CN104484517A - 一种mmc桥臂电抗器参数优化方法 - Google Patents

Abstract

本发明涉及一种MMC桥臂电抗器参数优化方法，在已有柔性直流输电系统参数基础之上，利用遗传算法对MMC桥臂电抗器进行参数优化。根据桥臂电抗器在柔性直流输电中的特殊性，针对运行条件进行边界约束条件的设定，建立一系列边界约束函数和目标函数方程。通过对桥臂电抗器参数进行优化设计，得到在边界条件下桥臂电抗器电感量、重量和体积最优值。该方法根据桥臂电抗器在MMC系统的运行条件，对电感量、重量和体积三个目标函数进行加权平衡，可以达到桥臂电抗器总体效益更优；能够在很短的时间内进行多次迭代，可以大大缩短设计桥臂电抗器的计算过程，提高经济性和合理性，对于MMC系统桥臂电抗器的设计具有较高的工程应用价值。

Description

一种MMC桥臂电抗器参数优化方法

技术领域

本发明涉及一种基于遗传算法的MMC桥臂电抗器参数优化方法，用于桥臂电抗器的参数选择和设计。

背景技术

MMC系统拓扑结构在柔性直流输电工程中已得到较为广泛的应用。而且桥臂电抗器串联在换流器的每个桥臂上面，如图1所示MMC系统单端拓扑结构图。在实际运行过程中，桥臂电抗器具有抑制大功率电力电子器件产生的高次谐波和换流器三相电流纹波、抑制桥臂环流和短路故障产生的过电流的作用、同时较大程度影响了电流跟踪速度、有功功率和无功功率的控制能力。

一般桥臂电抗器在设计时要考虑杂散电容对换流器的影响，若杂散电容过大，由于在大功率器件IGBT的每个开关过程会有过电压产生，从而产生较大的电流脉冲。这对换流阀电气应力具有很大的考验，此项对于桥臂电抗器的选型和结构设计起着决定性的作用。

目前柔性直流输电系统桥臂电抗器设计过程中，电抗器电感值的选取计算求解值并不是唯一值，而是根据系统运行状况确定在一定的区间范围内。再依靠一定的经验值来进行电感值的确定，从而来验证是否满足系统运行要求，设计结果有很大的提高和改善。

同时在柔性直流系统方案确定过程中，由于电感值的设计存在一定的优化范围，对于桥臂电抗器的结构设计和产品制造必然也会存在较大优化的空间。

随着柔性直流输电的发展，在换流站建设中对于桥臂电抗器的占地面积和运输等方面也将有着较高的要求。因此在可满足系统运行条件下，体积越小和重量越轻成为首选。

发明内容

本发明的目的是提供一种MMC桥臂电抗器参数优化方法，用以解决现有技术桥臂电抗器设计优化的问题。

为实现上述目的，本发明的方案包括：

一种MMC桥臂电抗器参数优化方法，根据可靠、安全运行所要求的条件计算确定桥臂电抗器电感值函数L(X)；根据实际情况确定桥臂电抗器重量函数W(X)和提交函数V(X)；利用添加加权系数的方法把多目标优化问题转化为单目标优化问题：F(X)＝min k₁(*L(X)+k₂*W(X)+k₃*V(X))，k1，k2，k3分别是电感量、重量和体积的权值系数；基于遗传算法确定上述权值系数，以优化桥臂电抗器电感值、重量和体积。

适应度函数FIT(X)与目标函数求取最优值之间关系为FIT(X)＝1/(1+F(X)+Fopt)；设定所要求取的最优值限值为Fopt。

对桥臂电抗器设计变量进行级差评定，设定基差系数为k，然后确定每个变量的编码长度n＝ln[(Xmax-Xmin)/k+1]，根据编码长度设定每一个变量的编码位数，设计中编码采用二进制编码，编码总位数为31。

