1.本发明属于电力系统技术领域，尤其是一种虚拟同步发电机控制参数的优选方法。
背景技术：
2.随着全球科技和经济的快速发展，能源需求急剧增加，化石能源供应不足，使得可再生能源的开发和利用在当今能源行业中的地位越来越重要。作为可再生能源的代表，风能和太阳能因具有成本低廉、清洁环保、可循环使用的优点而备受关注，全球范围内风力和光伏发电的装机容量不断增加。
3.当前，风力和光伏发电受季节、天气以及环境因素的影响较大，非连续性自然风的变化会影响风力发电的输出功率，日照辐射强度的不确定性会导致光伏发电的功率波动，即风力和光伏发电的输出功率具有明显的波动性。逆变器是负责管理风力和光伏发电与电网之间功率输送的关键器件，但逆变器与传统同步发电机相比，对外界运行环境十分敏感，缺乏抗扰动能力。随着可再生能源的发展，传统同步发电机正在逐步被逆变器所替换，造成电力系统的阻尼和惯性特性下降。因此，风力和光伏发电在通过逆变器并网时，如果逆变器的控制策略不当，会导致电力系统的频率和电压等参数产生波动，造成电能质量的降低，不利于电力系统的稳定运行。虚拟同步发电机技术被引入到逆变器的控制中，虚拟同步发电机能够模拟同步发电机的暂态特性，在进行控制时能赋予逆变器惯性和阻尼特性，在一定程度上提升了系统的抗扰动能力，其中，虚拟同步发电机控制参数的选取直接影响虚拟同步发电机的控制性能。但随着可再生能源并网渗透率的不断提高，传统虚拟同步发电机中的固定控制参数限制了虚拟同步发电机对逆变器的控制能力，传统虚拟同步发电机已不能满足电力系统稳定运行的阻尼和惯性需求。
4.综上所述，风力和光伏发电输出功率的强波动性和逆变器的弱抗扰动性给可再生能源并网带来了困难，如何提升传统虚拟同步发电机对逆变器的控制能力，增强电力系统的抗扰动能力，成为亟需解决的问题。
技术实现要素：
5.本发明所要解决的技术问题是：提供一种虚拟同步发电机控制参数的优选方法，在可再生能源并网渗透率提高，导致电力系统惯性和阻尼降低，系统运行稳定性降低的情况下，建立虚拟同步发电机模型，增强系统的惯性和阻尼特性，提升系统的调压和调频能力；将虚拟同步发电机和改进型人工水母搜索算法相结合，提出一种基于改进型人工水母搜索算法的虚拟同步发电机控制参数优选方法；应用改进型人工水母搜索算法优化虚拟同步发电机的控制参数，使得虚拟同步发电机具有更好的惯性和阻尼特性，提升虚拟同步发电机的控制性能，进一步增强电力系统的抗扰动能力。
6.本发明解决其技术问题是采取以下技术方案实现的：
7.一种虚拟同步发电机控制参数的优选方法，包括以下步骤：
8.步骤一，建立虚拟同步发电机的数学模型；
9.步骤二，构建虚拟同步发电机控制参数优选问题的目标函数；
10.步骤三，采用改进型人工水母搜索算法优选虚拟同步发电机的控制参数；
11.步骤四，将优选得到的控制参数输入虚拟同步发电机；
12.步骤五，建立基于虚拟同步发电机的逆变器控制仿真模型，验证经控制参数优选后的虚拟同步发电机的控制效果；
13.步骤六，显示经控制参数优选后的虚拟同步发电机的控制结果；
14.步骤一，建立虚拟同步发电机的数学模型
15.(1.1)建立虚拟同步发电机无功-电压控制结构的数学模型
16.虚拟同步发电机的无功-电压控制结构在交流电网电压幅值发生变化时，调整输送的无功功率，相当于模拟同步发电机的励磁系统，无功-电压控制方程如式(1)和式(2)所示：
[0017][0018]
δq＝kq(u
n-u)+q
ref-q
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0019]
式中，em表示虚拟同步发电机输出的虚拟感应电动势幅值，e0是空载电动势，δq表示无功功率偏差，1/(k
·
s)表示一个积分环节，k是无功积分增益系数，用来模拟同步发电机的励磁系统，kq为无功下垂系数，q
ref
