兼容、波形质量要求较高的领域，如何降低逆变器输出谐波含量成为目前的研究热点。因此，世界各国对电力系统均设定了一系列的并网谐波标准，例如GRID CODE EN 50160REQUIREMENTS+QUALITY GRID CODE CIGRE WG 36
‑
05中规定了电力设备在额定功率运行时电网的谐波电压谐波畸变率(THD)不得超过8％，且对各次谐波含量也设定了限值。
[0003]电平逆变器的脉宽调制方法主要包括多载波PWM技术、电压空间矢量PWM技术和特定谐波抑制PWM技术。其中，特定谐波抑制PWM技术具有开关频率低损耗小、逆变效率高、输出波形质量好、输出滤波器尺寸小等优点，在逆变器PWM控制中尤其是高压大容量多电平逆变器控制方面受到广泛关注。特定谐波抑制PWM技术主要分为特定谐波消除脉宽调制(Selective Harmonic Elimination Pulse Width Modulation，SHEPWM)和特定谐波抑制脉宽调制(Selective Harmonic Mitigation Pulse WidthModulation，SHMPWM)，其最大难点是关于开关角的非线性超越方程组的求解。前者的目标是消除特定次谐波，将特定几个低次谐波完全滤除，但并未对THD以及其他次谐波进行限制，约束条件均为等值约束，求解较为简单。后者要求各奇次谐波幅值均满足电网标准，约束条件既包含等式也包含不等式，且要求THD尽可能的小，以THD最小值作为目标函数进行求解，求解过程复杂。
[0004]特定谐波抑制脉宽调制是近些年提出的谐波削弱技术，因此众多的研究普遍运用于特定谐波消除脉宽调制开关角方程组的求解，关于特定谐波抑制脉宽调制方程组求解算法的研究并不是很多，是否同时适用于特定谐波抑制脉宽调制尚且有待验证。目前，国内外学者对特定谐波消除脉宽调制开关角的求解进行了大量研究与尝试，最早的求解算法集中于利用牛顿法对开关角进行求解，随后学者们又提出了一些基于数值分析法的求解算法，如Walsh变换法、同伦算法、线性逼近法等。传统的数值算法虽然收敛速度快，但对于初值的选取有着严格的要求，因而随之产生如递推法、三角载波PWM等一系列先计算出初值再代入求解的方法，无形之中增加了求解难度。同时大多数数值法仅适用于特定谐波消除脉宽调制方程组以及特定谐波抑制脉宽调制开关角度与待求非线性方程数量相等的特殊情况，其迭代过程中需要对目标方程组求逆，而特定谐波抑制脉宽调制方程组中更多地是包含不等式约束且存在不是方阵的情况，因此绝大多数数值法无法同时适用于两种特定谐波抑制策略。随着控制与计算科学技术的发展，许多基于优化角度的算法陆续被提出，其中包括粒子群寻优法、遗传算法、蚁群算法、麻雀搜索算法等。其中，麻雀搜索算法相较于其他智能算法简单易行，算法早期收敛速度快，广泛用于非线性、不可微的复杂问题优化。在大多数情况
下，所有个体可能很快地收敛于最优解。但是，在具体应用麻雀搜索算法于复杂问题搜索时，麻雀种群中的麻雀个体可能聚集在一个小的解空间内不能飞出，很难再跳出局部最优，出现早熟现象而陷入局部最优。因此，谐波抑制策略的优化既要改进麻雀搜索算法避免其陷入局部最优，提高整体搜索能力，又要降低谐波畸变率，满足谐波抑制的电网标准。

