CN102916429A - 混合有源电力滤波器的多目标优化方法 - Google Patents
混合有源电力滤波器的多目标优化方法 Download PDFInfo
- Publication number
- CN102916429A CN102916429A CN2012104474741A CN201210447474A CN102916429A CN 102916429 A CN102916429 A CN 102916429A CN 2012104474741 A CN2012104474741 A CN 2012104474741A CN 201210447474 A CN201210447474 A CN 201210447474A CN 102916429 A CN102916429 A CN 102916429A
- Authority
- CN
- China
- Prior art keywords
- loss
- max
- leg
- filter
- active
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y02E40/20—Active power filtering [APF]
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种混合有源电力滤波器的多目标优化方法,该方法包括:分析混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系,以及与控制参数之间的耦合关系得到第一类约束条件;获取滤波器的性能、成本和损耗模型;根据滤波器技术要求设置第二类约束条件;建立基于性能、成本和损耗模型的目标函数,并将与第一类约束条件和第二类约束条件相结合作为目标函数的约束条件;对目标函数及其约束条件进行处理构造新目标函数;基于混沌算法和基于Pareto最优解的多目标PSO算法来得到最优解。本发明通过建立基于性能、成本和损耗的三维优化目标函数,相比两个目标,三个目标的优化算法,使得优化解在性能、成本和效率三方面之间获得较好的折中。
Description
技术领域
本发明涉及电力电子领域,尤其涉及一种混合有源电力滤波器的多目标优化方法。
背景技术
现代电力电子装置的广泛应用,给电网带来了无功缺额、谐波污染和电压闪变等严重的电能质量问题。无源电力滤波器(Passive Power Filter,简称PPF)和有源电力滤波器(Active Power Filter,简称APF),能够实现谐波抑制和无功补偿,解决电网的电能质量问题。其中,PPF是利用电感、电容元件的谐振特性,形成谐波的低阻抗支路,具有成本低、技术成熟等优点,但存在滤波特性依赖电网参数,容易失调和谐振等不足;APF是一种动态的谐波抑制和无功补偿装置,能够克服PPF的缺点,但投资成本过高,难以实现大规模的推广和应用。
为了解决电网电能质量问题、推进APF的发展,赤木泰文、彭方正、罗安等学者开展了混合型APF(Hybrid Active Power Filter,HAPF)的研究。HAPF由PPF和APF通过适当方式组合而成,能够实现滤波性能和投资成本的合理折中。
无变压器型HAPF,由于避免了耦合变压器对系统成本、体积和性能的影响,在大容量或中高压谐波治理和无功补偿场合具有明显的优势。但是,在无变压器型注入式HAPF系统中,由于主电路元件和控制参数较多,无源支路和有源支路参数之间的耦合性非常强,使得对主电路各元件及控制参数的合理选型和设计成为保证HAPF性能和经济性的首要问题。
在现有技术中,给出了以下几个方案:1、注入式HAPF注入支路的参数设计方案,提出了一种基于遗传算法的APF输出滤波器设计方法;2、提出了一种基于粒子群(Particle Swarm Optimization,简称PSO)算法的多目标HAPF优化方法,通过将多目标转化为单目标优化问题,简化了HAPF多目标约束问题的处理过程;3、提出一种基于PSO优化的改进多目标优化算法,以性能优、成本低为目标,对HAPF的无源支路和有源支路分别进行了优化设计。
但是上述对HAPF主电路进行优化设计的方案,存在以下不足:1)没有考虑无源电路与有源电路之间的耦合关系,2)忽略了主电路电气元件与控制参数之间的相互影响;3)没有考虑HAPF系统的自身功耗。因此亟需一种解决方案来解决上述问题。
发明内容
本发明所要解决的技术问题之一是需要提供一种能够基于性能、成本和损耗来设计混合有源电力滤波器的混合有源电力滤波器的多目标优化方法。
为了解决上述技术问题,本发明提供了一种混合有源电力滤波器的多目标优化方法,包括:根据所述混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系,以及所述有源支路和所述无源支路的各元件与控制参数之间的耦合关系,来得到与所述控制参数相关的第一类约束条件;获取所述混合有源电力滤波器的性能、成本和损耗模型;根据所述混合有源电力滤波器的技术要求来设置第二类约束条件;建立基于所述混合有源电力滤波器的性能、成本和损耗模型的三维优化目标函数,并将与所述第一类约束条件和所述第二类约束条件相结合作为所述三维优化目标函数的约束条件;对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数;基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解。
根据本发明另一方面的多目标优化方法,所述第二类约束条件包括关于抑制高频开关谐波的约束条件、关于无功补偿的约束条件、关于所述有源支路中滤波电感的约束条件和关于所述有源支路中直流侧电容的约束条件。
根据本发明另一方面的多目标优化方法,所述混合有源电力滤波器的损耗包括所述有源支路的损耗和所述无源支路的损耗,其中,所述无源支路的损耗包括所述无源支路中电感的损耗,所述有源支路的损耗包括所述有源支路中滤波电感的损耗和逆变桥的损耗。
根据本发明另一方面的多目标优化方法,所述无源支路中电感的损耗是通过基于所述混合有源电力滤波器的基波等效电路和谐波等效电路所得到所述无源支路中电感的内阻的功率损耗;
所述有源支路中滤波电感的损耗是通过基于所述混合有源电力滤波器的谐波等效电路所得到所述有源支路中滤波电感的内阻的功率损耗;
所述逆变桥的损耗包括绝缘栅双极型晶体管的通态损耗、开通损耗和关断损耗,以及反并联二极管的通态损耗和关断损耗。
根据本发明另一方面的多目标优化方法,在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时,所述无源支路的电感损耗功率PPloss利用以下表达式得到:
其中,R1表示所述无源支路的电感L1的等效内阻,X1(Rinv)表示所述有源支路逆变桥等效电阻对于基波所呈现的阻抗,X1(RLR)表示X1(L1)和等效内阻R1的总阻抗,X1(L1)表示无源支路电感L1对于基波所呈现的阻抗;表示所述混合有源电力滤波器输出电流的第n次谐波电流的有效值,Nmin表示在所述混合有源电力滤波器的谐波抑制中谐波电流的最低次数,kmax表示满足的谐波次数的最高次数, Xk()表示各无源元件对于k次谐波所呈现的阻抗,Cinj表示无源支路的注入电容,Ls表示电网线路等效电感。