表示无功功率指令值，u表示无功-电压控制结构的输入电压，un为无功-电压控制结构的参考电压，q表示无功-电压控制结构的输入无功功率；
[0020]
(1.2)建立虚拟同步发电机有功-频率控制结构的数学模型
[0021]
虚拟同步发电机的有功-频率控制结构在交流电网相位发生变化时，调整输出的有功功率，相当于模拟同步发电机的调速器和转子运动，虚拟同步发电机有功-频率控制机构包括虚拟调速器和虚拟转子两部分，虚拟调速器的控制方程如式(3)和(4)所示：
[0022]
pm＝p
ref
+k
p
(w
n-w
l
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0023]wl
＝2πf
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0024]
式中，pm表示虚拟调速器输出的有功功率，p
ref
表示有功功率指令值，k
p
为有功下垂系数，wn表示额定角速度，f表示交流电网频率，w
l
表示根据交流电网频率计算得到的角速度；
[0025]
虚拟转子的运动方程如式(5)、式(6)和式(7)所示：
[0026][0027][0028]
δp＝p
m-p
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0029]
式中，j表示虚拟转子的转动惯量，d表示虚拟转子的阻尼系数，w为转子运动方程的输出角速度，δw为误差角速度，δt表示误差转矩，tm表示虚拟机械转矩，t表示虚拟电磁转矩，pm是虚拟调速器的输出功率，同时也是虚拟转子运动方程的输入有功功率，p是交流电网的有功功率，δp表示虚拟调速器的输出功率和交流电网有功功率的差值；
[0030]
步骤二，构建虚拟同步发电机控制参数优选问题的目标函数
[0031]
选取虚拟同步发电机的控制参数kq、d和j作为优化目标，其中kq是无功-电压控制中的无功下垂系数，d是有功-频率控制中虚拟转子的阻尼系数，j是有功-频率控制中虚拟转子的转动惯量；构建基于时间乘以绝对误差积分(itae)的虚拟同步发电机控制参数优选问题的目标函数，时间乘以绝对误差积分是误差绝对值乘以时间项对时间的积分，将控制参数优选的目标函数设置为频率和电压的itae之和，并引入权重系数a，目标函数的表达式如式(8)所示：
[0032]
obj＝a
×
itaef+(1-a)
×
itaeuꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0033]
式中，obj表示目标函数值，a和1-a分别为频率和电压itae的权重系数，itaef和itaeu分别表示频率和电压的itae，频率和电压的itae的计算方法如式(9)和式(10)所示：
[0034][0035][0036]
式中，t0表示控制时间，δf(t0)表示频率的误差值，δu(t0)表示电压的误差值，f(t0)表示实时的频率有效值，u(t0)表示实时的电压有效值，fn为额定频率50hz，un为额定电压220v；
[0037]
步骤三，采用改进型人工水母搜索算法优选虚拟同步发电机的控制参数
[0038]
(3.1)设置改进型人工水母搜索算法的参数和优化目标的取值范围
[0039]
记改进型人工水母搜索算法的最大迭代次数为iter
max
，设置iter
max
＝100次，设置种群数量m＝30个，设置虚拟同步发电机中被改进型人工水母搜索算法优选的控制参数kq、d和j的取值范围，其中，kq的取值范围设置为[1，500]，d的取值范围设置为[5，50]，j的取值范围设置为[0.01，5]，设置改进型人工水母搜索算法的种群维度d＝3；
[0040]
(3.2)采用tent混沌映射方法初始化水母种群
[0041]
记录改进型人工水母搜索算法中水母的初始位置并保存为矩阵x
t
，如式(11)所示：
[0042][0043]
