CN110829485A - 基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 - Google Patents
基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 Download PDFInfo
- Publication number
- CN110829485A CN110829485A CN201910958487.7A CN201910958487A CN110829485A CN 110829485 A CN110829485 A CN 110829485A CN 201910958487 A CN201910958487 A CN 201910958487A CN 110829485 A CN110829485 A CN 110829485A
- Authority
- CN
- China
- Prior art keywords
- lcl filter
- parameters
- filter
- parameter
- particle swarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法、***及介质,方法包括确定LCL滤波器控制***模型、确定优化目标以及约束条件;初始化参数的取值边界范围或取值;确定适应度函数;根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计。本发明将滤波器参数及控制参数进行全局优化设计,能够有效滤除谐波分量、使得并网电流接近于标准正弦波,谐波抑制效果好,能够很好地满足LCL滤波器逆变器***的整体***性能要求,能够适应需要设计的参数和考虑的约束条件较多,且目标函数和约束条件多为非线性的情况,且参数寻优时收敛速度快,寻优结果好,非常适应于工程应用。
Description
技术领域
本发明涉及功率电子变换领域的对并网逆变器有源阻尼优化设计技术,具体涉及一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法、***及介质,可用于光伏并网、风电并网等分布式能源的并网设计。
背景技术
并网逆变器是连接发电***和电网的关键设备,在光伏并网等分布式发电领域具有重要作用。由于高频PWM调制技术的使用,并网逆变器会向电网注入高频谐波电流而影响电能质量。因此,对并网逆变器交流测输出滤波器的设计成为研究热点。常用的单相全桥LCL滤波器逆变器***如图1所示,Vdc为直流母线电压,vi为逆变桥输出电压,vs为电网电压,vc为电容电压,i1为逆变器侧电流,i2为并网电流。L1、Rf1为滤波器内电感的电感值和寄生电阻,C为滤波器的电容,L2、Rf2为外电感的电感值和寄生电阻。
与L型滤波器相比,LCL型滤波器属于三阶滤波器,其高频衰减特性可以更好地抑制高频谐波,在中高功率与低开关频率场合得到广泛应用。但LCL型滤波器设计复杂。一方面,由于谐振效应的存在,并网电流直接闭环控制存在不稳定问题。另一方面,LCL滤波器参数设计需考虑率滤波性能、控制性能以及工程应用等诸多限制条件。目前大多数设计方案将控制参数和滤波器参数分开分析设计。在滤波器参数设计时,将LCL滤波器的谐振频率以及性能要求控制在规定范围,利用传统算法或者优化算法寻找合适参数;在控制器设计时,以稳定性和LCL谐振抑制为目标,根据伯德图或者根轨迹方法对调节器参数进行反复试凑、比较,得到较理想的控制器,从而满足整体***性能要求。然而,由于LCL滤波器和控制器共同决定了逆变器***的滤波性能和稳定性,因此分开设计***的参数很难满足全局最优。而且在设计时,很多约束同时涉及两类参数,分开设计则无法综合考虑不同约束间的相互影响。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法、***及介质,本发明将滤波器参数及控制参数进行全局优化设计,能够有效滤除谐波分量、使得并网电流接近于标准正弦波,谐波抑制效果好,能够很好地满足LCL滤波器逆变器***的整体***性能要求,能够适应需要设计的参数和考虑的约束条件较多,且目标函数和约束条件多为非线性的情况,且参数寻优时收敛速度快,寻优结果好,非常适应于工程应用。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,实施步骤包括:
1)确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
2)综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
3)初始化LCL滤波器控制***模型的滤波器参数和控制参数的取值边界范围或取值;
4)根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
5)根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