根据本发明另一方面的多目标优化方法,在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时,利用以下表达式得到所述绝缘栅双极型晶体管的通态损耗P1:
其中,m表示PWM调制系数,表示基波电压与输出电流相差角度,UG表示所述绝缘栅双极型晶体管的导通压降,IM表示输出电流幅值,IC2h表示有源支路输出电流有效值,rd表示所述绝缘栅双极型晶体管的等效电阻,
利用以下表达式得到所述绝缘栅双极型晶体管的开通损耗P2:
其中,α(t)表示占空比,Udc为直流母线电压,fs为开关频率,利用以下表达式得到所述绝缘栅双极型晶体管的关断损耗P3:
利用以下表达式得到所述反并联二极管的通态损耗P4:
其中,UF表示所述反并联二极管的恒定导通压降,rF表示所述反并联二极管的等效动态电阻,利用以下表达式得到所述反并联二极管的关断损耗P5:
其中,Woff表示所述反并联二极管在额定电压、电流条件下的关断损耗,In表示所述反并联二极管的额定电流,Un表示所述反并联二极管的额定电压。
根据本发明另一方面的多目标优化方法,在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时,所述三维优化目标函数为:
f(x*)=minf(x)=[Jcost,THD,Ploss]
其中,Jcost表示所述混合有源电力滤波器的成本,THD表示所述混合有源电力滤波器的性能,Ploss表示所述混合型有源电力滤波器的损耗,所述三维优化目标函数的约束条件是g(x*)≤0,x*是所述三维优化目标函数的最优解, 其中,
其中, 和 表示与所述控制参数相关的第一类约束条件,Xn()表示各无源元件对于n次谐波所呈现的阻抗,Ls表示电网线路等效电感,Cinj表示所述无源支路的注入电容,X1(RLR)为X1(L1)和等效内阻R1的总阻抗,其中,X1(L1)为无源支路电感L1对于基波所呈现的阻抗,Nmax和Nmin表示在所述混合有源电力滤波器的谐波抑制中谐波电流的最高次数和最低次数,δ表示一设定正数,nmin表示有源支路输出电流的最小谐波次数,
g3至g10表示根据所述混合有源电力滤波器的技术要求来设置的第二类约束条件,QC表示所述混合有源电力滤波器的单支路基波无功补偿容量;ωres表示有源电路滤波电感Lf的谐振频率,ω1、ωkmax分别为基波和kmax次谐波的角频率,Em表示电网电压峰值,Udc表示直流电压,开关周期为Δimax表示纹波电流最大值,表示负载nmin次谐波电流的有效值,表示直流侧电容的等效电容值,为直流电压从三相不可控直流电压udc0到给定电压Udc的上升时间,tmax为电压控制环节的最大调节时间,ΔUdcmax为直流电压最大纹波值,Rd为直流侧等效电阻,ΔPmax为有源支路损耗功率最大变化量。
根据本发明另一方面的多目标优化方法,在对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数的步骤中,进一步包括以下步骤,对所述三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理;将归一化处理后的三维优化目标函数与所述个体约束违反程度值相结合,计算距离量度和自适应惩罚函数;基于所述距离量度和所述自适应惩罚函数得到新目标函数。
根据本发明另一方面的多目标优化方法,通过以下步骤对所述三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理,利用以下表达式对所述三维优化目标函数进行归一化处理:
其中,fi(x)表示第i维优化目标函数,表示当前群体中第i维优化目标函数的最小值,表示当前群体中第i维优化目标函数的最大值,表示归一化处理后的第i维优化目标函数,利用以下表达式对约束条件的个体约束违反程度值进行归一化处理:
根据本发明另一方面的多目标优化方法,利用以下表达式来计算距离量度:
其中,rf为当前种群的可行解比例,定义为当前群体的可行解个数与群体规模的比值。
根据本发明另一方面的多目标优化方法,利用以下表达式来计算自适应惩罚函数:
hi(x)=(1-rf)Xi(x)+rfYi(x)
其中,Xi(x)、Yi(x)分别表示基于归一化处理后的三维优化目标函数和个体约束违反程度值的惩罚函数,rf为当前种群的可行解比例,定义为当前群体的可行解个数与群体规模的比值,且 v(x)表示归一化处理后的所述个体约束违反程度值,表示归一化处理后的第i维目标函数值。
根据本发明另一方面的多目标优化方法,利用以下表达式来得到所述新目标函数Fi(x),
Fi(x)=di(x)+hi(x)
其中,di(x)表示所述距离量度,hi(x)表示所述自适应惩罚函数。
根据本发明另一方面的多目标优化方法,在基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解的步骤中,进一步包括以下步骤,步骤1,定义优化解的变量组合以及各个变量的搜索空间;步骤2,设置PSO算法的相关参数;步骤3,利用混沌序列产生粒子群中各个粒子的初始化位置和速度;步骤4,计算自适应惯性权重,以更新每个粒子的位置和速度,并进行搜索空间边界检查;步骤5,基于所述新目标函数计算适应度函数;步骤6利用Pareto支配理论对粒子进行排序,并为非支配集合更新外部存储器;步骤7,用自适应网格法从外部存储器中选出当代的全局最优粒子;步骤8,更新每个粒子的局部最优位置;步骤9,判断是否满足变异条件,若满足则产生基于中心邻域和整个搜索空间混沌序列的粒子作为最优解,否则,直接返回所述步骤4。
根据本发明另一方面的多目标优化方法,基于Sigmoid函数来计算自适应惯性权重。
根据本发明另一方面的多目标优化方法,所述变异条件为经归一化处理后所述全局最优粒子的欧几里得距离连续多代的变化小于设定的变异阈值。
与现有技术相比,本发明的一个或多个实施例可以具有如下优点:
本发明通过理论分析确定了混合有源电力滤波器的数学模型,并在此基础上分析了无源元件和有源电路之间的耦合关系,以及主电路电气元件和关键控制参数之间的关系;将有源支路和无源支路电气元件与关键控制参数统一进行优化,建立了基于性能、成本和损耗的三维优化目标函数,与两个目标相比,三个目标的优化算法,Pareto最优前沿由曲线变为曲面,使得优化解在性能、成本和效率三方面之间获得较好的折中。
针对优化对象多约束和强耦合特点,建立了基于距离量度和自适应惩罚函数的约束处理机制,将约束通过惩罚函数体现在优化目标中,从而将该多约束问题转化为无约束优化问题;
为提高PSO算法优化解的多样性及最优解的局部搜索能力,提出了基于多级邻域的混沌变异算子。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明实施例的混合有源电力滤波器的多目标优化方法的流程示意图;
图2是HAPF主电路结构示意图;
图3(a)是HAPF的基波域单相等效电路示意图;
图3(b)是HAPF的谐波域单相等效电路示意图;
图4是HAPF在高次开关谐波域的单相等效电路示意图;
图5(b)是在|ai-pgi|,|bi-pgi|范围的混沌变异示意图;
图6是根据本发明实施例的基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解的流程示意图;
图7是Pareto前沿示意图;