式中，为第t次迭代计算中第i个水母种群的第j个水母个体的位置；d为水母种群维度，在虚拟同步发电机控制参数优选问题中设置d＝3，每个水母种群中包含3个水母个体，3个水母个体分别用来搜索虚拟同步发电机的性能参数kq、d和j；m表示水母种群的个数，设置m＝m＝30；t为改进型人工水母搜索算法的当前迭代次数，将初始位置矩阵作为当前迭代的位置矩阵时，t＝0，将更新的位置矩阵作为下一次迭代的位置矩阵时，t＝1，2，...，iter
max
；
[0044]
采用混沌映射方法对水母种群进行初始化，在解空间内生成均匀分布的水母种群，得到初始化水母的位置；此处对原有种群初始化策略进行了改进，引入tent映射代替logistic映射，改进前后的种群初始化公式如式(12)和(13)所示：
[0045]
改进前：
[0046]
x
i+1
＝ηxi(1-xi)，0＜xi＜1
ꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0047]
式中，xi表示所生成混沌序列中的水母，其中i∈[1，2，...，m]，m表示所需初始化的水母种群的个数，设置m＝m＝30，η为logistic混沌映射的分型参数，在人工水母搜索算法中设置η＝4；
[0048]
改进后：
[0049][0050]
式中，α为tent混沌映射的调节参数，取值范围是[0，1]，α的取值决定所生成的混沌序列的分布特性，在改进型人工水母搜索算法中设置α＝0.5；
[0051]
(3.3)计算所有水母位置的适应度值，记录当前适应度最优水母的位置
[0052]
建立改进型人工水母搜索算法关于虚拟同步发电机控制参数优化问题的适应度函数，设置算法的适应度函数等于目标函数obj，适应度值越小的解，对应的控制参数越适合虚拟同步发电机，适应度函数fit如式(14)所示：
[0053]
fit＝obj＝a
×
itaef+(1-a)
×
itaeuꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0054]
计算所有水母位置的适应度值，并记录当前适应度最优水母的位置，适应度最优水母的位置表示为x
best
；将水母位置的适应度值保存为适应度矩阵f
(t)
，如式(15)所示：
[0055][0056]
式中，f
(t)
为第t次迭代中水母种群的适应度矩阵，m表示所需初始化的水母种群的个数，d为水母种群维度；
[0057]
(3.4)计算时间控制函数值，确定水母的运动方式并更新水母种群位置，计算适应度值，记录并更新全局最优个体位置
[0058]
改进型人工水母搜索算法的时间控制函数c(t)如式(16)所示：
[0059][0060]
式中，t为改进型人工水母搜索算法的当前迭代次数，iter
max
为改进型人工水母搜索算法的最大迭代次数，rand(0，1)表示0到1之间的随机数；
[0061]
根据计算得到的时间控制函数值，确定水母的运动方式，执行不同的位置更新策略更新水母的位置；
[0062]
当c(t)的数值大于等于0.5时，水母跟随洋流运动，通过位置更新策略1更新水母的位置；当c(t)的数值小于0.5时，水母进行种群内运动，进行二次判别，将1-c(t)的数值与随机生成的0到1之间的随机数rand(0，1)进行比较；如果rand(0，1)大于1-c(t)的值，水母进行改进型a类运动，通过位置更新策略2更新水母的位置；如果rand(0，1)小于等于1-c(t)，水母进行b类运动，通过位置更新策略3更新水母的位置；
[0063]
具体的，所述位置更新策略1是水母跟随洋流运动时水母的位置更新公式，如式
(17)所示：
[0064]
xi(t+1)＝xi(t)+rand(0，1)
×
(x
best-β
×
rand(0，1)
×
μ)
ꢀꢀꢀꢀꢀꢀ
(17)
[0065]
式中，xi(t)表示水母的当前位置，xi(t+1)表示水母的位置更新后下一时刻的位置，x