步骤1)中确定的LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型:逆变器侧电流反馈环、LCL滤波器,逆变器侧电流反馈环包括依次相连的第一求差环节、PI控制环节、PWM逆变单元等效增益环节,其中PI控制环节比例参数和微分参数分别为Kp、Ki,LCL滤波器的内电感为L1,寄生电阻为Rf1;滤波器的电容为C,外电感为L2且其寄生电阻为Rf2;所述LCL滤波器控制***模型中并网电流i2逆变器侧参考电流i*之间的闭环传递函数为:
I2(s)=W1(s)I*(s)-W2(s)vs(s) (1)
上式中,I2(s)表示并网电流,I*(s)表示逆变器侧参考电流,vs(s)表示电网电压,其中:
上述各式中,KPWM为PWM逆变单元等效增益环节的增益系数。
步骤2)中确定的LCL滤波器控制***模型的优化目标为LCL滤波器在主要谐波段输出特性最佳,且所述LCL滤波器在主要谐波段输出特性最佳的函数表达式为:
上式中,W定义为LCL滤波器在主要谐波段的输出特性,ωU和ωL分别为主要谐波段的最大频率和最小频率,ω为角频率,W1(jω)由式(2)表示;
所述滤波器在主要谐波段输出特性最佳的离散化后的函数表达式为:
上式中,U和L分别为主要谐波段的最大次数和最小次数,变量i的取值范围为U或L,ωi表示各谐波的角频率,W1(jωi)为式(2)在谐波处的值;
步骤2)中确定的LCL滤波器控制***模型的约束条件包括:
I)逆变器侧电流i1、并网电流i2之间的衰减系数Hg的约束:
上式中,ωs为开关谐波的角频率,η为开关谐波含量满足要求时的衰减系数;
II)***稳态误差EM的约束:
上式中,f0为电网基波频率;
III)LCL滤波器的电容C的约束:
上式中,Prated为逆变器额定有功功率,Vs为电网相电压有效值;
IV)LCL滤波器的总电感约束:
L1+L2=Lmin (11)
上式中,Lmin为满足并网电流纹波要求的最小总电感量,Vs是电网相电压vs的幅值,Vdc是逆变器直流侧电压,α为峰值附近电流脉动与基波峰值的允许比例,fs为额定开关频率,I2为额定输出相电流i2的峰值。
步骤3)的详细步骤包括:分别根据总电感约束和滤波电容约束确定满足并网电流纹波要求的最小总电感量Lmin、LCL滤波器的电容C的最大值Cmax的值,从而确定滤波器参数中的内电感L1、电容C的取值范围;确定控制参数中Kp以及Ki的取值范围、开关谐波含量满足要求时的衰减系数η的取值以及粒子群算法中超参数c1、c2的设置。
步骤4)确定粒子群算法评价粒子的适应度函数为:
minF(X)=W+P(X) (13)
P(X)=a*P1+b*P2 (14)
P1=max(0,Hg-η) (15)
P1=max(0,EM-1%) (16)
上式中,W为LCL滤波器在主要谐波段输出,a和b分别是对应的惩罚系数,Hg为逆变器侧电流i1、并网电流i2之间的衰减系数,η为开关谐波含量满足要求时的衰减系数,EM为***稳态误差。
步骤5)的详细步骤包括:
5.1)在待优化滤波器参数和控制参数的边界范围内随机初始化粒子群各粒子的位置、速度、个体历史最优位置pbest以及种群历史最优位置gbest,其中随机初始化粒子群各粒子时,每一个粒子为由内电感L1、电容C、比例参数Kp、微分参数Ki四者的随机取值构成的向量;
5.2)根据粒子群算法的更新公式更新粒子群各粒子的速度和位置;
5.3)根据适应度函数计算各粒子的适应度值,并与更新前的个体历史最优位置pbest的适应度值相比较,更新个体历史最优位置pbest以及种群历史最优位置gbest;
5.4)进行终止条件判断:当达到最大迭代次数,终止迭代并输出LCL滤波器最优设计方案;否则转到优化步骤5.2)继续迭代寻优过程。
此外,本发明还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括:
***模型确定程序单元,用于确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
优化目标以及约束条件确定程序单元,用于综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
参数初始化程序单元,用于在LCL滤波器控制***模型的约束条件的边界范围内随机初始化LCL滤波器控制***模型的滤波器参数和控制参数;
适应度函数确定程序单元,用于根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
粒子群算法优化程序单元,用于根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
此外,本发明还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,该计算机设备被编程或配置以执行所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的步骤。
此外,本发明还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,该计算机设备的存储介质上存储有被编程或配置以执行所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
此外,本发明还提供一种计算机可读存储设备,该计算机可读存储设备上存储有被编程或配置以执行所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