图8(a)是仿真情况下负载电流波形示意图;
图8(b)是仿真情况下负载电流总谐波畸变率示意图;
图8(c)是仿真情况下HAPF补偿后的电网电流波形示意图;
图8(d)是仿真情况下HAPF补偿后的电网电流总谐波畸变率示意图;
图9(a)是试验情况下补偿前后电流波形及HAPF输出电流波形示意图;
图9(b)是试验情况下负载电流谐波分析示意图;
图9(c)是试验情况下补偿后电网电流谐波分析示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的混合有源电力滤波器的多目标优化方法的流程示意图,下面参考图1来详细说明本发明的各个步骤。
步骤S110,根据混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系,以及有源支路和无源支路的各元件与控制参数之间的耦合关系,来得到与控制参数相关的第一类约束条件g1和g2。
需要说明的是,本实施例以无变压器型注入式混合有源电力滤波器(以下简称HAPF)为例,详细介绍本发明方法的特征和优点。
图2是HAPF主电路结构示意图,如图2所示,HAPF由无源支路和有源支路构成。图中,无源支路由注入电容Cinj和电感L1构成;有源支路由滤波电感Lf、功率模块和直流侧电容构成。其中功率模块是一个混合钳位型三电平逆变模块,由IGBT Q1~Q4、Q1′~Q′4、Q1″~Q″4、钳位二极管D1~D2、D1′~D′2、D1″~D″2和钳位电容Cx,C′x,C″x构成;Cdc1、Cdc2为有源支路直流侧电容。
在HAPF主电路结构中,注入电容Cinj实现系统无功功率补偿,承受大部分基波电压;无源支路的电感,一方面使无功补偿电流不流经有源支路,另一方面保证有源支路适当承受基波电压,以便从电网中吸收适当的基波有功功率,维持正常运行;有源支路输出与负载电流谐波分量反相的谐波电流,该电流通过注入电容流入电网,实现谐波抑制功能。
为分析HAPF的谐波抑制原理,建立HAPF的单相等效电路如图3所示。其中,图3(a)为基波域单相等效电路,图3(b)为谐波域单相等效电路。
图3中,单相负载电流iL表达式可以如下所示:
式中, 分别表示负载基波电流和谐波电流的瞬时值,对应的有效值为和ω1为基波角频率,和分别为基波和第n次谐波电流的初始相位角,Nmax和Nmin为在HAPF谐波抑制中所关注的谐波电流的最高次数和最低次数。由于电力系统中的谐波源均为整流类设备,电网电流仅含有奇次谐波,即当n为偶数时,因此,Nmin=3。
分析混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系,令Xn()表示各无源元件对于n次谐波所呈现的阻抗,为HAPF总基波电流瞬时值,为无源支路电感L1的基波电流瞬时值,为有源支路的基波电流瞬时值,Rinv表示有源支路逆变模块等效电阻,根据图3(a),HAPF总基波电流有效值为
式中,Upcc为HAPF接入点相电压基波有效值,X1(RLR)=X1(L1)+R1,X1(L1)为无源支路电感L1对于基波所呈现的阻抗,X1(RLR)为X1(L1)和无源支路的电感L1的等效内阻R1的总阻抗,X1(Rinv)表示有源支逆变模块等效电阻对于基波所呈现的阻抗。
设控制参数有源支路的接入点电压有效值为UR,则无源支路电感L1为
若有源支路的总损耗为PAloss,则有源支路逆变桥的等效电阻Rinv为
设电网电压的谐波分量为esh,电网电流谐波分量为ish,HAPF有源支路输出电流谐波分量为iC2h,HAPF注入支路电流谐波分量为ich,电网线路等效电感为Ls,根据图3(b),HAPF补偿后,电网电流的第n次谐波分量为
根据式(5),电网电压的谐波分量esh也能够产生谐波电流。虽然谐波电压通常很小,但为避免HAPF放大电网的谐波,须令
|Xn(Ls)+Xn(Cinj)+Xn(RLR)|>δ (6)
式中,Nmax≥n≥Nmin,δ为足够小的正数。因此,将式(6)作为防止电网阻抗、无源支路电感和注入电容发生谐振的约束条件g1。
将式(7)代入式(5),有
令
根据式(5)、(9)和(10),对于负载电流中的某k次谐波分量若存在下式
即无源支路比有源支路的谐波抑制效果更好,在这种情况下,对HAPF有源支路的控制规则,设计为不对k次谐波进行补偿。
有源支路的总输出电流谐波分量有效值为
根据对式(5)-(11)的分析,定义
根据式(3)、(4)、(5)、(13)和(15),可知有源支路和无源支路的元件选型和控制参数设计相互影响。无源支路和有源支路的耦合性强,因此无法忽略耦合性单独进行设计,需要将二者的电气和控制参数统一考虑,进行整体优化设计。
步骤S120,获取混合有源电力滤波器的性能、成本和损耗模型。
首先,先获取HAPF的成本。HAPF系统的投资成本Jcost包括有源支路成本JAPF和无源支路成本JPAS,即
Jcost=JAPF+JPAS (16)
容量是决定元件成本的关键因素。设无源部分注入电容Cinj、电感L1的容量分别为SCinj和SL1,根据图3可知,流过注入电容Cinj的电流包括基波电流和有源支路输出的各次谐波电流,则Cinj的容量SCinj为
根据以上分析,无源支路的成本JPAS为
JPAS=wc(SCinj)+wLSL1 (19)
其中,wC、wL分别是电容和电感单位容量的成本系数。
有源支路的成本主要由滤波电感Lf、逆变桥、直流侧电容和钳位电容构成。根据有源支路中滤波电感的容量、直流侧电容和钳位电容的电容值和额定电压以及逆变桥的额定电流、额定电压和额定开关频率来确定有源支路的成本。
滤波电感Lf的成本主要受电感容量的影响,Lf的成本为
式中,wLf为滤波电感的单位容量成本。
图2中,混合钳位型三电平逆变器的直流侧电容Cdc1、Cdc2与钳位电容Cx,C′x,C″x电容值相等,即Cdc1=Cdc2=Cx=C′x=C″x=Cdc,由于电容Cdc的成本主要由电容值和额定电压决定,直流侧电容与钳位电容的总成本可以描述为
式中,wCdc为电容的单位容值成本,其中Udc为直流母线电压,一般选取电容额定电压为Udc的1.5-2倍。
有源支路逆变桥的成本主要由额定电流、额定电压和额定开关频率决定,逆变桥的成本可以描述为
根据以上分析,有源支路的成本JAPF为
JAPF=JLf+JCdc+Jinv (23)
然后,将对混合有源电力滤波器进行谐波抑制的电流谐波畸变率作为混合有源电力滤波器的谐波抑制性能的衡量指标。
谐波抑制是HAPF的主要功能,HAPF补偿后电网的谐波电流含量是衡量HAPF性能的最主要指标。优选地,本实施例以补偿后电网电流谐波畸变率最小为HAPF设计的优化目标,即
将式(13)和(15)代入到式(24),得到HAPF的谐波抑制性能目标,统一描述为
最后,根据混合有源电力滤波器电路中的有源支路和无源支路中各个元件的损耗、来得到混合有源电力滤波器电路的总损耗。
根据HAPF系统模型,HAPF的总损耗Ploss主要由无源支路损耗PPloss和有源支路损耗PAloss组成,即
Ploss=PPloss+PAloss (26)
(1)基于无源支路的电感损耗得到无源支路损耗
无源支路中电感的损耗是通过基于混合有源电力滤波器的基波等效电路和谐波等效电路所得到无源支路中电感的内阻的功率损耗。
具体地,根据式(2),无源支路电感的功率损耗为
(2)通过有源支路中滤波电感和逆变桥的损耗以得到有源支路的损耗。