best
为当前适应度最优水母的位置，即当前迭代中虚拟同步发电机的控制参数kq、d、j的最优值；β表示分布系数，设置β＝3，rand(0，1)表示0到1之间的随机数，μ表示种群中所有水母的平均位置；
[0066]
所述位置更新策略2是水母在种群内进行改进型a类运动时水母的位置更新公式，此处对原有位置更新公式进行了改进，引入正弦动态自适应因子，改进前后的位置更新公式如式(18)和式(19)所示：
[0067]
改进前：
[0068]
xi(t+1)＝xi(t)+γ
×
rand(0，1)
×
(u
m-lm)
ꢀꢀꢀꢀꢀꢀ
(18)
[0069]
式中，γ表示水母的运动系数，设置γ＝0.1；um表示虚拟同步发电机控制参数取值范围的上界，lm表示虚拟同步发电机控制参数取值范围的下界；
[0070]
改进后：
[0071][0072]
式中，s代表正弦动态自适应因子，iter
max
表示改进型人工水母搜索算法的最大迭代次数，t表示改进型人工水母搜索算法的当前迭代次数；
[0073]
所述位置更新策略3是水母在种群内进行b类运动时水母的位置更新公式，水母进行b类运动时，当前待更新位置的水母为水母i，在种群中随机选择另一个水母，称为水母j，根据水母j的位置更新水母i的位置，水母进行b类运动时的位置更新公式如式(20)和(21)所示：
[0074][0075][0076]
式中，xi(t)表示水母i的当前位置，xj(t)表示水母j的当前位置，xi(t+1)表示水母的位置更新后下一时刻的位置，s
t
表示水母i的步长，d
ir
表示水母i的运动方向，f(xi(t))表示关于水母i的目标函数，f(xj(t))表示关于水母j的目标函数；
[0077]
(3.5)通过变异操作更新水母种群的当前位置，计算种群适应度值，记录并更新最优个体的位置
[0078]
在水母种群按照位置更新公式完成位置更新后，引入变异操作，具体操作如下：
[0079]
在水母种群中随机选一个水母个体xk，再随机选三个水母个体，计算个体的适应度值并进行根据适应度的优劣排序，三个水母个体分别表示为xa、xb、xc，适应度值分别为fa、fb、fc，xa是适应度最优的个体；更新xk的当前位置，进行变异操作，xk的位置更新公式如式(22)和式(23)所示：
[0080]
xk＝xa+δ(x
b-xc)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0081][0082]
式中，δ为变异算子，δu表示变异率的上界，δ
l
表示变异率的下界，设置δu＝0.9，δ
l
＝0.1；重复执行变异操作，形成变异水母种群；
[0083]
随机生成一个0到1之间的随机数r，比较r和随机交叉参数rc的大小，执行水母种群的交叉操作；若随机数r的值大于rc，则使用变异前该水母个体替换变异种群对应的水母个体；若随机数r的值小于rc，则保持变异种群的该水母个体位置不变；
[0084]
计算变异和交叉操作后水母种群中的水母个体适应度值，与变异前水母种群的适应度值作比较，如果变异交叉操作后的水母个体适应度更优，则替换对应的变异前水母个体位置，完成引入变异操作后水母种群的位置更新；
[0085]
(3.6)判断是否满足算法的结束条件
[0086]
如果当前的迭代次数t未达到最大迭代次数iter
max
，则开始下一次迭代，重复执行步骤(3.4)和步骤(3.5)；如果当前的迭代次数t达到最大迭代次数iter
max
，算法结束，执行步骤(3.7)；
[0087]
(3.7)输出优化结果
[0088]
输出最优水母位置对应的最优参数值，得到虚拟同步发电机的控制参数kq、d和j的最优解；
[0089]
步骤四，将优选得到的控制参数输入虚拟同步发电机
[0090]
步骤五，建立基于虚拟同步发电机的逆变器控制仿真模型，验证经控制参数优选后的虚拟同步发电机的控制效果
