一种基于pso算法的三电平优化pwm方法
【专利摘要】本发明公开了一种基于PSO算法的三电平优化PWM方法，涉及优化脉宽调制方法领域，该基于PSO算法的三电平优化PWM方法针对三电平牵引逆变器进行谐波优化，对比不同分频段下两种PWM方法得到的逆变器输出电流波形可知，PSO-PWM得到的电流THD要比SPWM的低许多，且电流波形正弦度更好。不同分频段的4个工作点的电流波形都得到了一定程度的优化，则验证了该PSO-PWM方法具有良好的谐波优化效果。
【专利说明】
一种基于PSO算法的三电平优化PWM方法
技术领域
[0001]本发明涉及优化脉宽调制方法领域，特别涉及一种基于PSO算法的三电平优化PffM方法。
【背景技术】
[0002]在大功率牵引逆变器中，受开关器件开关损耗及散热的限制，开关频率一般只有几百赫兹。在开关频率较低的情况下，牵引逆变器输出波形的谐波含量会比较大。这些谐波会造成牵引电机附加损耗增加和运行温度升高，缩短电机绝缘寿命，同时还会使牵引电机输出转矩产生脉动，产生机械震动和噪声等问题，对高速动车组或大功率电力机车的牵引性能造成了很大的影响。因此，有必要采用优化脉宽调制(PWM)方法来减少牵引逆变器输出波形的谐波。
[0003]PSO算法是美国的Kennedy和Eberhart博士在受鸟群觅食行为启发后于1995年提出来的。PSO算法与其它进化算法类似，也采用群体和进化的概念。传统正弦脉宽调制(SPffM)的谐波优化效果较为一般，不能满足现在对牵引逆变器的谐波优化效果要求。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种基于PSO算法的三电平优化PffM方法，通过采用PSO优化脉宽调制(PffM)对大功率三电平牵引逆变器的输出波形进行谐波优化，以解决现有的传统正弦脉宽调制(SPffM)的谐波优化效果较为一般的缺陷。
[0005]为实现上述目的，本发明提供以下的技术方案:一种基于PSO算法的三电平优化PffM方法，其特征在于:所述基于PSO算法的三电平优化PffM方法针对三电平牵引逆变器进行谐波优化，在PSO算法中，在η维空间内搜索全局优化问题的最优解，每个粒子表示η维空间的一个可行解，种群中粒子的个数称为种群规模，包括以下步骤:
(I)随机初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ；
⑵根据公式 vid (t+1) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid (t+1)=Xid (t)+Vid (t+1)更新每个粒子的速度和位置；
(3)计算每个粒子当前的适应度函数值；
(4)更新粒子在搜索空间飞行过程中自身所经历过的最优位置和整个群体经历过的最优位置；
(5)若达到停止条件输出最优个体，否则返回步骤(2);
(6)t= t+1，若t达到最大迭代次数T，则停止迭代。
[0006]优选的，所述PSO算法中，用η维向量Xi= (X u，xi2，…，xin)来表示第i个粒子的位置，用η维向量Vi= (v vi2,…，vin)来表示第i个粒子的速度。
[0007]优选的，所述步骤(I)中pbest表示粒子在搜索空间飞行过程中，它自身所经历过的最优位置记作Pi= (P i1.Pi2^…，Pin)。
[0008]优选的，所述步骤(I)中gbest表示粒子在搜索空间飞行过程中，整个群体经历过的最优位置用索引符号g表示，即pg。
[0009]优选的，所述步骤⑵中t为当前迭代次数，w为惯性权重；cJPc2为加速常量；ri和^为2个在[0，1]范围内服从均匀分布的随机变量，使其依据自身速度进行惯性运动。
[0010]优选的，所述惯性权重系数w采用递减形式:w = (W1-W2) X (T_t)/t+w2，式中，W1S最大惯性权重，W2为最小惯性权重，T为最大迭代次数。
[0011 ] 优选的，所述三电平牵引逆变器为城轨车辆用三电平牵引逆变器。
[0012]优选的，所述三电平牵引逆变器的牵引逆变器直流侧电压Ud = 3000V，牵引电机的额定电压UN = 2700V，额定电流IN = 145A，额定功率PN = 562kW。
[0013]采用以上技术方案的有益效果是:本发明采用了 POS算法针对三电平牵引逆变器进行谐波优化，对比不同分频段下两种PWM方法得到的逆变器输出电流波形可知，PSO-PffM得到的电流THD要比SPffM的低许多，且电流波形正弦度更好。不同分频段的4个工作点的电流波形都得到了一定程度的优化，则验证了该PSO-PffM方法具有良好的谐波优化效果。
【附图说明】
[0014]图1是三电平牵引逆变器-电机驱动系统主电路；
图2是相电压Ua。的波形图。
【具体实施方式】
[0015]下面结合附图详细说明本发明基于PSO算法的三电平优化PffM方法的优选实施方式。
[0016]图1和图2出示本发明基于PSO算法的三电平优化PffM方法的【具体实施方式】:图1给出了三电平牵引逆变器-电机驱动系统的主电路结构图。假定图1中三电平逆变器的输出相电压是四分之一周期对称，二分之一周期反对称的，如图2所示。由傅立叶变换可知，这样的波形可以保证逆变器输出电压不含直流分量和偶数次谐波分量。由波形的对称性可知，只要确定第一个四分之一周期内的N个脉冲开关角度，三电平逆变器的输出电压脉冲序列就能唯一地确定。