有源支路的总损耗PAloss包括滤波电感的损耗PLf和逆变桥的损耗Pinv。其中,有源支路中滤波电感的损耗是通过基于混合有源电力滤波器的谐波等效电路所得到有源支路中滤波电感的内阻的功率损耗。具体地,根据式(12),滤波电感Lf的损耗为
式中,Rf为滤波电感Lf的等效内阻,本实施例采用铁硅铝材料的电感,其内阻与电感值成正比,即Rf=c2Lf,c2表示电感等效内阻系数。
下面说明HAPF逆变桥的损耗,其包括绝缘栅双极型晶体管(简称IGBT)和反并联二极管两部分损耗,具体地,其包括绝缘栅双极型晶体管的通态损耗、开通损耗和关断损耗,以及反并联二极管的通态损耗和关断损耗。
IGBT断态损耗可以忽略不计,逆变器中IGBT的通态损耗为
IGBT的开通损耗为
IGBT的关断损耗为
对于反并联二极管,其断态损耗和开通损耗可忽略不计。反并联二级管的通态损耗为
式中,UF为二极管的恒定导通压降,rF为二极管等效动态电阻。
反并联二极管的关断损耗为
式中,Woff是二极管在额定电压、电流条件下的关断损耗,In是二极管额定电流,Un是二极管额定电压。
综合式(29)-(34),逆变桥的总损耗为
Pinv=P1+P2+P3+P4+P5 (34)
本发明将有源支路和无源支路电气元件与关键控制参数统一进行优化,在理论上获取了混合有源电力滤波器的电路损耗,与现有技术的性能、成本两个目标相比,增加了具有较准确的电路损耗的第三个目标,使得设计得到的HPAF更加合理。
步骤S130,根据混合有源电力滤波器的技术要求来设置第二类约束条件g3,g4,g5,g6,g7,g8,g9,g10。
在本发明实施例中,约束条件g3和g4为保证有效抑制高频开关谐波的约束条件;约束条件g5和g6为无功补偿的约束条件;约束条件g7和g8为关于有源支路部分中滤波电感的约束条件;约束条件g9和g10为有源支路部分中直流侧电容的约束条件。
(1)抑制高频开关谐波的约束条件
HAPF对于高次开关谐波的等效电路如图4所示。分析有源支路功率开关动作导致的高次谐波,根据图4确定HAPF注入电流谐波分量ich与逆变桥臂电压uc的关系为
Ls表示电网线路等效电感在三电平HAPF中,存在X(Lf)<<X(RLR),因此,式(35)可以简化为
由式(36)可知,其谐振频率ωres为
为保证HAPF对谐波电流进行有效抑制,注入电容、滤波电感和电网阻抗的谐振频率ωres设定为
式中,ω1、ωkmax分别为基波和kmax次谐波的角频率。根据式(38)确定约束条件g3和g4。
(2)无功补偿容量
HAPF的单支路基波无功功率补偿容量QC为
HAPF的单支路无功补偿容量QC应满足实际工程所需单支路无功容量的最小值和最大值,即Qmin<QC<Qmax。
(3)滤波电感
在设计滤波电感Lf时,需要考虑瞬时电流跟踪能力和纹波电流大小,因此,关于滤波电感Lf设计的约束条件为
(4)直流电容
有源支路输出电流中的高次谐波含量不仅与PWM调制有关,而且与直流侧电压纹波有关。为了减小直流侧电压波动,直流侧电容必须有一定的容量要求。当直流侧电压一定时,电容值越小,越有利于直流电压的快速跟踪控制;而电容值越大,越有利于将直流侧电压波动限制在合理的范围内。根据图2,直流侧电容的等效电容值为结合以上两方面的考虑,其约束为
式中,为直流电压从三相不可控直流电压udc0到给定电压Udc的上升时间,tmax为电压控制环节的最大调节时间,ΔUdcmax为直流电压最大纹波值,一般要求为5%Udc,Rd为直流侧等效电阻,ΔPmax为有源支路损耗功率最大变化量,且ΔPmax定义为
通过对HAPF设置约束条件,明确了HAPF各部分的约束关系,确定了将要优化的目标函数的约束条件,详细描述了优化对象的多约束强耦合的关系,配合后续的约束处理机制,将约束通过惩罚函数体现在优化目标中,从而将该多约束问题转化为无约束优化问题。
步骤S140,建立基于混合有源电力滤波器的性能、成本和损耗的三维优化目标函数,并将与第一类约束条件和第二类约束条件相结合作为三维优化目标函数的约束条件。
f(x*)=minf(x)=[Jcost,THD,Ploss](43)
其中,约束g(x*)为
步骤S150,对三维优化目标函数及其约束条件进行处理以构造三维优化目标函数及其约束条件之间量纲一致的新目标函数。
需要说明的是,在利用智能算法求解约束优化问题时,对不可行解的处理是优化算法的核心。围绕不可行解的处理机制,进化计算领域出现了多种约束处理技术,其中惩罚函数是最常用的技术。然而,惩罚函数法的关键是设置合适的惩罚因子,而惩罚因子的取值却与具体问题有关。
在实际优化问题中,由于各个目标和约束之间的量纲不同,在计算不可行解违反约束的总量时,可能某一约束违反量的数值会在总违反量中占主导地位,其他约束的违反情况就无法有效体现。为了消除不同约束和目标间尺度上的差别,必须先对三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理。
在本发明实施例中,令fi (x)表示第i维目标函数,在本发明中的目标函数f(x*)=minf(x)=[Jcost,THD,Ploss]是三维的目标函数,当前群体中(即x)每一维目标函数的最大值和最小值为
将目标函数做归一化处理,归一化后的目标函数值为
约束优化问题中,设不等式和等式约束的总个数为M(本实施例中M=10),定义个体的约束违反程度为
然后,将归一化处理后的三维优化目标函数与个体约束违反程度值相结合,计算距离量度和自适应惩罚函数。具体地,个体x在各自目标纬度的距离量度为
式中,rf为当前种群的可行解比例,定义为当前群体的可行解个数与群体规模的比值。
自适应惩罚因子定义为
hi(x)=(1-rf)Xi(x)+rfYi(x)(49)
式中,Xi(x)、Yi(x)分别是基于目标函数值和约束违反程度值的惩罚函数,定义如下:
最后,基于距离量度和自适应惩罚函数得到新的目标函数。为充分利用不可行解,在式(48)、(49)基础上,构造新的目标函数,以提高算法的精确偏向搜索能力。新的目标函数为
Fi(x)=di(x)+hi(x) (52)
通过构造新的目标函数,并根据此目标函数来构造非支配集合和进行进化操作,有效利用了不可行解,进一步提高了算法对可行解空间进行精确偏向搜索的能力。
步骤S160,基于混沌算法和基于Pareto最优解的多目标PSO算法来得到新目标函数的最优解。
图6是根据本发明实施例的基于混沌算法和基于Pareto最优解的多目标PSO算法来得到新目标函数的最优解的流程示意图,下面参考图6来详细说明对目标函数进行优化的各个步骤。
本发明实施例中的三维优化目标函数是复杂的、多目标、多约束的目标模型(目标函数)。多目标优化问题是科学研究与工程实践中最常见的问题,由于各个优化目标之间通常相互制约,对其中一个目标优化必须以其它目标为代价,因此很难评价多目标问题解的优劣性。
本实施例结合Pareto支配思想,给出了一种基于Pareto最优解集的多目标PSO优化方法。
步骤2,设置PSO算法的相关参数,例如种群规模,最大迭代代数等。
步骤3,用混沌序列产生粒子群中各个粒子的初始化位置和速度。
具体地,为提高优化算法的搜索性能,采用Logistic经典混沌系统,构建基于混沌的PSO算法。Logistic经典混沌系统的定义如下:
zn+1=μzn(1-zn),n=0,1,2...(53)