[0091]
在matlab/simulink平台上搭建基于虚拟同步发电机的逆变器控制仿真模型，模拟电力系统的运行；仿真模型包括直流电压源、逆变器、rl滤波模块、rc滤波模块、孤岛/并网开关、交流电网、负荷功率模块、有功-无功功率计算模块、虚拟同步发电机模块和pwm模块；
[0092]
在负荷功率变化的情况下，分别使用传统虚拟同步发电机和经控制参数优选后的虚拟同步发电机对仿真模型中的逆变器进行控制，对比仿真模型的系统频率变化和系统电压变化，验证经控制参数优选后的虚拟同步发电机的控制效果；
[0093]
步骤六，显示经控制参数优选后的虚拟同步发电机的控制结果
[0094]
在计算机的显示屏上显示步骤五得到的传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统频率变化和系统电压变化的对比结果。
[0095]
上述一种虚拟同步发电机控制参数的优选方法，所述改进型人工水母搜索的思想以及建立基于虚拟同步发电机的逆变器控制仿真模型是已有技术，是为本技术领域技术人员所熟知的；
[0096]
上述一种虚拟同步发电机控制参数的优选方法，所述计算机、显示器和matlab计算机软件均是通过商购获得的。
[0097]
本发明的有益效果是：
[0098]
(1)本发明一种虚拟同步发电机控制参数的优选方法，将虚拟同步发电机和改进型人工水母搜索算法相结合，提出一种基于改进型人工水母搜索算法的虚拟同步发电机控制参数优选方法，使用改进型人工水母搜索算法优选虚拟同步发电机的控制参数，搜索虚
拟同步发电机最优的转动惯量、阻尼系数和无功下垂系数，使虚拟同步发电机的控制效果更好；本发明提升了传统虚拟同步发电机对逆变器的控制性能，更有利于提高电力系统的惯性和阻尼特性，增强电力系统的抗扰动能力，有助于提高可再生能源的并网渗透率；
[0099]
(2)本发明在传统人工水母搜索算法中引入了tent混沌映射初始化方法，使得种群中水母个体的初始位置分布更加均匀；在位置更新公式中引入了正弦动态自适应因子，增强了算法的局部搜索能力；引入种群变异操作，提高了种群的多样性，有利于避免算法陷入局部最优解；
[0100]
(3)本发明一种虚拟同步发电机控制参数的优选方法并不局限于虚拟同步发电机的控制参数优选，也可以扩展用于其他设备的控制参数优选。
附图说明
[0101]
下面结合附图和实施例对本发明进一步说明。
[0102]
图1是本发明一种虚拟同步发电机控制参数的优选方法的流程示意图。
[0103]
图2是本发明方法采用改进型人工水母搜索算法优选虚拟同步发电机控制参数的流程示意图。
[0104]
图3是本发明实施例提供的虚拟同步发电机无功-电压控制结构图。
[0105]
图4是本发明实施例提供的虚拟同步发电机有功-频率控制结构图。
[0106]
图5是本发明实施例提供的基于虚拟同步发电机的逆变器控制结构示意图。
[0107]
图6是本发明实施例提供的传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统频率变化对比图。
[0108]
图7是本发明实施例提供的传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统电压变化对比图。
具体实施方式
[0109]
图1表明本发明一种虚拟同步发电机控制参数优选方法的流程是：开始
→
建立虚拟同步发电机无功-电压控制结构的数学模型
→
建立虚拟同步发电机有功-频率控制结构的数学模型
→
构建虚拟同步发电机控制参数优选问题的目标函数
→
采用改进型人工水母搜索算法优选虚拟同步发电机的控制参数
→
将优选得到的控制参数输入虚拟同步发电机
→
验证经控制参数优选后的虚拟同步发电机的控制效果
→
显示经控制参数优选后的虚拟同步发电机的控制结果
→
结束；
[0110]