和现有技术相比,本发明具有下述优点:
1、本发明考虑到LCL滤波器和控制器共同决定了逆变器***的滤波性能和稳定性,因此在综合考虑LCL滤波器的滤波性能、***控制性能的基础上,针对逆变器侧电流反馈的控制方案,提出了一种滤波器参数和控制系数整体设计的优化方法,通过确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型、综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件,根据LCL滤波器控制***模型的优化目标(综合考虑LCL滤波器的滤波器参数和控制参数)确定粒子群算法评价粒子的适应度函数,根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案,从而综合考虑了不同约束间的相互影响,可实现LCL滤波器参数及控制参数的全局优化设计,能够有效抑制谐振效应的存在导致并网电流直接闭环控制存在不稳定问题。
2、由于本发明为滤波器参数和控制系数整体设计的优化方法,因此会导致需要设计的参数和考虑的约束条件较多,且目标函数和约束条件多为非线性,已有的一些方法如图解法或反复试凑的工程方法得到确定参数比较困难且往往无法满足最优性,例如使用遗传算法对滤波器参数寻优时收敛速度较慢,寻优结果较差,不利于工程应用。本发明中针对LCL滤波器控制***模型的滤波器参数和控制参数,根据LCL滤波器控制***模型的优化目标(综合考虑LCL滤波器的滤波器参数和控制参数)确定粒子群算法评价粒子的适应度函数,根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案,通过采用粒子群算法能够适应需要设计的参数和考虑的约束条件较多,且目标函数和约束条件多为非线性的情况,且参数寻优时收敛速度快,寻优结果好,非常适应于工程应用。
附图说明
图1为现有技术的单相全桥LCL滤波器逆变器***结构示意图。
图2为本发明实施例方法的基本流程示意图。
图3为本发明实施例中建立的LCL滤波器控制***模型。
具体实施方式
如图2所示,本实施例基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的实施步骤包括:
1)确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
2)综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
3)初始化LCL滤波器控制***模型的滤波器参数和控制参数的取值边界范围或取值;
4)根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
5)根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
与以往的优化方法相比,本实施例方法考虑了控制器参数与LCL滤波器参数间的耦合关系,可有效避免分开设计导致的控制不稳定或者性能较差的现象。本实施例方法采取了粒子群寻优算法,相比依赖于工程经验的传统试算设计方法,本实施例方法计算简便,收敛速度快,大大简化了设计流程,并且保证了优化设计的最优性。
如图3所示,本实施例步骤1)中确定的LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型:逆变器侧电流反馈环、LCL滤波器,逆变器侧电流反馈环包括依次相连的第一求差环节、PI控制环节、PWM逆变单元等效增益环节,其中PI控制环节比例参数和微分参数分别为Kp、Ki,LCL滤波器的内电感为L1,寄生电阻为Rf1;滤波器的电容为C,外电感为L2且其寄生电阻为Rf2;所述LCL滤波器控制***模型中并网电流i2逆变器侧参考电流i*之间的闭环传递函数为:
I2(s)=W1(s)I*(s)-W2(s)vs(s) (1)
上式中,I2(s)表示并网电流,I*(s)表示逆变器侧参考电流,vs(s)表示电网电压,其中:
上述各式中,KPWM为PWM逆变单元等效增益环节的增益系数。
如图3所示,本实施例中的LCL滤波器控制***模型包括逆变器侧电流反馈环、LCL滤波器,逆变器侧电流反馈环(第一求差环节+PI控制器+pwm增益)用于抑制LCL滤波器谐振,LCL滤波器用于抑制***输出的高频谐波。其中,LCL滤波器等效为包括第二求差环节、内电感环节、第三求差环节、电容环节、第四求差环节,PWM逆变单元等效增益环节的输出从第二求差环节输入,第四求差环节输出至外电感L2,内电感环节输出的逆变器侧电流i1闭环反馈至第一求差环节,电容环节的电容电压vc闭环反馈至第二求差环节,并网电流i2闭环反馈至第三求差环节,电网的电网电压vs闭环反馈至第四求差环节。
本实施例中,步骤2)中确定的LCL滤波器控制***模型的优化目标为LCL滤波器在主要谐波段输出特性最佳,且所述LCL滤波器在主要谐波段输出特性最佳的函数表达式为:
上式中,W定义为LCL滤波器在主要谐波段的输出特性,ωU和ωL分别为主要谐波段的最大频率和最小频率,ω为角频率,W1(jω)由式(2)表示;
所述滤波器在主要谐波段输出特性最佳的离散化后的函数表达式为:
上式中,U和L分别为主要谐波段的最大次数和最小次数,变量i的取值范围为U或L,ωi表示各谐波的角频率,W1(jωi)为式(2)在谐波处的值;