技术实现思路

[0005]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种基于改进搜索算法的谐波主动抑制优化方法，以提高迭代搜索能力，改善收敛效果，降低输出电压谐波畸变率(THD)，满足谐波抑制的电网标准。
[0006]为解决上述技术问题，本专利技术所采取的技术方案是：
[0007]一种基于改进搜索算法的谐波主动抑制优化方法，包括以下步骤：
[0008]S1：构建逆变器电路拓扑结构，获取其对称特性；
[0009]S2：基于麻雀搜索算法(SSA)引入Circle序列、自适应惯性权重、柯西高斯变异策略，以构建改进的动态搜索算法；
[0010]S3：基于改进的动态搜索算法，将多目标不等式约束问题转换为单目标问题，通过改进的动态搜索算法迭代计算得到全局最优解。
[0011]所述S2具体包括以下步骤：
[0012]S2.1：初始化逆变器参数，选择种群大小和最大迭代次数，设定目标函数；
[0013]S2.2：引入Circle序列初始化种群，
[0014]S2.3：引入非线性惯性权重，以改进搜索者的位置更新，更新初始适应度值；
[0015]S2.4：引入柯西高斯变异来对所述改进的动态搜索算法进行优化，挑选适应度最优的个体进行变异进而更新位置；
[0016]S2.5：判断各个体是否满足设定约束条件，若满足条件，更新各个体速度位置，否则转至步骤2.3；
[0017]S2.6：判断是否达到最大迭代次数或者误差值小于设定最小误差值；若满足条件，输出计算结果，得到目标函数的全局最优解；若不满足则转至步骤2.3。
[0018]所述引入Circle序列初始化种群，具体为：采用随机初始化种群，结合Circle映射公式，得到初始化种群，如式(1)所示：
[0019][0020]其中，mod为取余函数；x
k
表示个体位置；a，b为系数；
[0021]所述引入非线性惯性权重，以改进搜索者的位置更新，具体为：
[0022]非线性惯性权重如式(2)所示：
[0023][0024]α、β表示常数；t表示当前迭代次数，iter
max
表示最大迭代次数；
[0025]改进后的探索者的位置更新公式为：
[0026][0027]其中，R为地图罗盘算子，介于0到1之间；ω为惯性权重；表示原始探索者位置；Xb
d
表示地图罗盘在第d维指示的位置，即当前全局最优位置；
[0028]所述引入柯西高斯变异对所述改进的动态搜索算法进行优化，挑选适应度最优的个体进行变异进而更新位置，包括：
[0029]更新后的最优个体位置如式(4)所示：
[0030][0031]其中：
[0032][0033]其中，表示原始最优位置；X
i
表示当前个体位置；f(X
i
)是当前个体位置的适应度值；σ2表示柯西
‑
高斯变异策略的标准差；cauchy(0,σ2)为满足柯西分布的随机变量；Gauss(0,σ2)为满足高斯分布的随机变量；和是随迭代次数自适应调整的动态参数。
[0034]采用上述技术方案所产生的有益效果在于：
[0035]1、本专利技术所采用的一种基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进搜索算法的谐波主动抑制优化方法，其特征在于，包括以下步骤：S1：构建逆变器电路拓扑结构，获取其对称特性；S2：基于麻雀搜索算法引入Circle序列、自适应惯性权重、柯西高斯变异策略，以构建改进的动态搜索算法；S3：基于改进的动态搜索算法，将多目标不等式约束问题转换为单目标问题，通过改进的动态搜索算法迭代计算得到全局最优解。2.如权利要求1所述的基于改进搜索算法的谐波主动抑制优化方法，其特征在于，所述S2具体包括以下步骤：S2.1：初始化逆变器参数，选择种群大小和最大迭代次数，设定目标函数；S2.2：引入Circle序列初始化种群，S2.3：引入非线性惯性权重，以改进搜索者的位置更新，更新初始适应度值；S2.4：引入柯西高斯变异来对所述改进的动态搜索算法进行优化，挑选适应度最优的个体进行变异进而更新位置；S2.5：判断各个体是否满足设定约束条件，若满足条件，更新各个体速度位置，否则转至步骤2.3；S2.6：判断是否达到最大迭代次数或者误差值小于设定最小误差值；若满足条件，输出计算结果，得到目标函数的全局最优解；若不满足则转至步骤2.3。3.如权利要求1所述的基于改进搜索算法的谐波主动抑制优化方法，其特征在于，所述引入Circle序列初始化种群，具体为：采用随机初始化种群，结合Circle映射公式，得到初始...

【专利技术属性】
技术研发人员：茹瑞鹏，李燕杰，郭志强，曹一对，赵春洲，田锦绣，田珑，张春龙，常永祥，杨伟东，王祖杰，路凯，齐冀，石纯，刘尚霖，邵靖宇，陈子林，周文铮，管智峰，
申请(专利权)人：辽宁工程技术大学葫芦岛辽工技大科技有限公司，
类型：发明
国别省市：