专利名称：基于免疫算法的逆变器多目标Pareto最优控制方法
技术领域：
本发明涉及一种逆变器多目标Pareto最优控制方法，尤其是涉及基于免疫算法的逆变器多目标Pareto最优控制方法。
背景技术：
随着能源结构的调整与电力需求快速增长，为了能够高效地使用电能，大量需要能将电压和频率变换的系统。逆变器可以满足电能变换的要求，因此备受关注。目前逆变器研究的其中两个热点问题是如何提高逆变器输出波形质量和降低逆变器的损耗。当逆变器通过增加电力电子器件的开关频率来改善逆变器的输出波形质量、动态响应特性和减小体积时，必然导致过大的开关损耗。损耗不仅影响整体工作效率，而且引起器件工作时温度升高超过节点最高温度，导致器件损坏。因此必须在逆变器输出波形质量等因素和损耗之间进行权衡。其中分析逆变器开关损耗影响因素和如何准确估算损耗是研究的关键。悅喜车等提出通过选出一种开关损耗最优的开关动作序列提出最小开关损耗空间矢量脉宽调制(pulse width modulation, PWM)控制技术,使开关损耗减小，主要针对三相电路。张磊等提出了一种新的PWM控制策略降低续流二极管的导通压降和导通损耗，提高逆变器的工作效率。Zargari等提出特定谐波消除脉宽调制技术，其主要是通过控制逆变器的若干个脉冲宽度，消除次数较低的谐波，使得在总谐波畸变率(total harmonicdistortion, THD)较小的情况下，开关损耗极大地减小。还有学者采用软开关技术来减小开关损耗，在开关器件的两端增加吸收缓冲电容以减小器件关断时的电压变化率及关断的损耗，再通过辅助谐振电感和吸收电容之间的谐振，使开关器件在零电压条件下开通，从而消除开关损耗和噪声，但仍存在成本高，结构复杂等缺点。洪峰、毛鹏等作者分别通过分析逆变器开关损耗过程，建立了逆变器损耗的数学模型，通过并进行试验研制有效性，但由于逆变器其工作的环境是动态的，其模型建立比较复杂且仍存在一定的相对性。XiaolinMao、D. A. Murdock等学者分别通过热测量方式估算损耗。Ali M. Bazzi等学者提出利用厂商给出的器件数据电子手册，通过曲线拟合方式获取损耗模型，通过热阻模型估算损耗，但是其研究的始终是某一种的条件下损耗且未能给出具体的测量方法。如上所述，目前有大量学者对逆变器器件的开关损耗进行了研究，但是大部分研究都只关注开关损耗的减少或是准确估算并未考虑输出波形质量。Michael J.首次采用遗传算法(genetic algorithm, GA)来产生单相逆变器的最优数字化PWM控制。贾嘉宾等利用遗传算法(genetic algorithm, GA)算法采取权重系数法求逆变器多目标(THD和Switching losses)最优控制策略，但是权重系数法本身依赖大量的先验知识，并且多目标函数的解是唯一的是不符合实际情况的，同时也没有对不同负载条件进行分析，其相关研究只是对损耗进行定性分析，并没有采用精确方法计算。Ramachandran等提出采用免疫算法(IA)用于逆变器控制,主要克服GA的收敛速度较慢和局部搜索能力不足等不足。
本发明在这些工作基础上进一步研究利用免疫算法(immune algorithm, IA)求取逆变器多目标即综合考虑THD与开关损耗寻求逆变器的最优控制策略，得到不同负载条件下的多目标Pareto最优解集。
发明内容
本发明主要是解决现有技术所存在的技术问题；提供了一种简单且容易实现，主要依靠负载电流、门极驱动信号、直流母线电压和器件电子数据手册来实时计算逆变器的损耗，能够有效利用厂家提供的器件特性参数，具有可操作性，更适合于实际工程应用，具有在线监测的潜力的基于免疫算法的逆变器多目标Pareto最优控制方法。本发明的上述技术问题主要是通过下述技术方案得以解决的一种基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于。步骤I，确定波形质量Wq值。步骤2，设定迭代次数k，并根据编码操作产生初始群体，定义抗体是单相逆变器开关模式对应的一组数字串，其染色体结构可以定义如下Chrom = X1, X2, X3,…Xn其中X111Oii=I, 2，3"*N)即表示每个开关对应的开关序列，Xni在0，I两个值中取值，其中，初始种群是在满足编码操作及无死区时间的约束条件情况下随机产生的；步骤3，注射疫苗，即将作为治疗性疫苗的抗体加入步骤I产生的初始抗体种群中，与随机生成的染色体，得到初始的抗体种群；步骤4,对当前的抗体种群中每一条染色体计算整体亲和度；