为了满足滤波效果,要求LCL滤波器在主要谐波段的输出特性尽可能小,而高频开关谐波分量小于限制值。以主要谐波段上输出特性最佳为优化目标,兼顾***的开关谐波抑制效果和跟踪性能,因此本实施例中步骤2)中确定的LCL滤波器控制***模型的优化目标为LCL滤波器在主要谐波段输出特性最佳,且所述LCL滤波器在主要谐波段输出特性最佳的函数表达式如式(5)所示,离散化后的函数表达式如式(6)所示。
步骤2)中确定的LCL滤波器控制***模型的约束条件包括:
I)逆变器侧电流i1、并网电流i2之间的衰减系数Hg的约束:
上式中,ωs为开关谐波的角频率,η为开关谐波含量满足要求时的衰减系数;为了电网侧输出电流中保证开关谐波分量满足要求,需要对逆变器侧谐波电流I1(s)到网侧谐波电流I2(s)的衰减系数加以限制,因此本实施例中步骤2)中确定的LCL滤波器控制***模型的约束条件中,逆变器侧电流i1、并网电流i2之间的衰减系数Hg的约束如式(7)所示。
II)***稳态误差EM的约束:
上式中,f0为电网基波频率;***的稳态误差是衡量***跟踪性能的重要指标,一般要求幅值误差在1%以内;
III)LCL滤波器的电容C的约束:
上式中,Prated为逆变器额定有功功率,Vs为电网相电压有效值;为保证逆变器效率,一般要求滤波电容吸收的基波无功不超过逆变器额定功率的5%,故对电容C有约束如式(10)所示。
IV)LCL滤波器的总电感约束:
L1+L2=Lmin (11)
上式中,Lmin为满足并网电流纹波要求的最小总电感量,Vs是电网相电压vs的幅值,Vdc是逆变器直流侧电压,α为峰值附近电流脉动与基波峰值的允许比例,fs为额定开关频率,I2为额定输出相电流i2的峰值。为了减小装置体积和节省材料成本,LCL滤波器的总电感应尽可能小一些。而为了最大限度地抑制并网电流谐波,总电感的下限需要满足电流纹波要求,则总电感约束如式(11)和(12)所示。
本实施例中,步骤3)的详细步骤包括:分别根据总电感约束和滤波电容约束确定满足并网电流纹波要求的最小总电感量Lmin、LCL滤波器的电容C的最大值Cmax的值,从而确定滤波器参数中的内电感L1、电容C的取值范围;确定控制参数中Kp以及Ki的取值范围、开关谐波含量满足要求时的衰减系数η的取值以及粒子群算法中超参数c1、c2的设置。在L1+L2取值一定的情况下,L1取值确定,L2取值随之确定。故可选取L1、电容大小C、Kp以及Ki作为优化变量,即粒子群中粒子位置的构成为X=[L1,C,Kp,Ki],其中L1∈(0,Lmin),C∈(0,Cmax],Cmax和Lmin分别由上面的滤波电容约束和总电感约束确定。
本实施例中,步骤4)确定粒子群算法评价粒子的适应度函数为:
minF(X)=W+P(X) (13)
P(X)=a*P1+b*P2 (14)
P1=max(0,Hg-η) (15)
P1=max(0,EM-1%) (16)
上式中,W为LCL滤波器在主要谐波段输出,a和b分别是对应的惩罚系数,Hg为逆变器侧电流i1、并网电流i2之间的衰减系数,η为开关谐波含量满足要求时的衰减系数,EM为***稳态误差。根据LCL滤波器设计的优化目标,可得粒子群算法的适应度函数为minF(X)=W,为了得到满足所有约束条件的可行最优解,采用罚函数法对违反的约束部分进行惩罚,则适应度函数变更为如式(13)所示函数表达式。在此基础上,即可开始根据上面的适应度函数利用粒子群算法对LCL滤波器参数和控制参数进行优化设计。
本实施例中,步骤5)的详细步骤包括:
5.1)在待优化滤波器参数和控制参数的边界范围内随机初始化粒子群各粒子的位置、速度、个体历史最优位置pbest以及种群历史最优位置gbest,其中随机初始化粒子群各粒子时,每一个粒子为由内电感L1、电容C、比例参数Kp、微分参数Ki四者的随机取值构成的向量;
5.2)根据粒子群算法的更新公式更新粒子群各粒子的速度和位置;
5.3)根据适应度函数计算各粒子的适应度值,并与更新前的个体历史最优位置pbest的适应度值相比较,更新个体历史最优位置pbest以及种群历史最优位置gbest;
5.4)进行终止条件判断:当达到最大迭代次数,终止迭代并输出LCL滤波器最优设计方案;否则转到优化步骤5.2)继续迭代寻优过程。
粒子群优化(Particle Swarm Optimization,PSO)算法简称粒子群算法,它是Eberhart和Kennedy通过模拟鸟群觅食和鱼群群聚而提出的一种基于群体智能的全局随机优化算法。粒子群算法计算简便,收敛速度快,在工程实际问题中得到了广泛应用。
粒子群算法的粒子速度和位置更新公式分别为:
Xi(t+1)=Xi(t)+Vi(t+1) (18)
上式中,t是目前的迭代次数,Vi(t)和Xi(t)分别代表第i个粒子的速度和位置;w是惯性权重,c1和c2是加速度系数,R1(t)和R2(t)是取值在[0,1]之间的随机向量;pbesti(t)和gbest(t)分别代表第i个粒子的个体历史最优位置和整个种群的历史最优位置。