设定每代种群的平均适应度值为fitavg，种群中最大的适应度值为fitmax，两个交叉个体中适应度较大值为fit1，变异个体的适应度值为fit2；当fit1，fit2>＝fitavg时，Pm＝0.001，Pc＝0.3；当fit1，fit2<fitavg时，Pm＝0.2-0.199*(fitmax-fit2)/(fitmax-fitavg)，

Pc＝0.9-0.6*(fitmax-fit1)/(fitmax-fitavg)，其中Pm为变异概率变量、Pc为交叉概率变量。

本发明根据桥臂电抗器在MMC系统中运行工况，从换流器系统运行参数和桥臂电抗器本身设计两个方面进行目标函数和约束条件的设定和数学问题的转化，进一步把桥臂电抗器参数问题，转化为一个多变量、有约束条件的非线性最值求解问题，最终实现桥臂电抗器参数最优配置。

本发明建立桥臂电抗器参数数学优化模型，选择合适的设计变量参数，并为每个参数建立对应的原始种群，计算出目标函数，并转化为适应度函数，作为个体优劣的评判标准。对于本设计对象利用加权系数的转化方法对桥臂电抗器的多目标求解数学优化函数转化成单目标优化问题。

本发明选择合适的编码方式，确定每个设计变量的编码位数。通过选择运算把群体中的个体按照适应度高低进行一定处理，利用交叉、变异算法(交叉概率设定为Pc、变异概率设定为Pm)不断产生新个体，保证算法的全局搜索能力和维持种群的多样性。本发明设置算法终止条件，若设定最大代数为T，采取最大进化代数和最优个体保持代数相结合的原则。

附图说明

图1是MMC系统单端拓扑结构图；

图2是最优适应度保存方案选择列表；

图3是本发明的MMC桥臂电抗器参数优化算法流程。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

电流纹波由电平阶跃值决定，而电平阶跃值由系统控制频率决定；电流跟踪速度，以电流过零点处的跟踪设计利用有功电流和电压同相，并假定过零点电压突变仅为直流电压的一半的苛刻条件计算；根据电压源型换流器的稳态运行相量图，在交流电动势、直流电压、传输功率和最大调制度限制的条件下，可得有功传输时的电感约束方程为：采取桥臂电抗器抑制到0.01倍的额定电流值，约束方程如下：综合这些条件可以得到桥臂电抗器的电感值函数L(X)。

对于桥臂电抗器重量函数W(X)，考虑桥臂电抗器的重量主要由绕制的铝导线决定，因此在设计桥臂电抗器重量目标函数时，可以由铝导线重量函数决定。则桥臂电抗器的体积和铝导线重量(分层计算每根导线的重量)的优化模型数学方程可以表示为：V(X)＝π*H*D²/4；其中H为桥臂电抗器高度、D为桥臂电抗器外径、N₁为每层中并绕线圈根数、ρ为铝导线的质量密度、w为每层线圈匝数、D_av为每层内径和外径的平均值、D_out为铝导线的线径。设计变量还包括桥臂电抗器包封数N_m、层数N_c、温升T、损耗p、包封外径和内径为D_out、D_in。

利用添加加权系数的方法把多目标优化问题转化为单目标优化问题：F(X)＝min k₁(*L(X)+k₂*W(X)+k₃*V(X))，k1，k2，k3分别是电感量、重量和体积的权值系数。设定所要求取的最优值限值为Fopt。

根据所产生的31位二进制编码随机产生初始种群，迭代次数选取200。

个体适应度是个体生存机会的唯一确定指标，决定着种群的进化优劣。遗传算法会对对于每次迭代过程中所产生的最优个体适应度值进行比较，保存适应度值比较高的个体，用以遗传到下一代。设计过程中需要根据目标函数构造合适的适应度函数，本设计适应度函数FIT(X)与目标函数求取最优值之间关系为FIT(X)＝1/(1+F(X)+Fopt)。