其中zn为实值序列,μ为混沌因子。研究表明,3.571448≤μ≤4时,该混沌序列处于混沌状态。
在根据式(53)产生N个向量z1,z2,...,zN,令
xi,j=aj+(bj-aj)zi,ji=1,2,...N;j=1,2,...D (54)
式中,xi,j为混沌初始化后的变量初始值,aj,bj为该变量对应的搜索空间边界值,D为优化解的维数。
混沌初始化算子,按照表达式(54)将产生的混沌序列载波到对应的变量取值区间。混沌初始化既不改变粒子群优化算法初始化时所具有的随机性本质,又利用混沌提高了种群的多样性和粒子搜索的遍历性。
步骤4,计算自适应惯性权重(如式(55)),更新每个粒子的位置和速度,并进行搜索空间边界检查。
虽然,线性递减粒子群算法在优化方程性能上有明显效果,但是线性递减粒子群算法中的ω变化只与迭代次数线性相关,不能适应算法运行中的复杂、非线性变化特性。本发明实施例采用基于Sigmoid函数改进惯性权重的方法。具体公式如下:
其中,t为当前迭代次数,tm为最大允许迭代次数。算法进化期间,运用上式所求得的ω,其值介于0.4和0.95之间,当惯性权重ω∈[0.4,0.95]时,PSO算法的性能会大幅提高。
步骤5,基于新的目标函数值(表达式(52))计算适应度函数。
步骤6,利用Pareto支配理论对粒子进行排序,并为非支配集合更新外部存储器Ag。
步骤7,利用自适应网格法从外部存储器Ag中选出当代的全局最优粒子pg。
步骤8,更新每个粒子的局部最优位置。
步骤9,判断是否满足变异条件,若满足则产生一些基于中心邻域和整个搜索空间混沌序列的粒子作为最优解,若不满足,则返回步骤4。其中,变异条件是经归一化处理后的全局最优粒子的欧几里得距离连续多代变化小于设定的变异阈值。
需要说明的是,若全局最优粒子经归一化处理后的欧几里得距离连续多代变化小于一个较小的值Δ(变异阈值),则认为算法陷入局部最优。为逃离局部最优,在该处引入混沌变异算子,并以当前算法的最优粒子pg为基础产生混沌序列。
混沌变异算子采用禁忌变异中的邻域策略,取两个同心超矩形来划分邻域,除了在整个搜索空间内通过混沌序列随机产生一系列的点外,还在当前全局最优粒子的中心邻域内取一定数量的点,以提高算法的局部搜索能力。
设当前最优粒子为Pg,其邻域如图5所示,图5(a)实线框是距离Pgi半径为的区域,图5(b)虚线框是与Pgi距离为|ai-pgi|和|bi-pgi|的区域。中心邻域定义为三个区域的最小值,即图5(b)的虚线框下半部分,其表达式为
混沌变异算子取混沌序列的一部分粒子将其载波到中心邻域H0(x)上,其他粒子将其载波到整个搜索空间。
混沌变异算子可以帮助惰性粒子逃离局部极小点,在迭代中产生局部最优解的许多邻域点,以提高算法的局部搜索能力和收敛速度。
仿真实验结果
依据图1所示的HAPF主电路结构,通过利用Matlab2010对本发明提出的HAPF多目标优化方法进行了仿真分析。仿真参数为:电源线电压380V,频率50Hz,系统阻抗Ls=0.02mH;负载为三相全控整流桥,整流桥触发角α=0°,负载基波电流为200A。
HAPF主电路多目标优化算法,有性能、效率和成本三个目标,其Pareto最优前沿为一个曲面,Pareto最优解如图7所示。从图中可知,HAPF主电路优化的结果是一个曲面,该曲面能够为设计者提供更多的选择空间,同时也能辅助设计者了解优化解的变化趋势,使设计者能够根据曲面的变化趋势,更加合理的选择更加适合的优化解。
由图7可以看出,HAPF系统的性能、成本和效率是相互矛盾的,在曲面靠近坐标原点的角落附近,优化解在性能、成本和效率之间有较好的折中。
根据图7中坐标原点附近HAPF的性能、效率和成本量化描述及其变化趋势,本设计选择一组最优解,具体为注入电容Cinj=500μF,无源支路电感L1=8mH,有源支路滤波电感Lf=0.5mH,有源支路开关频率fs=20kHz,直流电容Cdc1=Cdc2=10mF,有源支路承受电压UR=61V。根据该优化解配置HAPF主电路,对HAPF系统进行仿真分析。
HAPF的仿真结果如图8所示。HAPF投入运行前的电网电流如图8(a)所示,其谐波畸变率为13.5%,谐波分析如图8(b)所示,HAPF投入补偿后的电网电流波形如图8(c)所示,其谐波分析如图8(d)所示,谐波畸变率为2.5%。可见,HAPF对电网电流波形质量有很大的改善。
为验证本发明所提的多目标优化方法的正确性和有效性,利用该优化算法,设计了一套380V/75kW的HAPF实验样机。为验证该样机的功能和性能,在益阳某变压器厂进行了运行试验。该厂的谐波电流以3次、5次、7次为主,HAPF的试验运行结果如图9所示。其中,图9(a)曲线1为负载电流波形,曲线2为补偿后电网电流波形,曲线3为HAPF输出电流波形;图9(b)为负载电流谐波分析,图9(c)为HAPF补偿后电网电流谐波分析。可见,HAPF投入后,该变压器厂的电流总谐波畸变率由12.3%降低至4.2%,谐波抑制效果较为明显。
本发明通过建立了HAPF主电路元件和控制参数对系统性能、效率和成本影响的量化描述,以性能优、效率高和成本低为三维优化设计目标,将无源和有源支路统一考虑,构建了HAPF的优化设计方法。该方法优化出的Pareto最优前沿为一个曲面,曲面的优化解集能够为设计者提供优化解的分布和变化趋势;针对多目标多约束算法的搜索能力问题,采用了基于距离量度和自适应惩罚函数的新型约束处理机制,将约束问题处理成非约束问题;为保证优化解的多样性和算法的收敛性,提出了基于多级邻域和自适应网格法的混沌变异算子,该算子可以帮助惰性粒子逃离局部极小点。
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种混合有源电力滤波器的多目标优化方法,包括:
根据所述混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系,以及所述有源支路和所述无源支路的各元件与控制参数之间的耦合关系,来得到与所述控制参数相关的第一类约束条件;
获取所述混合有源电力滤波器的性能、成本和损耗模型;
根据所述混合有源电力滤波器的技术要求来设置第二类约束条件;
建立基于所述混合有源电力滤波器的性能、成本和损耗模型的三维优化目标函数,并将与所述第一类约束条件和所述第二类约束条件相结合作为所述三维优化目标函数的约束条件;
对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数;
基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解。
2.根据权利要求1所述的多目标优化方法,其特征在于,
所述第二类约束条件包括关于抑制高频开关谐波的约束条件、关于无功补偿的约束条件、关于所述有源支路中滤波电感的约束条件和关于所述有源支路中直流侧电容的约束条件。
3.根据权利要求1所述的多目标优化方法,其特征在于,
所述混合有源电力滤波器的损耗包括所述有源支路的损耗和所述无源支路的损耗,其中,所述无源支路的损耗包括所述无源支路中电感的损耗,所述有源支路的损耗包括所述有源支路中滤波电感的损耗和逆变桥的损耗。
4.根据权利要求3所述的多目标优化方法,其特征在于,
所述无源支路中电感的损耗是通过基于所述混合有源电力滤波器的基波等效电路和谐波等效电路所得到所述无源支路中电感的内阻的功率损耗;