本实施例中各个参数如下:电网相电压有效值为220V,其幅值Vs为311V;逆变器直流侧电压Vdc=700V,输出相电流i2的幅值为20A,KPWM=22.2;取峰值附近电流脉动与基波峰值的允许比例α=20%;开关频率fs=6.4kHz,基波频率f0=50Hz。由此,根据总电感约束和滤波电容约束可确定电容上限Cmax和总电感Lmin分别为10uF和4mH。优化目标中主要谐波段的最小次数L取5,最大次数U取19;优化模型约束阈值取作η=0.1;粒子群算法的参数c1和c2均取作2.0,惯性权重w随着迭代次数由0.9而线性递减到0.4;罚函数惩罚系数a和b均取1000,粒子数目30个,最大迭代次数300次。采用粒子群算法对LCL滤波器进行优化设计,得到最优设计方案为:L1=3.06mH,L2=0.94mH,C=7.24uF,Kp=5,Ki=16018。作为对比,采用传统方法的设计方案为L1=2mH,L2=2mH,C=5.1uF,Kp=5,Ki=20000。计算可知,与传统设计方法相比,最优设计方案在满足高频开关谐波衰减限制和控制性能的前提下,滤波器的输出特性要更好,可有效抑制逆变器侧电流中的谐波分量并入电网。通过仿真实验波形表明,采用本实施例中优化设计方案后,谐波分量主要在电容电流上,得到了有效滤除,并网电流接近于标准正弦波,谐波抑制效果明显。
综上所述,本实施例提出了一种基于粒子群算法对滤波器参数和控制参数进行全局优化设计方法,由于滤波器参数和控制参数相互耦合,在满足控制性能的同时优化滤波性能变得尤为复杂。本实施例以补偿谐波段输出特性最佳为优化目标,考虑开关谐波衰减的限制条件,兼顾***的阻尼效果和动态性能,建立了综合参数性能设计的优化模型,利用粒子群算法对参数进行寻优,算法计算简便,收敛速度快,寻优结果较好。
本实施例对控制器参数和滤波器参数整体优化,能有效综合考虑不同约束之间的互相影响,能够适应需要设计的参数和考虑的约束条件较多,且目标函数和约束条件多为非线性的情况,且参数寻优时收敛速度快,寻优结果好,适用于LCL滤波器参数设计的各类场合。
此外,本实施例还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括:
***模型确定程序单元,用于确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
优化目标以及约束条件确定程序单元,用于综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
参数初始化程序单元,用于在LCL滤波器控制***模型的约束条件的边界范围内随机初始化LCL滤波器控制***模型的滤波器参数和控制参数;
适应度函数确定程序单元,用于根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
粒子群算法优化程序单元,用于根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
此外,本实施例还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,该计算机设备被编程或配置以执行本实施例前述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的步骤。
此外,本实施例还提供一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,其特征在于,该计算机设备的存储介质上存储有被编程或配置以执行本实施例前述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
此外,本实施例还提供一种计算机可读存储设备,该计算机可读存储设备上存储有被编程或配置以执行本实施例前述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
为了使本技术领域的人员更好地理解本说明中的技术方案,下面将结合本说明中的实施例,对实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明一部分实施例,而不是全部的实施例。基于本说明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明保护的范围。
Claims (10)
1.一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于实施步骤包括:
1)确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
2)综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
3)初始化LCL滤波器控制***模型的滤波器参数和控制参数的取值边界范围或取值;
4)根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
5)根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
2.根据权利要求1所述的基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于,步骤1)中确定的LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型:逆变器侧电流反馈环、LCL滤波器,逆变器侧电流反馈环包括依次相连的第一求差环节、PI控制环节、PWM逆变单元等效增益环节,其中PI控制环节比例参数和微分参数分别为Kp、Ki,LCL滤波器的内电感为L1,寄生电阻为Rf1;滤波器的电容为C,外电感为L2且其寄生电阻为Rf2;所述LCL滤波器控制***模型中并网电流i2逆变器侧参考电流i*之间的闭环传递函数为:
