一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法

1.本发明涉及电力电子领域，具体涉及一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法。


背景技术：

2.随着化石能源的储量日渐枯竭，新能源发电成为国家重点发展方向，其中起电能转换作用的逆变器性能也引起广泛学者关注。并网逆变器作为分布式发电系统和电网的重要能量接口单元，逆变器的运行状况是整个分布式发电系统能否稳定、安全、高效运行的关键，是整个系统的核心。对于逆变器来说，控制环节是决定其输出电能质量的好坏的重要环节，其控制参数对控制性能起着决定性作用，最优参数的选取，不仅能保证并网电流波形幅值能快速跟踪到给定值，同时也保证并网电压谐波含量较小。


技术实现要素：

3.为得到最优的逆变器整定参数，本发明公开了一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法，引进哈里斯鹰算法(hho)对三相并网逆变器进行控制。本发明利用hho算法具有较强的全局搜索能力，并且需要调节的参数较少的优点，应用于三相并网逆变器的pi控制参数整定中。将该算法整定出的参数代入pid控制器中，既能保证并网电流波形幅值能快速跟踪到给定值，同时也能保证并网电压谐波含量也很小。验证了(hho)算法整定三相并网逆变器控制参数的可行性。因此引进哈里斯鹰算法对三相并网逆变器pid参数的整定具有重大意义。
4.本发明具体采用以下技术方案：
5.一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法，包括以下步骤：
6.s1：初始化哈里斯鹰种群，设置哈里斯鹰优化算法的种群规模为n，维度为d,最大迭代次数为maxiter,根据搜索空间每一维的上界和下界，初始化每个个体；
7.s2：计算种群中所有哈里斯鹰的适应度值fitness，选取并记录种群中适应度最佳的哈里斯鹰并把它的位置设为当前猎物位置；
8.s3：位置更新过程中模拟哈里斯鹰的捕食行为，主要分为探索阶段、探索与开发转换阶段和开发阶段。首先通过更新猎物逃逸能量e，然后根据逃逸能量e和生成的随机数执行搜索或开发行为中对应的位置更新策略；
9.s4：探索阶段：哈里斯鹰随机栖息在某些位置，并等待根据两种策略探测猎物。每种栖息策略的机会q均等，则具体位置公式为：
[0010][0011]
式中：x(t),x(t+1)分别为当前和下一次迭代式时个体的位置；t为迭代数；x
rand
(t)为随机选出的个体位置；x
rabbit
(t)为猎物位置，即拥有最优适应度的个体位置；r1、r2、r3、r4、q都是[0,1]之间的随机数；q用来随机选择要采用的策略；x
m
(t)为个体平均位置，其
公式如下：
[0012][0013]
式中：x
k
(t)为种群中第k个个体的位置；n为种群规模；
[0014]
s5：搜索与开发的转换阶段：hho算法根据猎物的逃逸能量在搜索和不同的开发行为之间转换，逃逸能量定义为：
[0015][0016]
式中：e0是猎物的初始能量，为[
‑
1,1]之间的随机数，每次迭代时自动更新；t为迭代次数；t为最大迭代次数；当|e|≥1时进入搜索阶段,当|e|<1时进入开发阶段；
[0017]
s6：开发阶段：在此阶段中，哈里斯鹰对前一阶段中发现的预定猎物进行突袭。但是，猎物经常试图逃脱危险。假设r是猎物在突袭前逃脱的机会，成功逃脱(r<0.5)或未成功逃脱(r≥0.5)。
[0018]
当r≥0.5且|e|≥0.5时，此时的位置更新公式为：
[0019]
x(t+1)＝δx(t)
‑
e|jx
rabbit
(t)
‑
x(t)|
[0020]
δx(t)＝x
rabbit
(t)
‑
x(t)
[0021]
式中：δx(t)表示猎物位置与个体当前位置的差值；j为[0,2]之间的随机数；
[0022]
当r≥0.5且|e|<0.5时，此时的位置更新公式为：
[0023]
x(t+1)＝x
rabbit
(t)
‑
e|δx(t)|
[0024]
当r<0.5且|e|≥0.5时，通过以下两个策略实施。当第一个策略无效时，执行第二个策略。第一个策略更新公式为y＝x
rabbit
(t)
‑
e|jx
rabbit
(t)
‑
x(t)|；第二个策略更新公式为z＝y+s
×
lf(d)。其中，d为维度，s是一个d维的随机向量，lf为levy飞行函数，公式如下：
[0025][0026][0027]
式中：l、m为0到1内均匀分布的随机数；β是取值为1.5的常数；因此该阶段位置更新策略最终如下：
[0028][0029]
