一种基于混沌改进猫群算法的SAPF参数辨识方法

一种基于混沌改进猫群算法的sapf参数辨识方法
技术领域
1.本发明涉及电力技术领域，具体涉及一种基于混沌改进猫群算法的并联有源电力滤波器(sapf)参数辨识方法。


背景技术：

2.微电网(micro
‑
grid,mg)的概念是在21世纪初被正式提出的，与传统大电网的区别在于微电网的电源由分布式发电的方式提供。由于近些年电力电子行业的高速发展与进步，许多新型电气装置和设备投入到了微电网中，这使得电能生产效率得到提升的同时也不可避免的带来了一些电能质量问题，也在一定程度上影响微电网的进一步发展。微电网作为近十来年出现的电网新型发展方向，对它的研究仍在不断地进行中。
3.目前，微电网中许多电能质量问题等待研究与解决。由于微电网非线性负载投入的愈加频繁，因而微网中的谐波问题更为常见。谐波会影响电力设备的正常运行，增大损耗，降低设备使用寿命，甚至还有可能发生谐振，导致仪表出现异常指示，使得继电保护装置做出一些错误动作等等。在电网运行期间，随着如非线性负载等其它电气设备的接入，许多谐波注入其中，超过一定标准的谐波含量将会严重威胁了电气设备的安全和稳定运行。对电网的安全和正常运行造成非常大的影响。因此，为了改善对微电网的电能质量，针对微电网谐波抑制的研究内容具有重大的现实意义，而并联有源电力滤波器(shunt active power filter,sapf)可以有效地抑制谐波并实时补偿无功功率，所以其已成为最常用的电能质量治理设备之一。
4.sapf在进行谐波补偿工作时，直流侧电容c两端的电压会产生变化，比如，系统工作运行过程中的损耗也会使直流侧电压值变小。这种电压变大或变小的不稳定变化会影响sapf输出合理的补偿电流，导致最终谐波补偿结果不理想。因此，对于sapf直流侧电压，需要使用某种方法来对它进行控制，使其稳定在某一参考值附近有利于保证谐波补偿的精度。
5.为了使sapf直流侧电压维持稳定，本发明采用pi控制器对sapf直流侧电压进行控制。