I2(s)=W1(s)I*(s)-W2(s)vs(s) (1)
上式中,I2(s)表示并网电流,I*(s)表示逆变器侧参考电流,vs(s)表示电网电压,其中:
上述各式中,KPWM为PWM逆变单元等效增益环节的增益系数。
3.根据权利要求2所述的基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于,步骤2)中确定的LCL滤波器控制***模型的优化目标为LCL滤波器在主要谐波段输出特性最佳,且所述LCL滤波器在主要谐波段输出特性最佳的函数表达式为:
上式中,W定义为LCL滤波器在主要谐波段的输出特性,ωU和ωL分别为主要谐波段的最大频率和最小频率,ω为角频率,W1(jω)由式(2)表示;
所述滤波器在主要谐波段输出特性最佳的离散化后的函数表达式为:
上式中,U和L分别为主要谐波段的最大次数和最小次数,变量i的取值范围为U或L,ωi表示各谐波的角频率,W1(jωi)为式(2)在谐波处的值;
步骤2)中确定的LCL滤波器控制***模型的约束条件包括:
I)逆变器侧电流i1、并网电流i2之间的衰减系数Hg的约束:
上式中,ωs为开关谐波的角频率,η为开关谐波含量满足要求时的衰减系数;
II)***稳态误差EM的约束:
上式中,f0为电网基波频率;
III)LCL滤波器的电容C的约束:
上式中,Prated为逆变器额定有功功率,Vs为电网相电压有效值;
IV)LCL滤波器的总电感约束:
L1+L2=Lmin (11)
上式中,Lmin为满足并网电流纹波要求的最小总电感量,Vs是电网相电压vs的幅值,Vdc是逆变器直流侧电压,α为峰值附近电流脉动与基波峰值的允许比例,fs为额定开关频率,I2为额定输出相电流i2的峰值。
4.根据权利要求2所述的基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于,步骤3)的详细步骤包括:分别根据总电感约束和滤波电容约束确定满足并网电流纹波要求的最小总电感量Lmin、LCL滤波器的电容C的最大值Cmax的值,从而确定滤波器参数中的内电感L1、电容C的取值范围;确定控制参数中Kp以及Ki的取值范围、开关谐波含量满足要求时的衰减系数η的取值以及粒子群算法中超参数c1、c2的设置。
5.根据权利要求2所述的基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于,步骤4)确定粒子群算法评价粒子的适应度函数为:
minF(X)=W+P(X) (13)
P(X)=a*P1+b*P2 (14)
P1=max(0,Hg-η) (15)
P1=max(0,EM-1%) (16)
上式中,W为LCL滤波器在主要谐波段输出,a和b分别是对应的惩罚系数,Hg为逆变器侧电流i1、并网电流i2之间的衰减系数,η为开关谐波含量满足要求时的衰减系数,EM为***稳态误差。
6.根据权利要求2所述的基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法,其特征在于,步骤5)的详细步骤包括:
5.1)在待优化滤波器参数和控制参数的边界范围内随机初始化粒子群各粒子的位置、速度、个体历史最优位置pbest以及种群历史最优位置gbest,其中随机初始化粒子群各粒子时,每一个粒子为由内电感L1、电容C、比例参数Kp、微分参数Ki四者的随机取值构成的向量;
5.2)根据粒子群算法的更新公式更新粒子群各粒子的速度和位置;
5.3)根据适应度函数计算各粒子的适应度值,并与更新前的个体历史最优位置pbest的pbest适应度值相比较,更新个体历史最优位置pbest以及种群历史最优位置gbest;
5.4)进行终止条件判断:当达到最大迭代次数,终止迭代并输出LCL滤波器最优设计方案;否则转到优化步骤5.2)继续迭代寻优过程。
7.一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,其特征在于包括:
***模型确定程序单元,用于确定LCL滤波器参数与控制参数综合设计的LCL滤波器控制***模型;
优化目标以及约束条件确定程序单元,用于综合考虑LCL滤波器的滤波器参数和控制参数确定LCL滤波器控制***模型的优化目标以及约束条件;
参数初始化程序单元,用于在LCL滤波器控制***模型的约束条件的边界范围内随机初始化LCL滤波器控制***模型的滤波器参数和控制参数;
适应度函数确定程序单元,用于根据LCL滤波器控制***模型的优化目标确定粒子群算法评价粒子的适应度函数;
粒子群算法优化程序单元,用于根据适应度函数利用粒子群算法对LCL滤波器控制***模型的滤波器参数和控制参数进行优化设计,获得LCL滤波器控制***模型的滤波器参数和控制参数的最优设计方案。
8.一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,其特征在于,该计算机设备被编程或配置以执行权利要求1~6中任意一项所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的步骤。