所述有源支路中滤波电感的损耗是通过基于所述混合有源电力滤波器的谐波等效电路所得到所述有源支路中滤波电感的内阻的功率损耗;
所述逆变桥的损耗包括绝缘栅双极型晶体管的通态损耗、开通损耗和关断损耗,以及反并联二极管的通态损耗和关断损耗。
5.根据权利要求1至4任一项所述的多目标优化方法,其特征在于,在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时,所述三维优化目标函数为:
f(x*)=minf(x)=[Jcost,THD,Ploss]
其中,Jcost表示所述混合有源电力滤波器的成本,THD表示所述混合有源电力滤波器的性能,Ploss表示所述混合型有源电力滤波器的损耗,
所述三维优化目标函数的约束条件是g(x*)≤0,x*是所述三维优化目标函数的最优解, 其中,
其中, 和 表示与所述控制参数相关的第一类约束条件,Xn()表示各无源元件对于n次谐波所呈现的阻抗,Ls表示电网线路等效电感,Cinj表示所述无源支路的注入电容,X1(RLR)为X1(L1)和等效内阻R1的总阻抗,其中,X1(L1)为无源支路电感L1对于基波所呈现的阻抗,Nmax和Nmin表示在所述混合有源电力滤波器的谐波抑制中谐波电流的最高次数和最低次数,δ表示一设定正数,nmin表示有源支路输出电流的最小谐波次数,
6.根据权利要求1所述的多目标优化方法,其特征在于,在对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数的步骤中,进一步包括以下步骤,
对所述三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理;
将归一化处理后的三维优化目标函数与所述个体约束违反程度值相结合,计算距离量度和自适应惩罚函数;
基于所述距离量度和所述自适应惩罚函数得到新目标函数。
8.根据权利要求1所述的多目标优化方法,其特征在于,在基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解的步骤中,进一步包括以下步骤,
步骤1,定义优化解的变量组合以及各个变量的搜索空间;
步骤2,设置PSO算法的相关参数;
步骤3,利用混沌序列产生粒子群中各个粒子的初始化位置和速度;
步骤4,计算自适应惯性权重,以更新每个粒子的位置和速度,并进行搜索空间边界检查;
步骤5,基于所述新目标函数计算适应度函数;
步骤6,利用Pareto支配理论对粒子进行排序,并为非支配集合更新外部存储器;
步骤7,用自适应网格法从外部存储器中选出当代的全局最优粒子;
步骤8,更新每个粒子的局部最优位置;
步骤9,判断是否满足变异条件,若满足则产生基于中心邻域和整个搜索空间混沌序列的粒子作为最优解,否则,直接返回所述步骤4。
9.根据权利要求8所述的多目标优化方法,其特征在于,
基于Sigmoid函数来计算自适应惯性权重。
10.根据权利要求8所述的多目标优化方法,其特征在于,
所述变异条件为经归一化处理后所述全局最优粒子的欧几里得距离连续多代的变化小于设定的变异阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210447474.1A CN102916429B (zh) | 2012-11-09 | 2012-11-09 | 混合有源电力滤波器的多目标优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210447474.1A CN102916429B (zh) | 2012-11-09 | 2012-11-09 | 混合有源电力滤波器的多目标优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102916429A true CN102916429A (zh) | 2013-02-06 |
CN102916429B CN102916429B (zh) | 2014-09-24 |
Family
ID=47614709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210447474.1A Expired - Fee Related CN102916429B (zh) | 2012-11-09 | 2012-11-09 | 混合有源电力滤波器的多目标优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102916429B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103972893A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种含有分布式电源的配电网滤波器的优化配置方法 |
CN103972892A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN104133922A (zh) * | 2013-05-02 | 2014-11-05 | 长沙理工大学 | 多谐波源相互影响的配电网滤波装置优化配置 |
CN105511939A (zh) * | 2015-11-23 | 2016-04-20 | 广东工业大学 | 一种基于pso算法的谐波抑制方法 |
CN105814784A (zh) * | 2013-12-11 | 2016-07-27 | 索拉劳尼克斯股份有限公司 | 用于在三相系统中并联连接的阻抗组的低水平谐波控制系统 |
CN105897228A (zh) * | 2015-01-21 | 2016-08-24 | 南京铁道职业技术学院 | 一种基于pso算法的三电平优化pwm方法 |
CN103972892B (zh) * | 2014-04-18 | 2016-11-30 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN106655851A (zh) * | 2017-02-28 | 2017-05-10 | 湖南大学 | 一种基于mmc换流阀调制波的三次谐波含量值优化计算方法 |
CN108551286A (zh) * | 2018-05-02 | 2018-09-18 | 湖南大学 | 一种交流伺服电机现场效率检测方法和系统 |
CN108700326A (zh) * | 2016-02-24 | 2018-10-23 | 三菱电机株式会社 | 控制装置和控制程序 |
CN109066710A (zh) * | 2018-07-13 | 2018-12-21 | 国网安徽省电力有限公司滁州供电公司 | 一种多目标无功优化方法、装置、计算机设备及存储介质 |
CN109347106A (zh) * | 2018-11-07 | 2019-02-15 | 国家电网有限公司 | 一种交流滤波器损耗的评价方法及系统 |
CN109449943A (zh) * | 2019-01-08 | 2019-03-08 | 江苏方天电力技术有限公司 | 基于改进粒子群算法的交流滤波器多目标优化设计方法 |
CN109818499A (zh) * | 2019-01-31 | 2019-05-28 | 张欣 | 一种基于多目标优化的buck变换器二阶滤波器设计方法 |