图2表明本发明采用改进型人工水母搜索算法优化虚拟同步发电机控制参数的流程是：开始
→
设置算法的参数和优化目标的取值范围
→
采用tent混沌映射方法初始化水母种群
→
计算所有水母位置的适应度值，记录当前适应度最优水母的位置
→
开始迭代
→
计算时间控制函数值c(t)
→
c(t)＜0.5？
→
否，水母跟随洋流运动；是，rand(0，1)＞1-c(t)？
→
是，水母进行改进型a类运动；否，水母进行b类运动
→
计算适应度值，记录并更新当前适应度最优个体的位置
→
对水母种群进行变异操作
→
计算适应度值，记录并更新当前适应度最优个体的位置
→
t＜iter
max
？
→
是，迭代次数t加1，并开始下一次迭代；否，结束，输出优化结果。
[0111]
实施例1
[0112]
一种虚拟同步发电机控制参数的优选方法
[0113]
步骤一，建立虚拟同步发电机的数学模型
[0114]
(1.1)建立虚拟同步发电机无功-电压控制结构的数学模型
[0115]
虚拟同步发电机的无功-电压控制方程如式(1)和式(2)所示；
[0116]
(1.2)建立虚拟同步发电机有功-频率控制结构的数学模型
[0117]
虚拟同步发电机的有功-频率控制方程如式(3)和式(4)所示；
[0118]
步骤二，构建虚拟同步发电机控制参数优选问题的目标函数
[0119]
在本实施例中，选取虚拟同步发电机的控制参数kq、d和j作为优化目标，其中kq是无功-电压控制中的无功下垂系数，d是有功-频率控制中虚拟转子的阻尼系数，j是有功-频率控制中虚拟转子的转动惯量；
[0120]
构建基于时间乘以绝对误差积分(itae)的虚拟同步发电机控制参数优选问题的目标函数，时间乘以绝对误差积分是误差绝对值乘以时间项对时间的积分，将控制参数优选的目标函数设置为频率和电压的itae之和，并引入权重系数a，目标函数的表达式如式(8)所示；式中，obj表示目标函数值，a和1-a分别为频率和电压itae的权重系数，itaef和itaeu分别表示频率和电压的itae，频率和电压的itae的计算方法如式(9)和式(10)所示；式中，t0表示控制时间，δf(t0)表示频率的误差值，δu(t0)表示电压的误差值，f(t0)表示实时的频率有效值，u(t0)表示实时的电压有效值，fn为额定频率50hz，un为额定电压220v；
[0121]
步骤三，采用改进型人工水母搜索算法优选虚拟同步发电机的控制参数
[0122]
(3.1)设置改进型人工水母搜索算法的参数和优化目标的取值范围
[0123]
在本实施例中，记改进型人工水母搜索算法的最大迭代次数为iter
max
，设置iter
max
＝100次；设置种群数量m＝30个；设置虚拟同步发电机中被改进型人工水母搜索算法优化的性能参数kq、d和j的取值范围，其中，虚拟同步发电机无功下垂系数kq的取值范围设置为[1，500]，阻尼系数d的取值范围设置为[5，50]，j的取值范围设置为[0.01，5]；设置改进型人工水母搜索算法的种群维度d＝3；
[0124]
(3.2)采用tent混沌映射方法初始化水母种群
[0125]
在本实施例中，记录改进型人工水母搜索算法中水母的初始位置并保存为矩阵x
t
，如式(11)所示；式中，d为水母种群维度，在本实施例中设置d＝3，每个水母种群中包含3个水母个体，3个水母个体分别用来搜索虚拟同步发电机的性能参数kq、d和j；m表示水母种群的个数，设置m＝m＝30；t为改进型人工水母搜索算法的当前迭代次数，将初始位置矩阵作为当前迭代的位置矩阵时，t＝0，将更新的位置矩阵作为下一次迭代的位置矩阵时，t＝1，2，...，iter
max
；
[0126]
采用tent混沌映射方法对水母种群进行初始化，得到初始化水母的位置，种群初始化公式如式(13)所示；式中，α为tent混沌映射的调节参数，取值范围是[0，1]，α的取值决定所生成的混沌序列的分布特性，在改进型人工水母搜索算法中设置α＝0.5；
