st;
[0073] 2-6)、记全局最优值为gbest。
[0074]步骤(2-3)中微网仿真系统程序fitness的编写的具体步骤如下：
[0075] A1)、通过open_system函数可以打开微网仿真系统；
[0076] A2)、通过set_param函数将微网simulink仿真系统中需要优化的LC滤波器中L和C 的参数值分别设为变量，记为1和c;
[0077] A3 )、通过s im函数运行微网仿真系统；
[0078] A4)、根据要优化的滤波器参数确定作为检验参数优劣标准的目标函数即微网谐 波率，编程写出目标函数微网谐波率，同样设置为一个变量记为THD。
[0079] 步骤⑶包括：
[0080] 3-1)、确定迭代次数是否到达上限，若到达上限，则整个优化过程结束;若没有到 达上限，则跳转至步骤(3-2);
[0081 ] 3-2)、根据下式得粒子速度更新：
[0082] v^+1 - wwf + - xf )
[0083] 根据上式得粒子位置更新：
[0084] xf+1 = xf + vf+1
[0085] 其中i = l，2，...，N是粒子个数，是粒子在第k次迭代中的速度，是粒子i在第k次迭 代中的位置，是粒子i在第k次迭代中的个体最优位置，也记为pbest; X*是粒子i在第k次迭 代中的全局最优位置，也记为gbest;rl和r2为均勾分布于[0,1]之间的随机数，cl和c2为加 速因子，ω为惯性因子。
[0086] 步骤(4)包括：
[0087] 4-1)、再次调用微网仿真系统程序fitness;
[0088] 4-2)、更新粒子适应度值present。
[0089] 步骤(5)包括：
[0090] 5-1 )、根据条件判断粒子当前适应值present是否优于历史最优值pbest，若 present优于pbest则跳转至步骤(5-2)，若不优于则跳转至步骤(6);
[0091 ] 5-2)、用present的值代替pbest中的值，作为当前粒子最优值。
[0092] 步骤(6)包括：
[0093] 6-1)、看算法是否满足结束条件，若不满足则跳转至步骤(3-1)，若满足则跳转至 步骤(6-2);
[0094] 6-2)、更新全局极值gbest，并输出gbest和LC滤波器的最优参数值。
[0095] 微网仿真系统包括两个直流微源，一个大电网，PS0优化微网系统中滤波器的参数 结构图如图3所示。利用该仿真系统验证本发明的可行性，并与采用经验值法得到的LC滤波 器参数进行比较，证明本发明在由并网到孤岛和孤岛到并网两种不同情况下，它可以有效 地优化微网系统中LC滤波器的参数，降低微网负载端输出电压的谐波率。
[0096] 案例1、初始时微网并网运行，仿真时间为0.1 s，两个微源和大电网一起给负载供 电，其中一个微源在〇.〇5s时与负载断开，另一个微源一直为负载提供电能，大电网在0.07s 时断开，微网进入孤岛运行状态。按照经验值法得到L取值为0.000014，C取值为0.0075，谐 波率为〇. 0606。PS0优化L、C参数后，L取值为0.0000103，C取值为0.0098，谐波率为0.0469。 PS0优化滤波器参数所得A、B、C三相波形与经验值法得到滤波器参数所得A、B、C三相波形仿 真结果对比图如图4所示。
[0097] 案例2、初始时微网孤岛运行，仿真时间为0.1 s，一个微源给负载供电，在0.05s时 接入另一个微源一起给负载提供电能，大电网在〇.〇7s时接入，微网进入并网运行状态。按 照经验值法得到L取值为0.000017，C取值为0.006，谐波率为0.0517WS0优化L、C参数后，L 取值为0.000011，C取值为0.009，谐波率为0.0322WS0优化滤波器参数所得A、B、C三相波形 与经验值法得到滤波器参数所得A、B、C三相波形仿真结果对比图如图5所示。
[0098] 上述案例中，通过图4中PS0优化滤波器参数所得A、B、C三相波形与经验值法得到 滤波器参数所得A、B、C三相波形对比，可发现本发明方法优化微网滤波器参数后能够使负 载端输出电压谐波率从6.06%降低到4.69%，有效降低微网从并网到孤岛切换过程中的负 载端输出电压谐波率；同样，通过图5中PS0优化滤波器参数所得A、B、C三相波形与经验值法 得到滤波器参数所得A、B、C三相波形对比，可发现本发明方法优化微网滤波器参数后能够 使负载端输出电压谐波率从5.17%降低到3.22%，有效降低微网从孤岛到并网切换过程中 的负载端输出电压谐波率。所以，无论微网是从并网到孤岛切换还是孤岛到并网切换，本发 明方法对于优化微网系统滤波器参数、降低负载输出端电压谐波率均是有效可行的。
[0099] 相同或相似的标号对应相同或相似的部件；
