一种Buck‑Boost矩阵变换器参数优化方法及装置与流程
本发明涉及电力电子技术领域，尤其涉及一种buck-boost矩阵变换器参数优化方法及装置。
背景技术：
buck-boost矩阵变换器(buck-boostmatrixconverter,，简称：bbmc)是一种具有高电压传输比且可直接输出高品质正弦波的新型电力变换器。然而由于bbmc输出电压波形的谐波失真度不仅与其主电路参数相关，而且还与相应控制策略的控制参数相关，因此如果上述主电路参数或控制参数选择不合适，则会引起bbmc输出电压波形的谐波失真度过大，从而导致负载运行性能下降、损耗增大等问题。另外，bbmc中两状态变量即电容电压和电感电流与其参考值间的偏差也与主电路参数和相关控制参数相关。由于这两个状态变量与其参考值间存在偏差，从而导致bbmc实际输出电压与其参考输出电压之间存在偏差，进而影响诸如以bbmc为变频器的异步电机调速系统的调速控制精度等方面的应用。以往在选择bbmc主电路参数和相关控制参数时主要采用试凑法获得，因而难以获得最佳的运行效果。
近年来有研究者提出采用微粒群算法(particleswarmoptimization，简称：pso)来对bbmc主电路参数和控制参数进行优化，虽取得了一定的效果，但没有考虑到主电路参数和控制参数间的相互影响，而且pso存在需要调整的参数多、容易陷入局部最优解等问题。因此针对bbmc主电路参数和控制参数研究更为有效的优化方法具有重要意义。
技术实现要素：
本发明提供一种buck-boost矩阵变换器参数优化方法及装置，用于对bbmc主电路参数和控制参数进行优化。
本发明第一个方面提供一种buck-boost矩阵变换器参数优化方法，包括：
确定buck-boost矩阵变换器的优化目标和优化对象；
根据所述优化目标和所述优化对象，建立多目标优化满意度函数；
根据所述多目标优化满意度函数构建果蝇算法的适应度函数；
根据所述果蝇算法的适应度函数，对主电路参数和控制参数进行迭代寻优，获得一组最优参数，从而使bbmc输出电压波形的谐波失真度thd、电容电压偏差信号δuc和电感电流偏差信号δil达到协同最优。
较佳地，所述优化目标包括：所述thd、所述δuc和所述δil；
所述优化对象包括：主电路参数桥臂电感l和电容c、电容电压控制外环中低通滤波器截止频率ωc、pi控制器比例和积分系数kpc、kic及电感电流控制内环中低通滤波器截止频率ωl、pi控制器比例和积分系数kpl以及kil。
较佳地，所述根据所述优化目标和所述优化对象，建立多目标优化满意度函数，包括：
建立所述thd的满意度函数如下公式(1)：
建立所述δuc的满意度函数如下公式(2)：
建立所述δil的满意度函数如下公式(3)：
其中，c1、c2、c3为满意度曲线系数，thd'、δuc'、δil'为临界值；
所述c1的取值范围为1～5；所述c2的取值范围为0.1～5；所述c3的取值范围为0.1～5；
建立所述多目标优化满意度函数，如式(4)所示：
f＝k1f1+k2f2+k3f3(4)
其中，k1为所述thd对应的权重系数；k2为所述δuc对应的权重系数；k3为所述δil对应的权重系数，且k1+k2+k3＝1；
当任一所述优化目标的满意度小于m时，则配置一惩罚因子；
其中，所述m为所述优化目标的满意度阈值，所述m的取值范围为：0.5～0.8；所述惩罚因子的取值范围为：0.4～0.6；
当全部所述优化目标的满意度大于或等于所述m，则l＝0，所述惩罚因子
当配置所述惩罚因子后，所述多目标优化满意度函数如式(5)所示：
较佳地，所述根据所述多目标优化满意度函数构建果蝇算法的适应度函数，包括：
将所述公式(5)作为所述果蝇算法的适应度函数；
其中，味道浓度判定值s(i,d)；
所述i取值范围为1,2,...sizepop；所述i为果蝇个体编号；所述sizepop为果蝇的种群规模，所述d取1～8，分别表示所述优化对象，所述优化对象包含所述l、所述c、所述ωc、所述kpc、所述kic、所述ωl、所述kpl和所述kil；
