频率分叉时电动汽车无线充电桩效率极值点跟踪方法
【技术领域】
[0001] 本发明属于电动汽车无线充电粧效率极值点跟踪方法技术领域，具体设及一种频 率分叉时电动汽车无线充电粧频率极值点跟踪方法。
【背景技术】
[0002] 随着国家新能源战略的推动和电动汽车行业的发展，电动汽车充电行业迅速发 展，无线充电方式在电动汽车领域受到较大的关注。无线电能传输方式主要有3种：第一种 是电磁感应式；第二种是微波射频式；第=种磁禪合共振式。第=种其基本思想基于磁禪 合共振原理实现：当电源激励频率达到一定值时，整个系统处于共振状态，此时能够实现无 线高效能能量传输。磁禪合无线电能传输技术传输距离远，效率高，且在近场区域具有非福 射性。因此采用磁禪合谐振式无线充电方式为电动汽车充电。
[0003] 磁禪合无线电能传输系统效率在不同电源激励频率点处是不同的，对于一个系 统，在一定传输距离之内，传输效率与频率额函数曲线会出现频率分叉现象，即系统效率函 数会出现两个极值点，且两个极值点谁是全局最优点，无法判断。为了保证系统传输效率保 持在最优值，所W发明了频率分叉条件下无线电能传输系统效率极值点跟踪方法。本方法 会解决在一般粒子群算法中出现的因为粒子后期收敛速度慢，耗费时间长的问题，而对于 算法本身来说，粒子规模设置的过大会导致算法进行多余的计算，而较小的规模则导致粒 子直接错过全局最优值，甚至找不到极值点，一般粒子群规模设在20-40之间，但其粒子规 模的精确选取却一直W来都是根据个人在解决问题时不停地尝试试验出来的，非常盲目。 针对W上情况，急需找到一种针对磁禪合无线电能传输系统本身特点的寻优算法，解决系 统效率寻找问题。因此，如何针对于磁禪合无线供电系统特点设计一种算法使算法迅速找 到系统最大效率W及相应的频率是必须的。本发明旨在提供一种可W快速精确的找到系统 传输效率最优值W及其对应频率的方法。
【发明内容】
[0004] 本发明解决的技术问题是提供了一种频率分叉时电动汽车无线充电粧频率极值 点跟踪方法，该方法使粒子规模随迭代次数增加逐渐减小，主要解决了磁禪合无线电能传 输系统中传统粒子群算法在寻优过程中耗时较长的问题W及该算法本身粒子个数选取不 精确的问题，并且在算法捜索后期，粒子个数精简到最少，算法减少了多余的计算量，能快 速的找到最优值。
[0005] 本发明为解决上述技术问题采用如下技术方案，频率分叉时电动汽车无线充电粧 效率极值点跟踪方法，其特征在于：将一般粒子群算法中的粒子群规模分开设定，分别为最 大粒子群规模Nmax= 30和最小粒子群规模Nmin= 2,粒子群规模随着迭代次数增加而逐 渐减小，其具体实施步骤为：
[0006] (1)、初始化算法，包括设定粒子种群维数D，最大迭代次数MaxNum,同时限定粒子 最大速度Vm。、，初始化惯性权重W，随机初始化粒子的速度V和粒子的位置；
[0007] (2)、初始化粒子群规模Nmax为30，并设定最小粒子群规模Nmin= 2，初始化迭代 次数t= 1 ;
[0008] (3)、计算当前种群每个粒子的适应度函数值fi，表示第i个粒子的适应度 函数值，其中适应度函数值根据适应度函数
计算得到，式中
t为当前激励频率， ?为激励电源的角频率，M为发射和接收线圈之间的互感，Li,Lz为发射线圈和接收线圈电 感，Cl,Cz为电容，R历电源内阻，R历负载电阻，R1，Rz为回路中电阻；
[0009] (4)、设定算法初始化个体极值best= 0和全局极值f1gbest= 0,个体极值用f1be" 表示，所代表的含义是第i个粒子截止到第t次迭代时捜寻到的最优适应度函数值，全局极 值用gbest表示，所代表的含义是截止到第t次迭代时，全部粒子捜索到的最优适应度函数 值，将步骤（3)中得到的粒子适应度函数值和个体极值fibest及全局极值gbest相比较， 如果f1bMt，那么bMt=f1，Pl=X1，P康示适应度函数值为f1b6St的粒子位置，X1是 所对适应度函数值为粒子的位置，如果ff1gbest，那么gbest=fl，Pg^Xi，Pg是粒子种 群中全局最优值为gbMt的粒子位置；