[0127]
(3.3)计算所有水母位置的适应度值，记录当前适应度最优水母的位置
[0128]
在本实施例中，设置算法的适应度函数等于目标函数obj，适应度函数fit如式(14)所示；适应度最优水母的位置表示为x
best
；将水母位置的适应度值保存为适应度矩阵f
(t)
，如式(15)所示；式中，f
(t)
为第t次迭代中水母种群的适应度矩阵，m表示所需初始化的水母种群的个数，d为水母种群维度；
[0129]
(3.4)计算时间控制函数值，确定水母的运动方式并更新水母种群位置，计算适应度值，记录并更新全局最优个体位置
[0130]
在本实施例中，改进型人工水母搜索算法的时间控制函数c(t)如式(16)所示；式中，t为改进型人工水母搜索算法的当前迭代次数，iter
max
为改进型人工水母搜索算法的最大迭代次数，rand(0，1)表示0到1之间的随机数；
[0131]
在本实施例中，根据时间控制函数值确定水母运动方式的具体步骤如下所示：
[0132]
当c(t)的数值大于等于0.5时，水母跟随洋流运动，水母的位置更新公式如式(17)所示；式中，xi(t)表示水母的当前位置，xi(t+1)表示水母的位置更新后下一时刻的位置，x
best
为当前适应度最优水母的位置，即当前迭代中虚拟同步发电机的控制参数kq、d、j的最优值；β表示分布系数，设置β＝3，rand(0，1)表示0到1之间的随机数，μ表示种群中所有水母的平均位置；
[0133]
当c(t)的数值小于0.5时，水母进行种群内运动，进行二次判别，将1-c(t)的数值与随机生成的0到1之间的随机数rand(0，1)进行比较；如果rand(0，1)大于1-c(t)的值，水母进行改进型a类运动，水母的位置更新公式如式(19)所示；式中，s代表正弦动态自适应因子；如果rand(0，1)小于等于1-c(t)，水母进行b类运动，当前待更新位置的水母为水母i，在种群中随机选择另一个水母，称为水母j，根据水母j的位置更新水母i的位置，水母的位置更新公式如式(20)和式(21)所示；式中，xi(t)表示水母i的当前位置，xj(t)表示水母j的当前位置，xi(t+1)表示水母的位置更新后下一时刻的位置，s
t
表示水母i的步长，dir表示水母i的运动方向，f(xi(t))表示关于水母i的目标函数，f(xj(t))表示关于水母j的目标函数；
[0134]
(3.5)通过变异操作更新水母种群的当前位置，计算种群适应度值，记录并更新最优个体的位置
[0135]
在本实施例中，通过变异操作更新水母种群位置的具体步骤如下所示：
[0136]
从水母种群中随机选一个水母个体xk，再随机选三个水母个体，计算个体的适应度值并进行根据适应度的优劣排序，三个水母个体分别表示为xa、xb、xc，适应度值分别为fa、fb、fc，xa是适应度最优的个体；更新xk的当前位置，进行变异操作，xk的位置更新公式如式(22)和式(23)所示；式中，δ为变异算子，δu表示变异率的上界和δ
l
表示变异率的下界，设置δu＝0.9，δ
l
＝0.1；重复执行变异操作，形成变异水母种群；
[0137]
随机生成一个0到1之间的随机数r，比较r和随机交叉参数rc的大小，执行水母种群的交叉操作；若随机数r的值大于rc，则使用变异前该水母个体替换变异种群对应的水母个体；若随机数r的值小于rc，则保持变异种群的该水母个体位置不变；
[0138]
计算变异和交叉操作后水母种群中的水母个体适应度值，与变异前水母种群的适应度值作比较，如果变异交叉操作后的水母个体适应度更优，则替换对应的变异前水母个体位置，完成引入变异操作后水母种群的位置更新；
[0139]
(3.7)输出优化结果
[0140]
输出最优水母位置对应的最优参数值，得到虚拟同步发电机的无功下垂系数kq、阻尼系数d和转动惯量j的最优解；