[0017]在牵引逆变器-电机驱动系统中，当异步电机基波频率较高时，其k次谐波电流的有效值近似为:Ik= U k/k(xis+xir)，其中，队为k次谐波相电压的有效值，X 1；3和X k分别为基波频率下定子漏电抗和转子漏电抗。
[0018]结合图1和图2所示，该基于PSO算法的三电平优化PffM方法，其特征在于:所述基于PSO算法的三电平优化PffM方法针对三电平牵引逆变器进行谐波优化，在PSO算法中，在η维空间内搜索全局优化问题的最优解，每个粒子表示η维空间的一个可行解，种群中粒子的个数称为种群规模，包括以下步骤:
(I)随机初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ；
⑵根据公式 vid (t+1) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid (t+1)=Xid (t)+Vid (t+1)更新每个粒子的速度和位置；
(3)计算每个粒子当前的适应度函数值；
(4)更新粒子在搜索空间飞行过程中自身所经历过的最优位置和整个群体经历过的最优位置； (5)若达到停止条件输出最优个体，否则返回步骤(2);
(6)t= t+1，若t达到最大迭代次数T，则停止迭代。
[0019]PSO算法中，用η维向量Xi= (X ^xi2,…，xin)来表示第i个粒子的位置，用η维向量Vi= (V vi2,…，vin)来表示第i个粒子的速度。所述步骤(I)中pbest表示粒子在搜索空间飞行过程中，它自身所经历过的最优位置记作P1= (Pu，P12,…，Pin);所述步骤(I)中gbest表示粒子在搜索空间飞行过程中，整个群体经历过的最优位置用索引符号g表示，即Pg;所述步骤⑵中t为当前迭代次数，w为惯性权重c 2为加速常量^为2个在[0，1]范围内服从均匀分布的随机变量，使其依据自身速度进行惯性运动；惯性权重系数W采用递减形式:w = (W1-W2) X (T_t)/t+w2，式中，W1为最大惯性权重，W2为最小惯性权重，T为最大迭代次数。
[0020]以上的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
【主权项】
1.一种基于PSO算法的三电平优化PffM方法，其特征在于:所述基于PSO算法的三电平优化PffM方法针对三电平牵引逆变器进行谐波优化，在PSO算法中，在η维空间内搜索全局优化问题的最优解，每个粒子表示η维空间的一个可行解，种群中粒子的个数称为种群规模，包括以下步骤: (I)随机初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ； ⑵根据公式 vid(t+l) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid(t+l)=xid(t)+vid(t+l)更新每个粒子的速度和位置； (3)计算每个粒子当前的适应度函数值； (4)更新粒子在搜索空间飞行过程中自身所经历过的最优位置和整个群体经历过的最优位置； (5)若达到停止条件输出最优个体，否则返回步骤(2); (6)t= t+1，若t达到最大迭代次数T，则停止迭代。2.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述PSO算法中，用η维向量Xi= (XiPXiiJr^Xin)来表示第i个粒子的位置，用η维向量Vi= (Vil,Vi2""", Vln)来表示第i个粒子的速度。3.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述步骤(I)中Pbest表示粒子在搜索空间飞行过程中，它自身所经历过的最优位置记作P1= (Pu，Pi2，…，Pin)。4.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述步骤(I)中gbest表示粒子在搜索空间飞行过程中，整个群体经历过的最优位置用索引符号g表示，即Pg。5.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述步骤⑵中t为当前迭代次数，w为惯性权重；cdP C2为加速常量；1'1和1'2为2个在[0，1]范围内服从均匀分布的随机变量，使其依据自身速度进行惯性运动。6.根据权利要求5所述的惯性权重W，其特征在于:所述惯性权重系数w采用递减形式:W = (W1-W2) X (T_t)/t+W2，式中，W1为最大惯性权重，W 2为最小惯性权重，T为最大迭代次数。7.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述三电平牵引逆变器为城轨车辆用三电平牵引逆变器。8.根据权利要求1所述的基于PSO算法的三电平优化PffM方法，其特征在于:所述三电平牵引逆变器的牵引逆变器直流侧电压Ud = 3000V，牵引电机的额定电压UN= 2700V，额定电流IN = 145A，额定功率PN = 562kW。
【文档编号】H03K7/08GK105897228SQ201510035727
【公开日】2016年8月24日
【申请日】2015年1月21日
【发明人】宋奇吼, 束元, 刘盛烺, 叶云飞, 童岩峰, 戴丽君, 朱柏杨, 徐百钏, 王雪钰
【申请人】南京铁道职业技术学院