[0010] (5)、用公式Npresent二Nmax-(Nmax-Nmin) *t/(MaxNum)生成下 一代粒子种群，其中化resent为粒子群当前规模，Nmax为最大粒子群规模， Nmin为最小粒子群规模，MaxNum为最大迭代次数，t为当前迭代次数，按公式 =VV* ^ +t..| *m。J - -V;') + (-'] *m。J中(扔-j和公式.r;''二十v'|.'i'要新下一代 粒子种群每个粒子的速度和位置，然后令迭代次数t=t+1，转向步骤化），其中vfj代表 t+1次迭代第i个粒子的速度，如代表当前第t次迭代第i个粒子的速度，Cl和C2代表学 习因子，rand代表[(U]之间的随机数，P康示适应度函数值为fIbeJ勺粒子位置，Pg是粒 子种群中全局最优值为gbest的粒子位置，.心W代表t+1次迭代第i个粒子位置，记代表 第t次迭代第i个粒子当前位置，W代表惯性权重；
[0011] 化）、根据公式I
计算粒子适应度函数值的方差之 和，fwg为全部粒子适应度函数值的平均值，其中如果有（fi-fwg)〉1，则a=max(fi-fwg)，否 则，a= 1，判断方差是否小于某一精度值e或者算法是否达到最大迭代次数，e根据寻优 对象确定，如果否，则转向步骤（3)，如果是则转向步骤（7);
[0012] (7)、输出捜索到最优频率值，即粒子适应度值为全局最优值gbMt的粒子位置 Pb;
[0013] 做、用电流传感器检测负载电流i2的峰值，设A为设定的最大电流峰值波动范 围，i2m。为所检测的负载电流峰值，i2m。、似为负载的第k个电流周期电流峰值，12。。,化+1) 为负载的第k+1个电流周期的电流峰值，判断|i2m。、化+1) |-|i2m。、化）l〉A是否成立，如果判 断结果为是，则转向步骤（1)，算法重启，如果判断结果为否，算法转向步骤（7)。
[0014] 本发明算法在算法开始前根据电源激励频率推导出来共振线圈之间的互感，然后 进一步推倒出适应度函数，适应度函数是效率与频率函数。本发明使粒子规模随迭代次数 增加逐渐减小，主要解决了磁禪合无线电能传输系统中传统粒子群算法在寻优过程中耗时 较长的问题W及该算法本身粒子个数选取不精确的问题，并且在算法捜索后期，粒子个数 精简到最少，算法减少了多余的计算量，能快速的找到最优值。本算法在最后设定重启条 件，当算法检测到负载电流变化时，就重启算法，始终保证系统高效率的运行。
【附图说明】
[0015] 图1为本发明粒子群优化算法流程图；
[0016] 图2为一般粒子群算法寻优结果仿真图；
[0017] 图3为本发明粒子群优化算法寻优结果仿真图；
[0018] 图4为粒子群规模随迭代次数增加减小图。
[0019] 具体实施方法
[0020] 结合附图详细描述本发明的具体内容。本发明主要是针对频率分叉下磁禪合无线 电能传输系统，运用改进型粒子群算法，使粒子规模减小，算法能够快速找到效率最大点W 及其相应频率。W下通过特定的具体实例说明并用Matl油仿真。粒子群优化算法流程见 图1，频率分叉时电动汽车无线充电粧效率极值点跟踪方法，其具体实施步骤为：
[0021] (1)、初始化各个参数，其中初始化粒子维数为1，最大迭代次数为200,惯性权重W =0. 9 ； 阳02引 似、直接设定粒子群最大规模Nmax为30和粒子群最小规模Nmin为2,随机初始 化粒子的速度V和粒子的位置。设定初始粒子群规模为最大规模Nmax= 30,初始化迭代次 数t= 1，目前，粒子群规模的设定没有统一的规则，通常根据寻优对象和个人经验进行设 定。本算法只需直接设定粒子群最大规模为Nmax= 30,即能解决谐振式电能发送装置效率 寻优的各种情况。算法中设定最小规模，使粒子群规模随迭代次数的增加逐渐由最大规模 Nmax减小到最小规模Nmin即可，本算法中Nmin= 2 ; W23] (3)、采用适应度函数，
计算当前种群每个粒子的适应 度函数值fi，表示第i个粒子的适应度函数值，其中
，
?=2 JT ff，ff当前激励频率，O为激励电源的角频 率，M为发射和接收线圈之间的互感，Li,Lz为发射线圈和接收线圈电感，Cl,Cz为 电容，Rs为电源内阻，RL为负载电阻，Ri,Rz为回路中电阻。本算法先由当前激励频 率t和方程组
推导出发射和接收线圈之间的互感M，
然后再推导出适应度函数，本算法采用的适 应度函数是效率与互感M的函数。所示方程组可根据基本电路定理对整个系统进行分析推 导出来。其中山,代表线圈Li的电压，；1为输入电流，；。负载电流，本算法采用的适应