味道浓度smell表示总满意度f，所述总满意度f的范围为0～1，所述味道浓度smell与所述总满意度f满足如下公式(6)：
较佳地，所述根据所述果蝇算法的适应度函数，对主电路参数和控制参数进行迭代寻优，获得一组最优参数，包括：
步骤4-1：初始化参数；所述参数包括：种群规模、最大迭代次数、维数和初始化果蝇群体位置；
步骤4-2：配置果蝇个体随机方向和距离，获取第i个所述果蝇的位置；
步骤4-3：获取第i个所述果蝇的味道浓度判定值，得到一组所述优化对象；根据优化对象获得相应的thd、δuc和δil；
步骤4-4：调用所述公式(6)，获取第i个所述果蝇的味道浓度；
步骤4-5：判断第i个所述果蝇是否到达果蝇群体上限，若是则执行步骤4-6，否则执行步骤4-2；
步骤4-6：在果蝇群体中找出味道浓度最高的果蝇个体作为最优个体，并保留最优果蝇个体的味道浓度和位置；
步骤4-7：采用自适应因子更新果蝇群体的位置；
步骤4-8：获取果蝇群体位置新的味道浓度判定值；
步骤4-9：调用所述公式(6)，获取果蝇群体新的味道浓度；
步骤4-10：判断所述果蝇群体新的味道浓度是否优于上一代所述果蝇群体的味道浓度，若优于则更新果蝇最佳味道浓度和果蝇群体位置坐标，若不满足则返回步骤4-7；
步骤4-11：重复执行步骤4-2到步骤4-10，判断当前迭代次数g是否达到最大迭代次数，若是则保留最佳味道浓度值和果蝇个体的位置，步骤结束，否则迭代次数加1，继续迭代寻优，直到满足结束条件。
较佳地，所述根据所述果蝇算法的适应度函数，对主电路参数和控制参数进行迭代寻优，获得一组最优参数，包括：
步骤6-1：建立递减步长因子，如下公式(7)所示：
其中，g为当前迭代次数；maxgen为最大迭代次数；
步骤6-2：将所述味道浓度判定值作为所述自适应因子，如下公式(8)所示；
其中，k为调整系数，k∈(0.1,10)，s(bestindex)为果蝇算法中最佳味道浓度值。
本发明第二个方面提供一种buck-boost矩阵变换器参数优化装置，包括：处理器、存储器和i/o接口；
所述处理器，用于执行第一个方面的buck-boost矩阵变换器参数优化方法的各个步骤。
本实施例提供的buck-boost矩阵变换器参数优化方法及装置，根据优化对象和优化目标，建立多目标优化满意度函数；进而根据上述多目标优化满意度函数构建果蝇算法的适应度函数；再根据上述适应度函数利用自适应果蝇优化算法对bbmc各项参数进行迭代寻优，获得一组最优参数，使其thd、δuc和δil达到协同最优，从而使bbmc获得更好的运行效果。本发明综合考虑bbmc主电路参数和控制参数对thd、δuc和δil的影响，采用自适应果蝇算法实现对bbmc各项参数的寻优，具有优化算法简单、优化效果好等特点。
附图说明
图1为本发明提供的一种buck-boost矩阵变换器的主电路拓扑结构图；
图2为本发明实施例提供的一种电容电压控制外环原理示意图；
图3为本发明实施例提供的一种电感电流控制内环的原理示意图；
图4为本发明实施例提供的一种buck-boost矩阵变换器参数优化方法的流程示意图；
图5为本发明实施例提供的另一种buck-boost矩阵变换器参数优化方法的流程示意图；
图6为本发明实施例提供的另一种buck-boost矩阵变换器参数优化方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细的说明。
参见图1，图1为本发明实施例提供的一种buck-boost矩阵变换器的主电路拓扑结构图。该变换器包括整流级和逆变级两部分，其整流级为一个3/2相矩阵变换器，逆变级则采用三相buck-boost逆变器的结构形式，由结构相同的三个buck-boostdc/dc变换器组成。鉴于影响该变换器输出电压波形谐波失真度及输出电压对其参考输出电压跟踪误差的根本原因在于其逆变级主电路参数及相关控制参数，因此本发明将针对该变换器的逆变级主电路参数及相关控制参数进行优化研究。