9.一种基于粒子群算法的LCL滤波器参数及控制参数全局优化设计***,包括计算机设备,其特征在于,该计算机设备的存储介质上存储有被编程或配置以执行权利要求1~6中任意一项所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
10.一种计算机可读存储设备,其特征在于,该计算机可读存储设备上存储有被编程或配置以执行权利要求1~6中任意一项所述基于粒子群算法的LCL滤波器参数及控制参数全局优化设计方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910958487.7A CN110829485A (zh) | 2019-10-10 | 2019-10-10 | 基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910958487.7A CN110829485A (zh) | 2019-10-10 | 2019-10-10 | 基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110829485A true CN110829485A (zh) | 2020-02-21 |
Family
ID=69548871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910958487.7A Pending CN110829485A (zh) | 2019-10-10 | 2019-10-10 | 基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110829485A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112448697A (zh) * | 2020-10-30 | 2021-03-05 | 合肥工业大学 | 一种基于量子粒子群算法的有源滤波器优化方法及*** |
CN113517694A (zh) * | 2021-04-27 | 2021-10-19 | 广东电网有限责任公司 | 准谐振控制器参数的整定方法、装置、电气设备及介质 |
CN113922641A (zh) * | 2021-06-22 | 2022-01-11 | 北方工业大学 | 基于图解法的lcl-lc型滤波器设计方法 |
CN117556773A (zh) * | 2024-01-11 | 2024-02-13 | 深圳十沣科技有限公司 | 一种滤波器的优化方法、装置、电子设备及存储介质 |
CN117828299A (zh) * | 2024-01-03 | 2024-04-05 | 佛山职业技术学院 | 一种轮胎磨损度检测计算*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169932A (zh) * | 2015-05-20 | 2016-11-30 | 恩智浦有限公司 | 具有锁定检测器的锁相环路 |
CN106712088A (zh) * | 2017-01-17 | 2017-05-24 | 燕山大学 | 基于虚拟阻抗与虚拟电源的低压微电网逆变器控制体系 |
CN107908107A (zh) * | 2017-11-13 | 2018-04-13 | 大连理工大学 | 时滞采样***基于预测器的抗扰控制方法 |
CN108462177A (zh) * | 2018-01-30 | 2018-08-28 | 华中科技大学 | 一种并网逆变器的串联型有源滤波器及*** |
CN108649780A (zh) * | 2018-05-15 | 2018-10-12 | 国网上海市电力公司 | 一种考虑弱电网下逆变器稳定性的lcl滤波器参数优化方法 |
-
2019
- 2019-10-10 CN CN201910958487.7A patent/CN110829485A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169932A (zh) * | 2015-05-20 | 2016-11-30 | 恩智浦有限公司 | 具有锁定检测器的锁相环路 |
CN106712088A (zh) * | 2017-01-17 | 2017-05-24 | 燕山大学 | 基于虚拟阻抗与虚拟电源的低压微电网逆变器控制体系 |
CN107908107A (zh) * | 2017-11-13 | 2018-04-13 | 大连理工大学 | 时滞采样***基于预测器的抗扰控制方法 |
CN108462177A (zh) * | 2018-01-30 | 2018-08-28 | 华中科技大学 | 一种并网逆变器的串联型有源滤波器及*** |
CN108649780A (zh) * | 2018-05-15 | 2018-10-12 | 国网上海市电力公司 | 一种考虑弱电网下逆变器稳定性的lcl滤波器参数优化方法 |
Non-Patent Citations (1)
Title |
---|