根据不同类型变量，映射个数不一样，编码位数也不相同。设计中对桥臂电抗器设计变量进行级差评定，设定基差系数为k，然后确定每个变量的编码长度n＝ln[(Xmax-Xmin)/k+1]，根据编码长度设定每一个变量的编码位数，设计中编码采用二进制编码，编码总位数为31。

首先设定交叉、变异概率的大致范围，并根据一定数学关系在每次迭代过程中对交叉、变异概率进行一次修订，以达到提高优良个体的遗传效率的目的。设定每代种群的平均适应度值为fitavg，种群中最大的适应度值为fitmax，两个交叉个体中适应度较大值为fit1，变异个体的适应度值为fit2。当fit1，fit2>＝fitavg时，Pm＝0.001，Pc＝0.3；当fit1，fit2<fitavg时，

Pm＝0.2-0.199*(fitmax-fit2)/(fitmax-fitavg)，

Pc＝0.9-0.6*(fitmax-fit1)/(fitmax-fitavg)，

其中Pm为变异概率变量、Pc为交叉概率变量。

如图2所示最优适应度保存方案选择列表，首先判断当前最优个体适应值与本代最有个体适应值是否处于可行解区域。如若则这有且仅有其一处于可行解区域时，选择处于可行解区域的适应值作为最优个体保存下来；如若二者同时处于可行解区域或同时处于非可行解区域，则对二者进行比较，选择较大者作为最优个体保存下来作为下次迭代比较标准。

根据现有桥臂电抗器参数设计，原有参数为重量W＝33kg、电感值L＝21.5mH、体积V＝7611.65359cm³。经该方法优化后参数情况：相同电感值情况下重量W＝31.23kg、体积V＝7119.17961cm³，重量减小5.37％，体积减小6.41％；电感值也最优情况下，参数为重量W＝28.545kg、电感值L＝18mH、体积V＝6414.34048cm³，重量减小13.5％，体积减小15.73％。

本领域技术人员可以理解：如图2所示一种遗传算法的MMC桥臂电抗器参数优化算法流程，只是对柔性直流输电系统MMC桥臂电抗器参数进行优化设计过程进行简化说明，并不代表桥臂电抗器参数优化的全部过程。

以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (4)

1.一种MMC桥臂电抗器参数优化方法，其特征在于，根据可靠、安全运行所要求的条件计算确定桥臂电抗器电感值函数L(X)；根据实际情况确定桥臂电抗器重量函数W(X)和提交函数V(X)；利用添加加权系数的方法把多目标优化问题转化为单目标优化问题：F(X)＝min k₁(*L(X)+k₂*W(X)+k₃*V(X))，k1，k2，k3分别是电感量、重量和体积的权值系数；基于遗传算法确定上述权值系数，以优化桥臂电抗器电感值、重量和体积。

2.根据权利要求1所述的一种MMC桥臂电抗器参数优化方法，其特征在于，适应度函数FIT(X)与目标函数求取最优值之间关系为FIT(X)＝1/(1+F(X)+Fopt)；设定所要求取的最优值限值为Fopt。

3.根据权利要求1所述的一种MMC桥臂电抗器参数优化方法，其特征在于，对桥臂电抗器设计变量进行级差评定，设定基差系数为k，然后确定每个变量的编码长度n＝ln[(Xmax-Xmin)/k+1]，根据编码长度设定每一个变量的编码位数，设计中编码采用二进制编码，编码总位数为31。

4.根据权利要求1所述的一种MMC桥臂电抗器参数优化方法，其特征在于，设定每代种群的平均适应度值为fitavg，种群中最大的适应度值为fitmax，两个交叉个体中适应度较大值为fit1，变异个体的适应度值为fit2；当fit1，fit2>＝fitavg时，Pm＝0.001，Pc＝0.3；当fit1，fit2<fitavg时，

Pm＝0.2-0.199*(fitmax-fit2)/(fitmax-fitavg)，

Pc＝0.9-0.6*(fitmax-fit1)/(fitmax-fitavg)，其中Pm为变异概率变量、Pc为交叉概率变量。