图2为本发明实施例提供的一种电容电压控制外环原理示意图，图3为本发明实施例提供的一种电感电流控制内环的原理示意图，参照图2、3，鉴于bbmc逆变级在采用双闭环控制策略时获得了较好的动态和稳态性能，但其部分性能指标如输出电压波形的谐波失真度及输出电压对其参考输出电压的跟踪误差与其控制参数直接相关，因此本发明将针对bbmc逆变级在采用双闭环控制策略时的控制参数进行优化研究。下面分别介绍电容电压控制外环和电感电流控制内环的基本工作原理。
参见图2，电容电压控制外环的基本工作原理是：将电容电压参考值ucref与其实际值uc比较，其偏差δuc经重复控制器延时补偿后，产生相应的输出信号δucb，该输出信号再经pi控制器运算处理后得到电容电流的参考值icref，再通过检测bbmc直流侧电压
参见图3，电感电流控制内环的基本工作原理是：将电感电流参考值ilref与其实际值il比较，其偏差δil经重复控制器延时补偿后，产生相应的输出信号δilb，该信号再经pi控制器运算处理后得电感电压参考值ulref，再通过检测bbmc直流侧电压
图4为本发明实施例提供的一种buck-boost矩阵变换器参数优化方法的流程示意图，该方法可以被用于bbmc参数优化装置执行，该bbmc参数优化装置用于对bbmc的参数进行优化。bbmc参数优化装置包含：处理器、存储器、i/o接口等器件，参照图4，该方法包括如下步骤：
步骤100、确定bbmc的优化目标和优化对象；
步骤101、根据所述优化目标和所述优化对象，建立多目标优化满意度函数；
步骤102、根据所述多目标优化满意度函数构建果蝇算法的适应度函数；
步骤103、根据所述果蝇算法的适应度函数，对主电路参数和控制参数进行迭代寻优，获得一组最优参数；
根据所述最优参数，使输出电压波形的谐波失真度thd、电容电压偏差信号δuc和电感电流偏差信号δil达到协同最优。
本实施例提供的buck-boost矩阵变换器参数优化方法，根据优化对象和优化目标，建立多目标优化满意度函数；进而根据上述多目标优化满意度函数构建果蝇算法的适应度函数；再根据上述适应度函数利用自适应果蝇优化算法对bbmc各项参数进行迭代寻优，获得一组最优参数，使其thd、δuc和δil达到协同最优，从而使bbmc获得更好的运行效果。本发明综合考虑bbmc主电路参数和控制参数对thd、δuc和δil的影响，采用自适应果蝇算法实现对bbmc各项参数的寻优，具有优化算法简单、优化效果好等特点。
优选地，所述优化目标包括：所述thd、所述δuc和所述δil；
所述优化对象包括：主电路参数桥臂电感l和电容c、电容电压控制外环中低通滤波器截止频率ωc、pi控制器比例和积分系数kpc、kic及电感电流控制内环中低通滤波器截止频率ωl、pi控制器比例和积分系数kpl以及kil。
可选的，在图4的基础上，图5为本发明实施例提供的另一种buck-boost矩阵变换器参数优化方法的流程示意图，参照图5，该方法提供了一种步骤101的实现方式，该方法还包括如下步骤：
步骤101-1建立各优化目标的满意度函数。
可选的，步骤101-1中各优化目标的满意度函数可以包括：
谐波失真度thd满意度函数：
电容电压偏差信号δuc满意度函数：
电感电流偏差信号δil满意度函数：
其中，c1、c2、c3为满意度曲线系数，thd'、δuc'、δil'为临界值；
具体的，为了使各满意度曲线能较平缓的遍历0～1，c1、c2和c3取值范围分别为1～5、0.1～5和0.1～5，具体取值取决于设定的thd'、δuc'和δil'临界值的大小；临界值thd'、δuc'和δil'的取值可根据控制要求进行设定。例如，临界值thd'、δuc'和δil'分别取0.1％，1v和1a，则c1、c2和c3分别取2、0.2和0.2。
步骤101-2：建立多目标优化满意度函数，如式(4)所示：
f＝k1f1+k2f2+k3f3(4)
式中：k1、k2和k3分别为谐波失真度thd、电容电压偏差信号δuc和电感电流偏差信号δil对应的权重系数，且k1+k2+k3＝1。