曾麟等: "基于粒子群算法的逆变器侧电流反馈的LCL 滤波器优化设计", 《南方电网技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112448697A (zh) * | 2020-10-30 | 2021-03-05 | 合肥工业大学 | 一种基于量子粒子群算法的有源滤波器优化方法及*** |
CN113517694A (zh) * | 2021-04-27 | 2021-10-19 | 广东电网有限责任公司 | 准谐振控制器参数的整定方法、装置、电气设备及介质 |
CN113922641A (zh) * | 2021-06-22 | 2022-01-11 | 北方工业大学 | 基于图解法的lcl-lc型滤波器设计方法 |
CN113922641B (zh) * | 2021-06-22 | 2023-07-04 | 北方工业大学 | 基于图解法的lcl-lc型滤波器设计方法 |
CN117828299A (zh) * | 2024-01-03 | 2024-04-05 | 佛山职业技术学院 | 一种轮胎磨损度检测计算*** |
CN117828299B (zh) * | 2024-01-03 | 2024-06-07 | 佛山职业技术学院 | 一种轮胎磨损度检测计算*** |
CN117556773A (zh) * | 2024-01-11 | 2024-02-13 | 深圳十沣科技有限公司 | 一种滤波器的优化方法、装置、电子设备及存储介质 |
CN117556773B (zh) * | 2024-01-11 | 2024-04-30 | 深圳十沣科技有限公司 | 一种滤波器的优化方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110829485A (zh) | 基于粒子群算法的lcl滤波器参数及控制参数全局优化设计方法、***及介质 | |
CN108649780A (zh) | 一种考虑弱电网下逆变器稳定性的lcl滤波器参数优化方法 | |
CN108023352B (zh) | 抑制分布式发电谐振的电网高频阻抗重塑装置及方法 | |
CN104638678A (zh) | 一种多风机并网谐振分析方法 | |
CN111082440B (zh) | 一种基于自适应陷波的组串式光伏逆变器谐振抑制方法 | |
CN113991755B (zh) | 一种新能源发电单元自同步电压源控制方法 | |
CN113285624A (zh) | 一种有源阻尼高频谐振抑制方法 | |
CN110011364A (zh) | 一种降低有功功率载荷波动对***稳定影响的控制方法 | |
CN114512986B (zh) | 一种并网逆变器的无源lcl滤波器参数优化设计方法 | |
WO2022161095A1 (zh) | 一种mmc半桥子模块电容电压纹波多尺度抑制方法 | |
CN108306332B (zh) | 一种lcl型并网逆变***及电流跟踪控制方法 | |
CN110718934A (zh) | 一种适应电网阻抗变化的llcl并网逆变器谐振抑制方法 | |
Zhan et al. | Design of LCL filters for the back-to-back converter in a Doubly Fed Induction Generator | |
CN105406477B (zh) | 一种三相并网***lcl滤波器参数设计的方法 | |
CN109039035A (zh) | 适应电网电抗变化的并网逆变器滤波器参数设计方法 | |
CN115102397A (zh) | 一种抑制两级式单相逆变器低频纹波的主电路及方法 | |
CN110429835A (zh) | 一种基于lcl滤波的rbfnn分段在线优化无源控制***及方法 | |
CN114498757A (zh) | 三相lcl型并网逆变器稳定性控制方法及其应用 | |
CN114336736A (zh) | 一种基于电流型控制的储能逆变器并网***稳定性改善方法 | |
CN113013921A (zh) | 一种应用于三相并网逆变器的虚拟振荡器改进方法 | |
Wang et al. | LMI-based direct grid current robust guaranteed cost control of grid-connected inverters with LCL filters for weak grid | |
CN111490539A (zh) | 一种基于有源谐波电导法的光伏逆变器集群谐振抑制方法 | |
Zhao et al. | Research on the resonance suppression method for parallel grid-connected inverters based on active impedance | |
CN113824129B (zh) | 一种提高并网变流器***双向功率稳定性的功率补偿控制 | |
CN113809749B (zh) | 包含下垂控制dg的mg基于虚拟阻抗的粒子群优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200221 |