技术实现要素：

6.sapf直流侧电压控制环节采用的是pi控制器来实现直流侧电压的稳定。在pi控制器参数整定过程中，提出了一种基于混沌改进猫群算法(chaos improved cat cwarm optimization，cicso)的控制器参数整定方法，并与粒子群算法(pso)优化结果对比，结果表明，cicso算法在sapf系统控制参数整定的寻优能力更好，控制效果更佳。
7.本发明具体采用以下技术方案：
8.一种基于混沌猫群算法的sapf参数辨识方法，包括以下步骤：
9.step1：初始化猫群，设置猫群优化算法的群体大小为n，最大迭代次数为k
max
，；分组率mr，随机初始化猫群体位置；
10.step2：计算种群中所有猫的适应度值fitness，选取并记录种群中适应度最佳的猫；
11.step3：根据mr将猫群随机分组，mr表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，mr一般为一个较小的值，以确保猫群中的大部分猫处于搜寻模式，少数猫处于跟踪模式；
12.step4：搜寻模式：复制猫个体，将复制好的个体存入记忆池smp中，复制猫的个体数由其适应度值的大小决定，适应度值越高，被复制的个体数目相对越多，复制个体的公式为：
[0013][0014]
式中：n
i
为第i只猫的复制个体数；n
sum
为复制的个体总数；fitness
i
为第i只猫的适应度；n为猫的初始化群体总数。执行变异算子，即随机在原来的位置上加一个扰动，达到新的位置来代替原来的位置，更新smp，计算smp中所有个体的适应度值；执行选择算子，通过计算smp中适应度值最小的候选点来代替当前猫的位置，完成算法输出参数的更新；
[0015]
step5：跟踪模式：整个猫群经历过的最好的位置，即为目前搜索到的最优解为xbest(n)。每个猫的速度为v
i
，速度更新公式如下：
[0016]
v
i
(n+1)＝v
i
(n)
×
w+c
×
rand
×
((n)
‑
v
i
(n))
[0017]
式中：v
i
(n+1)表示更新后第i只猫的速度值；c为常量；rand为[0 1]之间的随机数。惯性权重w更新公式如下：
[0018][0019]
其中，k为迭代指标；，k
max
为最大迭代数；每个猫的位置更新公式如下：
[0020]
x
i
(n+1)＝x
i
(n)+v
i
(n+1)
[0021]
式中x
i
(n+1)表示位置更新后第i只猫的位置。计算适应度值，用适应度值最小的猫更新最初的猫的位置；
[0022]
step6：记录保留种群中适应度最优的猫；
[0023]
step7：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，判断全局最优解是否得到改善，若改善了，则重复步骤step2到step6；否则根据(1)式对常规变量进行映射变换，映射之后的混沌变量处[0 1]于之间，运用(2)式对混沌变量进行混沌映射得到再通过(3)式对混沌变量进行映射变换，得到下一次迭代中的常规变量重复步骤step2到step6；
[0024][0025][0026]
[0027]
step8：根据step7求得的最优结果，求出分别求出并联有源滤波器的直流侧电压控制环节的pi控制器参数kp、ki。
[0028]
进一步方案是，步骤step2中所述适应度值j
i
，运行仿真模型,选取并记录最优适应度值对应猫的位置和适应值，即：当前最优解。因为itae能够有效减小初始误差对输出响应的影响，同时还能放大调节后期的偏差作用，系统动态响应速度快。因此，选用将时间乘偏差绝对值积分(itae)作为cicso适应度函数j
i
。j
i
公式为：
[0029][0030]
偏差e1(t)为sapf直流侧电压u
dc
与参考电压u
ref
之间的差值，如下：
[0031]
e1(t)＝
△
u
dc
＝u
ref
‑
u
dc
；
[0032]
进一步方案，步骤step7中所述的混沌映射为tent混沌映射。tent映射又被称为帐篷映射，是分段线性的一维映射，与logistic相比，其具有均匀的功率谱密度、概率密度和理想的相关特性，更快的迭代速度，数学表达式为:
[0033]
x
n+1
＝a
‑1‑
a|x
n
|,a∈(1,2)
[0034]
当a≤1时，tent混沌映射处于稳定状态；当a>1时，处于混沌状态；当a＝2时，为中心tent映射，其数学表达式为:
[0035][0036]
本发明的有益效果：
[0037]
通过本发明不需要了解问题的特殊信息，只需要对问题进行优劣的比较，为了提高sapf的补偿效果，提出了一种基于群体智能算法的sapf优化控制系统，解决了sapf系统控制参数整定不佳问题。具体为引入群体智能算法中的cicso算法对其控制器进行参数整定，提升了系统控制性能。补偿后电网电流的谐波畸变率thd值更小。大大提高了谐波补偿的有效性和实时性，降低了稳态误差。
[0038]
由于猫群算法能够同时进行局部搜索和全局搜索，与此同时在猫群的基础上引进了混沌算法提高了算法遍历性,大大地提高了全局最优解的收敛速度。对并联有源电力滤波器参数辨识具有重大意义。
附图说明
[0039]
图1为本发明基于cicso算法的sapf控制系统优化流程图；
[0040]