CN110350536A (zh) * | 2019-05-26 | 2019-10-18 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于最短恢复时间的最优负荷转供路径计算方法 |
CN110794291A (zh) * | 2019-11-11 | 2020-02-14 | 深圳供电局有限公司 | 一种充电桩滤波电容器的校核方法及装置 |
CN110867856A (zh) * | 2019-11-28 | 2020-03-06 | 国网河南省电力公司驻马店供电公司 | 考虑vsc系统谐波稳定条件下的lcl滤波器参数优化方法 |
CN113991862A (zh) * | 2021-11-02 | 2022-01-28 | 国网北京市电力公司 | 电力设备集群控制方法、装置及无功补偿系统 |
CN115081374A (zh) * | 2022-08-23 | 2022-09-20 | 西安热工研究院有限公司 | 一种新能源储能耦合多谐振参数设置方法及装置 |
CN117492371A (zh) * | 2023-12-29 | 2024-02-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050057949A1 (en) * | 2003-09-17 | 2005-03-17 | Kim Chan Ki | 12th active filter capable of concurrently removing 11th and 13th harmonics |
CN101127441A (zh) * | 2007-07-31 | 2008-02-20 | 湖南大学 | 注入式混合有源电力滤波器的电流及直流侧电压控制方法 |
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN102737277A (zh) * | 2012-04-11 | 2012-10-17 | 湖南工业大学 | 基于多岛粒子群算法的混合型滤波器中无源滤波器多目标优化设计方法 |
-
2012
- 2012-11-09 CN CN201210447474.1A patent/CN102916429B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050057949A1 (en) * | 2003-09-17 | 2005-03-17 | Kim Chan Ki | 12th active filter capable of concurrently removing 11th and 13th harmonics |
CN101127441A (zh) * | 2007-07-31 | 2008-02-20 | 湖南大学 | 注入式混合有源电力滤波器的电流及直流侧电压控制方法 |
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN102737277A (zh) * | 2012-04-11 | 2012-10-17 | 湖南工业大学 | 基于多岛粒子群算法的混合型滤波器中无源滤波器多目标优化设计方法 |
Non-Patent Citations (4)
Title |
---|
丁士启等: "混合型有源电力滤波器主电路优化设计", 《中国电机工程学报》 * |
何娜 等: "大容量混合有源滤波器多目标优化设计", 《电机与控制学报》 * |
何娜等: "基于粒子群优化算法的混合有源滤波器中无源滤波器的多目标优化设计", 《中国电机工程学报》 * |
江友华 等: "混合有源滤波器多目标优化设计", 《控制理论与应用》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133922A (zh) * | 2013-05-02 | 2014-11-05 | 长沙理工大学 | 多谐波源相互影响的配电网滤波装置优化配置 |
CN104133922B (zh) * | 2013-05-02 | 2018-03-30 | 长沙理工大学 | 多谐波源相互影响的配电网滤波装置优化配置 |
CN105814784A (zh) * | 2013-12-11 | 2016-07-27 | 索拉劳尼克斯股份有限公司 | 用于在三相系统中并联连接的阻抗组的低水平谐波控制系统 |
CN105814784B (zh) * | 2013-12-11 | 2018-12-28 | 索拉劳尼克斯股份有限公司 | 用于在三相系统中并联连接的阻抗组的低水平谐波控制系统 |
CN103972892A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN103972893B (zh) * | 2014-04-18 | 2016-08-31 | 国家电网公司 | 一种含有分布式电源的配电网滤波器的优化配置方法 |
CN103972892B (zh) * | 2014-04-18 | 2016-11-30 | 国家电网公司 | 一种微电网滤波器的优化配置方法 |
CN103972893A (zh) * | 2014-04-18 | 2014-08-06 | 国家电网公司 | 一种含有分布式电源的配电网滤波器的优化配置方法 |
CN105897228A (zh) * | 2015-01-21 | 2016-08-24 | 南京铁道职业技术学院 | 一种基于pso算法的三电平优化pwm方法 |
CN105511939A (zh) * | 2015-11-23 | 2016-04-20 | 广东工业大学 | 一种基于pso算法的谐波抑制方法 |
CN108700326A (zh) * | 2016-02-24 | 2018-10-23 | 三菱电机株式会社 | 控制装置和控制程序 |
CN106655851A (zh) * | 2017-02-28 | 2017-05-10 | 湖南大学 | 一种基于mmc换流阀调制波的三次谐波含量值优化计算方法 |
CN106655851B (zh) * | 2017-02-28 | 2019-03-01 | 湖南大学 | 一种基于mmc换流阀调制波的三次谐波含量值优化计算方法 |
CN108551286A (zh) * | 2018-05-02 | 2018-09-18 | 湖南大学 | 一种交流伺服电机现场效率检测方法和系统 |
CN109066710A (zh) * | 2018-07-13 | 2018-12-21 | 国网安徽省电力有限公司滁州供电公司 | 一种多目标无功优化方法、装置、计算机设备及存储介质 |
CN109066710B (zh) * | 2018-07-13 | 2022-05-27 | 国网安徽省电力有限公司滁州供电公司 | 一种多目标无功优化方法、装置、计算机设备及存储介质 |
CN109347106A (zh) * | 2018-11-07 | 2019-02-15 | 国家电网有限公司 | 一种交流滤波器损耗的评价方法及系统 |