当r<0.5且|e|<0.5时，采用以下策略进行狩猎，位置更新公式如下：
[0030]
y＝x
rabbit
(t)
‑
e|jx
rabbit
(t)
‑
x
m
(t)|
[0031]
z＝y+s
×
lf(d)
[0032]
[0033]
s7：计算位置更新后的个体适应度，并与猎物适应度值进行比较，若位置更新后的个体适应度值优于猎物，则以适应度值更优的个体位置作为新的猎物位置。
[0034]
s8：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，则重复步骤s2到s7。当算法迭代次数达到最大迭代次数时，输出当前猎物位置作为目标的估计位置；
[0035]
s9：根据s8求得的最优结果，即猎物位置，再分别把它对应的维度数据代入三相并网逆变器的控制器中。
[0036]
进一步的方案是,s1中所述初始化种群。由维度d初始化每一个哈里斯鹰的位置。在三相并网逆变器中采用直接电流控制，d为2维，鹰群中猎物位置的不同维度分别代表了kp，ki两个参数值。
[0037]
进一步的方案是，s2中所述计算种群中所有哈里斯鹰的适应度值fitness，选取并记录种群中适应度最佳的哈里斯鹰并把它的位置设为当前猎物位置。每次迭代都会再次更新猎物位置，即每一次迭代都有唯一确定的kp，ki参数值，根据控制结构图，控制量为直流量，为保证电流i
l
能快速跟踪指令值i
ref
，并且让电网电压v
g
谐波含量尽可能少，目标函数应包括时间乘以误差绝对值积分(itae)和总谐波畸变率(thd)两部分。故目标函数公式为：
[0038][0039]
式中t代表系统运行时间，c＇和d＇为权重系数，并且c
′
+d
′
＝1。
[0040]
进一步的方案是，s9中挑出历次迭代次数中适应度最优的猎物位置，代入控制器参数中。具体步骤为：滤波电感电感电流i
l
与电网电压v
g
经过锁相环pll得到的相位信息做dq变换，得到dq坐标轴下的电感电流i
l
，再与电流给定值i
ref
比较经过电流调节器pi产生pwm调制信号，pwm输出控制开关管导通，形成闭环控制系统。直接电流控制具有快速的电流响应和鲁棒性。
[0041]
本发明的有益效果：
[0042]
通过本发明引进哈里斯鹰算法对三相并网逆变器的控制参数进行整定，由于哈里斯鹰算法有较强的全局搜索能力，以及需调节的参数较少的优点，应用于三相并网逆变器的电流控制参数整定中，其算法的收敛速度快,简单易理解,可以普遍应用于函数优化问题,具有广阔的应用前景。并且将该算法整定出的参数代入pi控制器中，逆变器输出的并网电流波形幅值能快速跟踪到指令值，并网电压谐波含量也较小。
附图说明
[0043]
图1为哈里斯鹰算法在三相并网逆变器控制参数整定的流程图；
[0044]
图2为hho算法整定三相并网逆变器控制参数模型；
[0045]
图3为三相并网逆变器的d轴线性结构图；
[0046]
图4为三相并网逆变器适应度值的迭代过程；
[0047]
图5为三相并网逆变器并网电压电流波形图。
具体实施方式
[0048]
下面将结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地
描述。
[0049]
如图1
‑
3所示，本发明的一个实例公开了一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法，包括以下步骤：
[0050]
s1：初始化哈里斯鹰种群，设置哈里斯鹰优化算法的种群规模为n，维度为d,最大迭代次数为maxiter,根据搜索空间每一维的上界和下界，初始化每个个体；
[0051]
s2：计算种群中所有哈里斯鹰的适应度值fitness，选取并记录种群中适应度最佳的哈里斯鹰并把它的位置设为当前猎物位置；
[0052]
s3：位置更新过程中模拟哈里斯鹰的捕食行为，主要分为探索阶段、探索与开发转换阶段和开发阶段。首先通过更新猎物逃逸能量e，然后根据逃逸能量e和生成的随机数执行搜索或开发行为中对应的位置更新策略；
[0053]
s4：探索阶段：哈里斯鹰随机栖息在某些位置，并等待根据两种策略探测猎物。每种栖息策略的机会q均等，则具体位置公式为：
[0054][0055]
式中：x(t),x(t+1)分别为当前和下一次迭代式时个体的位置；t为迭代数；x
rand
(t)为随机选出的个体位置；x
rabbit
(t)为猎物位置，即拥有最优适应度的个体位置；r1、r2、r3、r4、q都是[0,1]之间的随机数；q用来随机选择要采用的策略；x
m
(t)为个体平均位置，其公式如下：
[0056][0057]
式中：x
k
(t)为种群中第k个个体的位置；n为种群规模；
[0058]
s5：搜索与开发的转换阶段：hho算法根据猎物的逃逸能量在搜索和不同的开发行为之间转换，逃逸能量定义为：