[0141]
步骤四，将优选得到的控制参数输入虚拟同步发电机
[0142]
具体的，所述控制参数包括无功下垂系数kq、阻尼系数d和转动惯量j；
[0143]
步骤五，建立基于虚拟同步发电机的逆变器控制仿真模型，验证经控制参数优选
后的虚拟同步发电机的控制效果
[0144]
在本实施例中，根据图5所示的逆变器控制结构图在matlab/simulink平台搭建基于虚拟同步发电机的逆变器控制仿真模型，模拟电力系统的运行；仿真模型包括直流电压源、逆变器、rl滤波模块、rc滤波模块、孤岛/并网开关、负荷功率模块、交流电网、有功-无功功率计算模块、虚拟同步发电机模块、pwm模块；
[0145]
可选的，通过改进型人工水母搜索算法优选虚拟同步发电机的无功下垂系数kq、阻尼系数d和转动惯量j，得到经控制参数优选后的虚拟同步发电机；
[0146]
在本实施例中，基于虚拟同步发电机的逆变器控制仿真模型中的主要参数设置如表1所示：
[0147]
表1 基于虚拟同步发电机的逆变器控制仿真模型参数
[0148][0149]
分别使用传统虚拟同步发电机和经参数优选后的虚拟同步发电机对仿真模型中的逆变器进行控制，对比仿真模型的系统频率变化和系统电压变化，验证经参数优选后的虚拟同步发电机的控制效果；
[0150]
在本实施例中，传统虚拟同步发电机的无功下垂系数kq、阻尼系数d和转动惯量j的设定参数值如表1所示，经控制参数优选后的虚拟同步发电机的kq、d和j设定为改进型人工水母搜索算法优选得到的最优参数值；设置仿真模型的系统为孤岛运行状态，系统在有功负荷为8kw的状态下稳定运行；在时间t＝1s时，增加有功功率为2kw的负荷，负荷功率增加到10kw，使系统负荷发生波动；在t＝2s时，切除有功功率为2kw的负荷，负荷功率降低到8kw，观察系统的频率变化和电压变化；
[0151]
传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统频率变化如图6所示，图6的横坐标为时间，纵坐标为频率；图6中的实线表示负荷功率保持稳定时的系统频率变化，点线表示负荷发生波动时传统虚拟同步发电机控制下的系统频率变化，虚线表示负荷发生波动时经控制参数优选后的虚拟同步发电机控制下的系统频率变化；由图6可知，在负荷功率降低时，传统虚拟同步发电机控制下的系统频率有3次超过50hz，且振荡幅度大于经控制参数优选后的虚拟同步发电机控制的系统频率变化；
[0152]
传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统电压变化如图7所示，图7的横坐标为时间，纵坐标为电压；图7中的实线表示负荷功率保持稳定时的系统电压变化，点线表示负荷发生波动时传统虚拟同步发电机控制下的系统电压变化，虚线表示负荷发生波动时经控制参数优选后的虚拟同步发电机控制下的系统电压变化；由图7可知，在系统负荷降低时，传统虚拟同步发电机控制下的系统电压下降到219.5v，
而经控制参数优选后的虚拟同步发电机控制下的系统电压仅下降到219v，相比于传统虚拟发电机控制下的系统，电压波动幅度较小；
[0153]
在本实施例中，验证结果表明：在系统负荷功率发生波动时，与传统虚拟同步发电机相比，经控制参数优选后的虚拟同步发电机对逆变器的控制效果更好，系统频率和系统电压的振荡幅度较小，稳定性更好，本发明提出的虚拟同步发电机控制参数的优选方法有利于提高虚拟同步发电机的控制能力，更利于系统的安全稳定运行；
[0154]
步骤六，显示经控制参数优选后的虚拟同步发电机的控制结果
[0155]
在计算机的显示屏上显示步骤五得到的传统虚拟同步发电机与经控制参数优选后的虚拟同步发电机控制下的系统频率变化和系统电压变化的对比结果。
[0156]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。