CN109347106B (zh) * | 2018-11-07 | 2022-02-01 | 国家电网有限公司 | 一种交流滤波器损耗的评价方法及系统 |
CN109449943B (zh) * | 2019-01-08 | 2021-12-07 | 江苏方天电力技术有限公司 | 基于改进粒子群算法的交流滤波器多目标优化设计方法 |
CN109449943A (zh) * | 2019-01-08 | 2019-03-08 | 江苏方天电力技术有限公司 | 基于改进粒子群算法的交流滤波器多目标优化设计方法 |
CN109818499A (zh) * | 2019-01-31 | 2019-05-28 | 张欣 | 一种基于多目标优化的buck变换器二阶滤波器设计方法 |
CN110350536A (zh) * | 2019-05-26 | 2019-10-18 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于最短恢复时间的最优负荷转供路径计算方法 |
CN110794291B (zh) * | 2019-11-11 | 2022-02-08 | 深圳供电局有限公司 | 一种充电桩滤波电容器的校核方法及装置 |
CN110794291A (zh) * | 2019-11-11 | 2020-02-14 | 深圳供电局有限公司 | 一种充电桩滤波电容器的校核方法及装置 |
CN110867856A (zh) * | 2019-11-28 | 2020-03-06 | 国网河南省电力公司驻马店供电公司 | 考虑vsc系统谐波稳定条件下的lcl滤波器参数优化方法 |
CN113991862A (zh) * | 2021-11-02 | 2022-01-28 | 国网北京市电力公司 | 电力设备集群控制方法、装置及无功补偿系统 |
CN113991862B (zh) * | 2021-11-02 | 2024-05-28 | 国网北京市电力公司 | 电力设备集群控制方法、装置及无功补偿系统 |
CN115081374A (zh) * | 2022-08-23 | 2022-09-20 | 西安热工研究院有限公司 | 一种新能源储能耦合多谐振参数设置方法及装置 |
CN115081374B (zh) * | 2022-08-23 | 2022-11-15 | 西安热工研究院有限公司 | 一种新能源储能耦合多谐振参数设置方法及装置 |
CN117492371A (zh) * | 2023-12-29 | 2024-02-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
CN117492371B (zh) * | 2023-12-29 | 2024-04-02 | 中国科学院合肥物质科学研究院 | 有源电力滤波器模型预测控制的优化方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102916429B (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102916429B (zh) | 混合有源电力滤波器的多目标优化方法 | |
Hannan et al. | Power electronics contribution to renewable energy conversion addressing emission reduction: Applications, issues, and recommendations | |
CN102832625B (zh) | 配电网滤波装置优化配置方法 | |
Lei et al. | An improved virtual resistance damping method for grid-connected inverters with LCL filters | |
CN105868490B (zh) | 模块化多电平变换器多目标特定谐波抑制脉宽调制方法 | |
CN104135003B (zh) | 一种基于自抗扰和重复控制的有源电力滤波器控制方法 | |
CN104333002B (zh) | 一种基于ip-iq检测法和滞环控制的混合型有源滤波器 | |
CN103972893A (zh) | 一种含有分布式电源的配电网滤波器的优化配置方法 | |
CN103293963B (zh) | 有源电力滤波器自适应模糊反演跟踪控制方法 | |
CN101335452A (zh) | 一种用于消除铁路谐波的单相滤波器及其复合控制方法 | |
CN105141144A (zh) | 高压变频器中母线电压波动的抑制方法 | |
CN103324828A (zh) | 基于运行方式灵敏度的电力系统低频振荡辅助决策方法 | |
CN101882237A (zh) | 一种改进的免疫-粒子群优化算法 | |
Gao et al. | Research on optimal configuration of hybrid energy storage system based on improved CEEMDAN | |
Zhou et al. | Modeling and stability of large-scale PV plants due to grid impedance | |
Wang et al. | Synthesis and analysis of primary high-order compensation topologies for wireless charging system applying sub-harmonic control | |
CN106711993A (zh) | 一种直流微电网稳定控制方法 | |
CN104377721A (zh) | 一种电网电压不平衡时vsc-hvdc优化控制方法 | |
CN110011355B (zh) | 不对称三相星形级联多电平混合储能系统的分相控制方法 | |
Ji et al. | The multi-objective optimization design of passive power filter based on PSO | |
CN103378595B (zh) | 考虑谐振的混合型有源滤波器参数优化配置 | |
CN104638634A (zh) | 主从模式下基于带通滤波器的直流微电网振荡抑制方法 | |
CN111490539B (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 | |
CN103199534A (zh) | 一种有源滤波器的改进差拍控制方法 | |
Deng et al. | The concept design of the upgrade of EAST in-vessel second-generation fast control power supply |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140924 Termination date: 20151109 |
|
EXPY | Termination of patent right or utility model |