[0100] 附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制； [0101]显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对 本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本 发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求 的保护范围之内。
【主权项】
1. 一种基于PSO算法的谐波抑制方法，其特征在于，包括W下步骤： 1) 、初始化参数； 2) 、初始化粒子(每个粒子代表问题的一个潜在解即滤波器中UC的参数）的位置、速 度，调用微网仿真系统程序f itness，W及初始化适应度值Present; 3) 、对粒子位置和速度进行更新； 4) 、调用微网仿真系统程序f itness，更新粒子适应度值化esent; 5) 、适应度评价，更新个体历史极值pbest; 6) 、更新全局极值gbest。2. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(1)包括： 1-1)、确定PSO程序中的最大迭代次数、粒子数、维度数、学习因子及惯性权重的取值； 1- 2)、确定需要优化的参数的大致范围。3. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(2)初始化粒 子的位置、速度，调用微网仿真系统程序fitness，W及初始化适应值的具体步骤如下： 2- 1)、初始化粒子当前位置； 2-2)、初始化粒子当前速度； 2-3)、调用微网仿真系统程序fitness; 2-4)、根据初始化位置计算适应度值Present; 2-5)、记每个粒子的历史最优值为pbest; 2- 6)、记全局最优值为gbest。4. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(2-3)中微网 仿真系统程序fitness的编写的具体步骤如下： A1)、通过open_system函数可W打开微网仿真系统； A2)、通过set_param函数将微网Simul ink仿真系统中需要优化的LC滤波器中L和C的参 数值分别设为变量，记为1和C; A3)、通过Sim函数运行微网仿真系统； A4)、根据要优化的滤波器参数确定作为检验参数优劣标准的目标函数即微网谐波率， 编程写出目标函数微网谐波率，同样设置为一个变量记为T皿。5. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(3)包括： 3- 1 )、确定迭代次数是否到达上限，若到达上限，则整个优化过程结束；若没有到达上 限，则跳转至步骤(3-2); 3-2)、根据下式得粒子速度更新： vf " = M'vf + Cl';(矿-yf ) + C;?;护-xf ) 根据上式得粒子位置更新： .冷 其中i = l，2，...，N是粒子个数，是粒子在第k次迭代中的速度，是粒子i在第k次迭代中 的位置，是粒子i在第k次迭代中的个体最优位置，也记为pbest; X*是粒子i在第k次迭代中 的全局最优位置，也记为gbest;rl和r2为均匀分布于[0，1]之间的随机数，Cl和c2为加速因 子，《为惯性因子。6. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(4)包括： 4-1)、再次调用微网仿真系统程序f i tne S S; 4- 2 )、更新粒子适应度值present。7. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤巧)包括： 5- 1)、根据条件判断粒子当前适应值present是否优于历史最优值pbest，若present优 于Pbest则跳转至步骤(5-2)，若不优于则跳转至步骤(6); 5- 2)、用present的值代替pbest中的值，作为当前粒子最优值。8. 根据权利要求1所述的基于PSO算法的谐波抑制方法，其特征在于，步骤(6)包括： 6- 1)、看算法是否满足结束条件，若不满足则跳转至步骤(3-1)，若满足则跳转至步骤 (6-2)； 6-2)、更新全局极值gbest，并输出gbest和LC滤波器的最优参数值。
【专利摘要】本发明提供一种基于PSO算法的谐波抑制方法，该方法在用PSO优化微网系统滤波器参数时，不必再将微网系统转化为状态方程式或者是传递函数，亦不必已知需优化的滤波器参数和目标函数微网谐波率之间的确切关系，而是只需知道微网系统要进行优化的滤波器参数和作为评价参数优劣的目标函数即可。因此，本发明能够有效降低计算量，提高PSO优化微网系统滤波器参数效率，从而达到有效抑制微网谐波的效果。
【IPC分类】G06F9/455
【公开号】CN105511939
【申请号】CN201510822367
【发明人】何君如, 杨俊华, 杨济溦
【申请人】广东工业大学
【公开日】2016年4月20日
【申请日】2015年11月23日