图2为本发明实施例中pso、cicso寻优适应度值曲线图；
[0041]
图3为本发明实施例中cicso寻优后sapf直流侧电压图；
[0042]
图4为本发明实施例中sapf补偿前电流thd图；
[0043]
图5为本发明实施例中sapf补偿后电流thd图；
[0044]
图6为本发明实施例中sapf补偿前电流图；
[0045]
图7为本发明实施例中sapf补偿后电流图。
具体实施方式
[0046]
下面将结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述。
[0047]
如图1
‑
7所示，本发明的一个实例公开了一种基于混沌改进猫群算法的并联有源电力滤波器的控制参数整定方法，包括以下步骤：
[0048]
step1：初始化猫群，设置猫群优化算法的群体大小为n，最大迭代次数为k
max
，；分组率mr，随机初始化猫群体位置；
[0049]
step2：计算种群中所有猫的适应度值fitness，选取并记录种群中适应度最佳的猫；
[0050]
step3：根据mr将猫群随机分组，mr表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，mr一般为一个较小的值，以确保猫群中的大部分猫处于搜寻模式，少数猫处于跟踪模式；
[0051]
step4：搜寻模式：复制猫个体，将复制好的个体存入记忆池smp中，复制猫的个体数由其适应度值的大小决定，适应度值越高，被复制的个体数目相对越多，复制个体的公式为：
[0052][0053]
式中：n
i
为第i只猫的复制个体数；n
sum
为复制的个体总数；fitness
i
为第i只猫的适应度；n为猫的初始化群体总数。执行变异算子，即随机在原来的位置上加一个扰动，达到新的位置来代替原来的位置，更新smp，计算smp中所有个体的适应度值；执行选择算子，通过计算smp中适应度值最小的候选点来代替当前猫的位置，完成算法输出参数的更新；
[0054]
step5：跟踪模式：整个猫群经历过的最好的位置，即为目前搜索到的最优解为xbest(n)。每个猫的速度为v
i
，速度更新公式如下：
[0055]
v
i
(n+1)＝v
i
(n)
×
w+c
×
rand
×
((n)
‑
v
i
(n))
[0056]
式中：v
i
(n+1)表示更新后第i只猫的速度值；c为常量；rand为[0 1]之间的随机数。惯性权重w更新公式如下：
[0057][0058]
其中，k为迭代指标；，k
max
为最大迭代数；每个猫的位置更新公式如下：
[0059]
x
i
(n+1)＝x
i
(n)+v
i
(n+1)
[0060]
式中x
i
(n+1)表示位置更新后第i只猫的位置。计算适应度值，用适应度值最小的猫更新最初的猫的位置；
[0061]
step6：记录保留种群中适应度最优的猫；
[0062]
step7：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，判断全局最优解是否得到改善，若改善了，则重复步骤step2到step6；否则根据(1)式对常规变量进行映射变换，映射之后的混沌变量处[0 1]于之间，运用(2)式对混沌变量进行混沌映射得到再通过(3)式对混沌变量进行映射变换，得到下一
次迭代中的常规变量重复步骤step2到step6；
[0063][0064][0065][0066]
step8：根据step7求得的最优结果，求出并联有源滤波器的直流侧电压控制环节的pi控制器参数kp、ki。
[0067]
在本实例中在本实例中step2中所述适应度值j
i
，运行仿真模型,选取并记录最优适应度值对应猫的位置和适应值，即：当前最优解。因为itae能够有效减小初始误差对输出响应的影响，同时还能放大调节后期的偏差作用，系统动态响应速度快。因此，选用将时间乘偏差绝对值积分(itae)作为cicso适应度函数j
i
。j
i
公式为：
[0068][0069]
偏差e1(t)为sapf直流侧电压u
dc
与参考电压u
ref
之间的差值。如下：
[0070]
e1(t)＝
△
u
dc
＝u
ref
‑
u
dc
；
[0071]
在本实例中step7中所述的混沌映射为tent混沌映射。tent映射又被称为帐篷映射，是分段线性的一维映射，与logistic相比，其具有均匀的功率谱密度、概率密度和理想的相关特性，更快的迭代速度，数学表达式为:
[0072]
x
n+1
＝a
‑1‑
a|x
n
|,a∈(1,2)
[0073]
当a≤1时，tent混沌映射处于稳定状态；当a>1时，处于混沌状态；当a＝2时，为中心tent映射，其数学表达式为:
[0074][0075]
如图2至图7所示，在本实例中使用算法中参数取值如下：粒子群维数为2，粒子群规模为20，最大迭代次数是30。混沌改进猫群算法的维数为2，种群总进化数30，记忆池大小为3。
[0076]
采用本发明提出的基于混沌改进猫群算法(cicso)优化sapf直流侧控制，并与粒子群算法(pso)优化结果进行对比，本发明相比传统pso算法优化，收敛速度更快，寻优精度更高，sapf直流侧电压稳定效果更好，谐波补偿效果更佳。
[0077]
最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。