技术特征：
1.一种基于量子粒子群算法的有源滤波器优化方法，其特征在于：包括以下步骤：1)根据应用背景初始化有源滤波器的模型；初始化qpso参数：惯性因子、维数、粒子群规模、最大迭代次数、位置范围；2)初始化粒子群，在设定位置范围内给粒子群随机赋值；3)利用量子粒子群算法迭代寻优确定该应用背景下滤波效果最好的有源滤波器参数；4)获得有源滤波器最优设计参数；其中，所述步骤1)中根据应用背景初始化有源滤波器的模型，该模型包含基于瞬时无功功率的i
p-i
q
谐波检测模块，基于电压外环的比例积分控制模块，基于电流内环的pi和重复并联控制模块，空间矢量脉宽调制模块，主电路的三相全桥逆变器模块。2.根据权利要求1所述的基于量子粒子群算法的有源滤波器优化方法，其特征在于：所述步骤1)中初始化包括：初始化电源系统的基频f、电压幅值u
s
、采样频率f
c
，初始化逆变器的开关频率f
s
，根据应用背景建立负载模型，在svpwm调制技术下三相全桥逆变器直流侧电容参考电压由下式确定：u
dc
>3u
s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)取电容参考电压为4倍的u
s
，电容的大小由下式确定：其中，r是负载等效阻值，δu
dcmax
是直流侧电容波动最大值，取2v，初始化重复控制的参数，重复控制的开环传递函数g
r
(z)如下：延迟环节z-n
中的n＝f
c
/f，z-n+k
中的k取3，补偿环节q(z)采用小于1的常数代替，取0.8，k
r
是重复控制器增益，取0.7，s(z)选用低通二阶滤波器，截止频率设置为基频f的21倍。3.根据权利要求2所述的基于量子粒子群算法的有源滤波器优化方法，其特征在于：所述步骤2)中初始化qpso参数，初始化粒子群，在设定位置范围内给粒子群随机赋值包括：初始化qpso各项参数，具体包括粒子群规模、最大迭代次数、惯性因子；其次，将每个粒子的维数初始化为5，每一维分别代表一个有源滤波器寻优的参数，分别是电压外环pi控制的比例系数k
p1
和积分系数k
i1
，电流内环并联pi控制的比例系数k
p2
和积分系数k
i2
，以及逆变器交流侧滤波电感l，之后确定参数的取值范围，将参数的取值范围定义为所有粒子的移动范围，并在该范围内给每个粒子随机赋值。4.根据权利要求3所述的基于量子粒子群算法的有源滤波器优化方法，其特征在于：所述步骤3)中所述利用量子粒子群算法迭代寻优确定该应用背景下滤波效果最好的有源滤波器参数过程如下：首先将每个粒子携带的参数作为有源滤波器的参数进行仿真，得到滤波后的电源侧电流，利用快速傅里叶变换计算该电流的总谐波失真作为粒子的适应值，计算公式如下：
其中，i表示电流总有效值，包含基波与各次谐波，i1表示基波有效值，在第一轮迭代中将每个粒子的适应值记录为个体最佳适应值，每个粒子的位置记录为个体最佳参数；记录所有粒子中最小的个体最佳适应值为全局最佳适应值，该粒子对应的位置为全局最佳参数；之后进行下一轮迭代，按照顺序对每个粒子进行位置更新，重新运行有源滤波器仿真，计算获得新的适应值，将新适应值和该粒子的个体最佳适应值比较，把个体最佳适应值更新为最小的，同时对应的更新个体最佳参数，同理判断更新全局最佳适应值为最小的适应值，相对应的更新全局最佳参数，进行多轮迭代直到迭代次数达到最大迭代次数，完成后将获得有源滤波器的最优参数。5.根据权利要求1所述的基于量子粒子群算法的有源滤波器优化方法，其特征在于：所述3)利用量子粒子群算法迭代寻优确定该应用背景下滤波效果最好的有源滤波器参数，具体步骤如下：u501：迭代初始化，设置当前迭代次数iter为1，设置粒子标号j为1；u502：由粒子所携带参数运行有源滤波器模型，获取电源侧电流波形，利用fft对其进行thd计算，计算公式如下：其中，i表示电流总有效值，包含基波与各次谐波，i1表示基波有效值，将计算得到的thd记为当前粒子j的适应值；d501：判断j是否达到粒子群规模，若没有则将j加1，返回步骤u502计算下一个粒子的适应值，若j已经达到粒子群规模，则表示该轮所有粒子的适应值均已计算完毕，进行步骤u503；u503：经过一轮计算后所有粒子均已完成适应值计算，记录每个粒子的适应值为个体最佳适应值fsbest_j，每个粒子的位置为个体最佳参数sbest_j；记录所有粒子中最小的个体最佳适应值为全局最佳适应值fgbest，该粒子对应的位置为全局最佳参数gbest；u504：开始迭代，重新将粒子标号j置为1；u505：计算当前个体最佳平均值mbest，计算公式如下：mbest是所有粒子当前个体最佳参数的平均值，它和粒子维数一样是5维，即对每一维分别求平均值，mbest将用于后续更新粒子位置信息；u506：更新第j个粒子的位置，更新的公式如下：其中，p(t)表示当前粒子的位置，p(t+1)表示更新后粒子的位置，和u均是在(0,1)之
间的随机数，且β的计算公式如下：从β的计算公式中可以看出，在迭代前期，代表粒子移动的步长的参数β较大，粒子可以更快的向最佳位置移动；迭代后期β较小，意味着粒子在最佳位置附近减小步长，更精确的向最佳位置靠拢。6.一种基于量子粒子群算法的有源滤波器优化系统，其特征在于：包括以下单元：模型初始化单元，用于根据应用背景初始化有源滤波器的模型；初始化粒子群，在设定位置范围内给粒子群随机赋值；有源滤波器最优参数确定单元，用于利用量子粒子群算法迭代寻优确定该应用背景下滤波效果最好的有源滤波器参数。