本发明中作为实例，k1、k2和k3分别取0.4、0.3和0.3。
步骤101-3：当任一所述优化目标的满意度小于m时，则配置一惩罚因子
其中l为加入惩罚因子的个数(l＝0～3)，具体的，加入惩罚因子的实现方式如下：
①设定各优化目标的满意度阈值为m，则当某一优化目标的满意度小于阈值m时加入一个惩罚因子；
其中：阈值m的取值范围为：0.5～0.8，惩罚因子bj的取值范围为：0.4～0.6；
②如果所有优化目标的满意度均大于阈值m，则l＝0，惩罚因子
③加入惩罚因子后的多目标优化满意度函数如式(5)所示：
所述步骤③中的多目标优化满意度函数构建果蝇算法的适应度函数如下：
该算法设计中取式(5)作为果蝇算法(foa)的适应度函数；味道浓度判定值s(i,d)(i＝1,2,...sizepop，i为果蝇个体编号，sizepop为果蝇的种群规模，d为维数取1～8)分别表示l、c、ωc、kpc、kic、ωl、kpl和kil8个优化对象，即共有sizepop组数据，每组数据有8个参数；味道浓度smell表示总体满意度f，总体满意度f的取值范围为0～1，越高表示效果越优；所述味道浓度smell与所述总满意度f满足如下公式(6)：
在图5的基础上，图6为本发明实施例提供的另一种buck-boost矩阵变换器参数优化方法的流程示意图，参照图6，该方法提供了一种步骤103的实现方式，该方法还包括如下步骤：
步骤4-1：初始化参数；
具体的，所述参数包括：种群规模sizepop、最大迭代次数maxgen、维数dimension和初始化果蝇群体位置(x0，y0)；
步骤4-2：配置果蝇个体随机方向和距离，获取第i个所述果蝇的位置；
具体的，赋予果蝇个体随机方向和距离，计算第i个果蝇的位置如公式(7)
其中，i＝1,2,...,sizepop，d＝1,2,...,dimension；
步骤4-3：获取第i个所述果蝇的味道浓度判定值，得到一组所述优化对象，根据优化对象获得相应的thd、δuc和δil；
具体的，计算第i个果蝇的味道浓度判定值，得到一组数据并将该组数据代入bbmc模型中得到相对应的thd、δuc和δil，其满足如下公式(8)：
步骤4-4：调用所述公式(6)，获取第i个所述果蝇的味道浓度；
步骤4-5：判断i是否到达果蝇群体上限，若是则执行步骤4-6，否则执行步骤4-2；
步骤4-6：在果蝇群体中找出味道浓度最高的果蝇个体作为最优个体，并保留最优果蝇个体的味道浓度和位置；
步骤4-7：采用自适应因子更新果蝇群体的位置。
具体的，利用公式(10)获取自适应因子。计算变步长因子，采用自适应公式更新果蝇群体的位置，如下公式(11)：
其中，g为当前迭代次数；k为调整系数，k∈(0.1,10)，s(bestindex)为果蝇算法中最佳味道浓度判定值。
步骤4-8：计算果蝇群体新的味道浓度判定值；
步骤4-9：调用上述公式(6)，计算果蝇群体新的味道浓度；
步骤4-10：判断所述果蝇群体新的味道浓度是否优于上一代所述果蝇群体的味道浓度，若优于则更新果蝇最佳味道浓度和果蝇群体位置坐标，若不满足则返回步骤4-7；
步骤4-11：重复执行步骤4-2到步骤4-10，判断当前迭代次数g是否达到最大迭代次数，若是则保留最佳味道浓度值和果蝇个体的位置，步骤结束，否则迭代次数加1，继续迭代寻优，直到满足结束条件。
具体的，对于根据所述果蝇算法的适应度函数，对主电路参数和控制参数进行迭代寻优，获得一组最优参数，一种可行的实现方式为：
步骤6-1：建立递减步长因子，如下公式(13)所示：
其中，g为当前迭代次数；maxgen为最大迭代次数；
步骤6-2：将所述味道浓度判定值作为所述自适应因子，如下公式(14)所示；
其中，k为调整系数，k∈(0.1,10)，s(bestindex)为果蝇算法中最佳味道浓度值。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
- 还没有人留言评论。精彩留言会获得点赞！