步骤5,对当前的抗体种群中每一条染色体计算浓度；步骤6，根据步骤4，5所得整体亲和度和浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体按概率从当前的抗体种群中去除；步骤7，针对完成步骤6的抗体群进行克隆选择，即在抗体群中确定性选择一部分亲和力较高的抗体；步骤8，针对步骤6中的抗体群进行克隆抑制，即针对抗体亲和力较差抗体进行确定性地抑制，将步骤6中克隆选择出来的亲和力较高的个体替换这类亲和力较差的抗体；步骤9，针对步骤8完成的抗体种群进行交叉操作，即以设定概率在某两个个体的交叉点发生相互交换；步骤10，针对步骤9完成抗体种群进行变异操作，即对抗体上的某一位或一些基因位上的基因值按照设定的变异概率进行的突变；步骤11，针对步骤10完成抗体种群进行倒位操作，即对抗体上的某一位或一些基因位上的基因值按照设定的倒位概率进行的倒位；步骤12，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤13，否则设当前迭代次数k=k+l，返回到步骤4进行下一次迭代；步骤13，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤14，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤I重新生成加入初始抗体种群进行迭代；步骤14，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到THD评价函数为Wq时损耗最小的开关状态控制序列，并输出当前开关质量Wq及开关状态控制序列。步骤15，判断波形质量的值是否已超过其允许最大值，是则结束。不是则重新设置Wq值，返回步骤2，执行步骤2值步骤14这一免疫计算的迭代过程。本发明创造性的提出一种采用免疫算法来求解逆变器的输出电流波形质量和开关损耗的多目标最优控制方法，免疫算法适合于求取电力逆变器的数字化多目标PWM控制，利用免疫算法在解空间中寻找到多目标Pareto最优解且解集并不是唯一，有利于选择合适的PWM控制序列，供设计者按设计意愿选择最优的设计。本发明输出电流波形质量目标由电流波形质量评价函数刻画，开关损耗目标由Switching Losses评价函数刻画，并以Pareto前沿面的形式给出优化的Pareto最优解集。本发明采取的损耗估算方法简单且容易实现，其主要依靠负载电流、门极驱动信号、直流母线电压和器件电子数据手册(datasheet)来实时计算逆变器的损耗，本发明能够有效利用厂家提供的器件特性参数，具有可操作性，与物理模型和功能模型的建模方法相比，更适合于实际工程应用，具有在线监测的潜力。在上述的基于免疫算法的逆变器多目标Pareto最优控制方法，所述步骤4中，整体亲和度由于需要综合考虑逆变器输出波形质量与开关损耗，定义第i条抗体为Xi,其具体评价函数如下逆变器输出波形质量(THD)评价函数
权利要求
1.一种基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于。
步骤I，确定波形质量Wq值； 步骤2，设定迭代次数k，并根据编码操作产生初始群体，定义抗体是单相逆变器开关模式对应的一组数字串，其染色体结构可以定义如下 Chrom = X1, X2, X3, ··· Xn 其中Xm(m=l，2，3…N)即表示每个开关对应的开关序列，Xm在0，I两个值中取值，其中，初始种群是在满足编码操作及无死区时间的约束条件情况下随机产生的； 步骤3，注射疫苗，即将作为治疗性疫苗的抗体加入步骤I产生的初始抗体种群中，与随机生成的染色体，得到初始的抗体种群； 步骤4,对当前的抗体种群中每一条染色体计算整体亲和度； 步骤5,对当前的抗体种群中每一条染色体计算浓度； 步骤6，根据步骤4，5所得整体亲和度和浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体按概率从当前的抗体种群中去除； 