[0059][0060]
式中：e0是猎物的初始能量，为[
‑
1,1]之间的随机数，每次迭代时自动更新；t为迭代次数；t为最大迭代次数；当|e|≥1时进入搜索阶段,当|e|<1时进入开发阶段；
[0061]
s6：开发阶段：在此阶段中，哈里斯鹰对前一阶段中发现的预定猎物进行突袭。但是，猎物经常试图逃脱危险。假设r是猎物在突袭前逃脱的机会，成功逃脱(r<0.5)或未成功逃脱(r≥0.5)。
[0062]
当r≥0.5且|e|≥0.5时，此时的位置更新公式为：
[0063]
x(t+1)＝δx(t)
‑
e|jx
rabbit
(t)
‑
x(t)|
[0064]
δx(t)＝x
rabbit
(t)
‑
x(t)
[0065]
式中：δx(t)表示猎物位置与个体当前位置的差值；j为[0,2]之间的随机数；
[0066]
当r≥0.5且|e|<0.5时，此时的位置更新公式为：
[0067]
x(t+1)＝x
rabbit
(t)
‑
e|δx(t)|
[0068]
当r<0.5且|e|≥0.5时，通过以下两个策略实施。当第一个策略无效时，执行第二个策略。第一个策略更新公式为y＝x
rabbit
(t)
‑
e|jx
rabbit
(t)
‑
x(t)|；第二个策略更新公式为
z＝y+s
×
lf(d)。其中，d为维度，s是一个d维的随机向量，lf为levy飞行函数，公式如下：
[0069][0070][0071]
式中：l、m为0到1内均匀分布的随机数；β是取值为1.5的常数；因此该阶段位置更新策略最终如下：
[0072][0073]
当r<0.5且|e|<0.5时，采用以下策略进行狩猎，位置更新公式如下：
[0074]
y＝x
rabbit
(t)
‑
e|jx
rabbit
(t)
‑
x
m
(t)|
[0075]
z＝y+s
×
lf(d)
[0076][0077]
s7：计算位置更新后的个体适应度，并与猎物适应度值进行比较，若位置更新后的个体适应度值优于猎物，则以适应度值更优的个体位置作为新的猎物位置。
[0078]
s8：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，则重复步骤s2到s7。当算法迭代次数达到最大迭代次数时，输出当前猎物位置作为目标的估计位置；
[0079]
s9：根据s8求得的最优结果，即猎物位置，再分别把它对应的维度数据代入三相并网逆变器的控制器中。
[0080]
在本实例中，s1中所述初始化种群。由维度d初始化每一个哈里斯鹰的位置。在三相并网逆变器中采用直接电流控制，d为2维，鹰群中猎物位置的不同维度分别代表了kp，ki两个参数值。
[0081]
在本实例中，s2中所述计算种群中所有哈里斯鹰的适应度值fitness，选取并记录种群中适应度最佳的哈里斯鹰并把它的位置设为当前猎物位置。每次迭代都会再次更新猎物位置，即每一次迭代都有唯一确定的kp，ki参数值，根据控制结构图，控制量为直流量，为保证电流i
l
能快速跟踪指令值i
ref
，并且让电网电压v
g
谐波含量尽可能少，目标函数应包括时间乘以误差绝对值积分(itae)和总谐波畸变率(thd)两部分。故目标函数公式为：
[0082][0083]
式中t代表系统运行时间，c＇和d＇为权重系数，并且c
′
+d
′
＝1。
[0084]
在本实例中，s9中挑出历次迭代次数中适应度最优的猎物位置，代入控制器参数中。具体步骤为：滤波电感电感电流i
l
与电网电压v
g
经过锁相环pll得到的相位信息做dq变换，得到dq坐标轴下的电感电流i
l
，再与电流给定值i
ref
比较经过电流调节器pi产生pwm调制信号，pwm输出控制开关管导通，形成闭环控制系统。直接电流控制具有快速的电流响应
和鲁棒性。
[0085]
在本实例中，迭代次数最大值maxgen＝30；种群数n＝20；pid控制器参数范围：kp∈[0，10000]，ki∈[0，10000]；u
dc
为200v，滤波电感l
n
(n＝1,2,3)均为64mh，滤波电容c
n
(n＝1,2,3)均为1μf，三相电源线电压为95v，i
ref
为1a，pwm采样频率为10khz。目标函数权重系数c＇，d＇分别取0.9和0.1。
[0086]
采用本发明对三相并网逆变器的控制参数进行整定，通过图4可以看出，在利用哈里斯鹰算法寻优迭代过程中，目标函数的值随迭代次数不断减小，最终收敛。通过图5可以看出，在三相并网运行时，并网电流波形幅值能快速跟踪到给定值，并网电压谐波含量也很小，电能质量符合要求。
[0087]
最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。