步骤7，针对完成步骤6的抗体群进行克隆选择，即在抗体群中确定性选择一部分亲和力较高的抗体； 步骤8，针对步骤6中的抗体群进行克隆抑制，即针对抗体亲和力较差抗体进行确定性地抑制，将步骤6中克隆选择出来的亲和力较高的个体替换这类亲和力较差的抗体； 步骤9，针对步骤8完成的抗体种群进行交叉操作，即以设定概率在某两个个体的交叉点发生相互交换； 步骤10，针对步骤9完成抗体种群进行变异操作，即对抗体上的某一位或一些基因位上的基因值按照设定的变异概率进行的突变； 步骤11，针对步骤10完成抗体种群进行倒位操作，即对抗体上的某一位或一些基因位上的基因值按照设定的倒位概率进行的倒位； 步骤12，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤13，否则设当前迭代次数k=k+l，返回到步骤4进行下一次迭代； 步骤13，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤14，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤I重新生成加入初始抗体种群进行迭代； 步骤14，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到THD评价函数为Wq时损耗最小的开关状态控制序列，并输出当前开关质量Wq及开关状态控制序列； 步骤15，判断波形质量的值是否已超过其允许最大值，是则结束，不是则重新设置Wq值，返回步骤2，执行步骤2值步骤14这一免疫计算的迭代过程。
2.根据权利要求1所述的基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于，所述步骤3中，亲和度由于需要综合考虑THD与开关损耗，定义第i条抗体为Xi，其具体评价函数如下 逆变器输出波形质量(THD)评价函数
3.根据权利要求1所述的基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于，所述步骤4中，染色体的浓度的获取方法是令空间X是当前的抗体种群所有抗体的集合，即空间X代表逆变器的PWM序列的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，即空间Y代表逆变器采用当前PWM控制序列后，流过电感的实际电流值，设第i条抗体Xi和第j条抗体&为在空间X中的两个矢量，它们通过函数f映射到空间Y中称为矢量f (Xi)、f (Xj)，因此矢量f (Xi)、f (Xj)在Y空间中的距离为
4.根据权利要求1所述的基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于，步骤6中,将免疫选择函数设为
5.根据权利要求1所述的基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于，所述步骤7中，定义抗体Xi的克隆选择概率为
6.根据权利要求1所述的基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于，所述步骤8中，定义抗体Xi的克隆抑制概率为
全文摘要
本发明涉及基于免疫算法的逆变器多目标Pareto最优控制方法，采用免疫算法来求解逆变器输出电流波形质量和开关损耗的多目标最优控制序列。输出电流波形质量目标由逆变器输出波形质量评价函数刻画，开关损耗目标由SwitchingLosses评价函数刻画，并以Pareto前沿面的形式给出Pareto最优解集，设计者可以根据意愿和对各目标的重视程度，从Pareto最优解集中选择出优化设计最满意的解。本发明通过计算数据手册提供的器件特性参数、负载电流、开关门极驱动信号及直流母线电压来实时计算逆变器的损耗，有可操作性，与物理模型和功能模型的建模方法相比，更适合于实际工程应用，具有在线监测的潜力。
文档编号H02M7/5387GK103036467SQ20121048418
公开日2013年4月10日 申请日期2012年11月23日 优先权日2012年11月23日
发明者袁佳歆, 费雯丽, 潘建兵, 陈柏超 申请人:武汉大学