CN108712097A - 一种逆变系统多目标实时优化装置和方法 - Google Patents

Abstract

本发明涉及电力电子智能控制技术领域，特别涉及一种逆变系统多目标实时优化装置，根据逆变系统的控制模式设置了能够同时考虑电压波形质量、控制精度和系统运行效率的多目标优化模型；通过建立基于多目标优化的逆变系统模型后，再采用智能优化算法进行优化；确保逆变系统高性能运行；同时为防止控制参数影响系统的稳定性，建立反映系统稳定性的约束方程，采用智能优化算法实时优化逆变系统时，能够实现逆变系统高稳定性。本发明可以运用于紧急供电电源领域、岸电领域和新能源微电网领域等领域，能满足单个逆变电源稳定和高效的运行。

Description

一种逆变系统多目标实时优化装置和方法

技术领域

本发明属于电力电子智能控制技术领域，具体涉及一种逆变系统多目标实时优化装置和方法。

背景技术

逆变系统中的核心部分是逆变控制器部分，而控制器中的控制参数决定了控制性能。传统的参数整定方法有零极点配置法、工程整定法和经验法等。零极点配置法只能配置系统稳态情况下的控制参数，无法计算系统动态情况下的控制参数。工程整定法和经验法需要在具有丰富的参数整定经验的前提下，进行反复测试，以期望控制达到最优效果，因此采用这两种方法费时费力。

粒子群优化算法是智能优化算法中最为经典的一种方法。因为它的结构简单、容易理解、且具有快速优化能力和无需建立精确数学模型的特点，所以被广泛运用在如电力系统、变流器控制、数据处理和图像识别等领域。针对变流系统的实时优化，目前大多数研究学者建立的目标优化模型只考虑了波形质量或控制精度等不全面的目标，忽略了控制参数对变流系统稳定性的影响以及变流系统的运行效率。因此优化得到的控制参数并不能保证变流系统的高稳定性和高运行效率。

发明内容

本发明的目的是针对以上问题，提供一种同时考虑电压波形质量、控制精度和系统运行效率的逆变系统多目标实时优化装置。

为实现以上目的，本发明采用的技术方案是：一种逆变系统多目标实时优化装置，包括多目标优化模块、智能优化模块和逆变模块；其中，所述逆变模块包括逆变器、控制单元和负载；所述控制单元包括PI控制或QPR控制两种控制模式；所述多目标优化模块根据当前控制单元的控制模式调用对应的多目标优化模型，所述多目标优化模块实时从逆变模块获取相关参数经多目标优化模型优化后输出对应参数的适应值；所述智能优化模块根据适应值采用粒子群算法进行进一步优化输出控制参数至逆变模块。

进一步的，还包括约束模块，所述约束模块中包括约束方程；通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；所述约束模块根据控制单元的控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

一种逆变系统多目标实时优化方法，包括如下步骤：

S1、从逆变系统中实时获取相关参数以及控制模式，所述控制模式包括PI控制或QPR控制两种；

S2、根据控制模式选择对应的多目标优化模型，根据获取的参数经多目标优化模型优化后输出对应参数的适应值；

S3、根据适应值采用粒子群算法进行进一步优化，实时搜索逆变系统中控制参数的最优解，输出优化后的控制参数。

进一步的，还包括步骤S4：

S4、通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；根据控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

本发明一种逆变系统多目标实时优化装置，根据逆变系统的控制模式设置了能够同时考虑电压波形质量、控制精度和系统运行效率的多目标优化模型；通过建立基于多目标优化的逆变系统模型后，再采用智能优化算法进行优化；确保逆变系统高性能运行；同时为防止控制参数影响系统的稳定性，建立反映系统稳定性的约束方程，采用智能优化算法实时优化逆变系统时，能够实现逆变系统高稳定性。本发明可以运用于紧急供电电源领域、岸电领域和新能源微电网领域等领域，能满足单个逆变电源稳定和高效的运行。

附图说明

图1为本发明一种逆变系统多目标实时优化装置逻辑结构示意框图；

图2为本发明一种逆变系统多目标实时优化装置PI控制模式示意图；

图3为本发明一种逆变系统多目标实时优化装置QPR控制模式示意图；

图4为本发明一种逆变系统多目标实时优化方法逻辑步骤示意图；

图5为本发明一种逆变系统多目标实时优化方法粒子群算法逻辑步骤示意图。

具体实施方式

为了使本领域技术人员更好地理解本发明的技术方案，下面结合附图1-5对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。

如图1所示，本发明一种逆变系统多目标实时优化装置，包括多目标优化模块、智能优化模块和逆变模块；其中，所述逆变模块包括逆变器、控制单元和负载；所述控制单元包括PI控制或QPR控制两种控制模式；所述多目标优化模块根据当前控制单元的控制模式调用对应的多目标优化模型，所述多目标优化模块实时从逆变模块获取相关参数经多目标优化模型优化后输出对应参数的适应值；所述智能优化模块根据适应值采用粒子群算法进行进一步优化输出控制参数至逆变模块。

当控制单元采用PI控制模式时，所述多目标优化模块调用的多目标优化模型为：

其中

上两式中a₁、b₁和c₁均为多目标优化模型中的权系数，其和为1；V_o1和V_on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流；V_rd、V_od、V_oq、I_od和I_oq分别为d轴电压参考信号、d轴逆变输出电压信号、q轴逆变输出电压信号、d轴逆变输出电流信号和q轴逆变输出电流信号。

当控制单元采用QPR控制模式时，所述多目标优化模块调用的多目标优化模型为：

其中

两式中a₂、b₂和c₂均为多目标模型中的权系数，其和为1；V_1o1和V_1on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流。V_rα、V_oα、V_oβ、I_oα和I_oβ分别为α轴电压参考信号、α轴逆变输出电压信号、β轴逆变输出电压信号、α轴逆变输出电流信号和β轴逆变输出电流信号。

还包括约束模块，所述约束模块中包括约束方程；通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；所述约束模块根据控制单元的控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

当控制单元采用PI控制模式时，所述约束模块调用的约束方程为：

式中

上式中k_p1、k_i1、k_p2、k_i2、Z、C和L分别为电压环比例控制参数、电压环积分控制参数、电流环比例控制参数、电流环积分控制参数、负载、滤波电容和滤波电感。

当控制单元采用QPR控制模式时，所述约束模块调用的约束方程为：

式中

上式中k_p1、k_r1、ω_r和ω_b分别为电压环比例控制参数、电压环谐振控制参数、谐振点和带宽。

其中，粒子群优化算法包括粒子的速度更新方程和位置更新方程。该算法能在给定的初时范围内通过多次优化迭代，最终找到系统的最优解。该算法的速度更新公式为

式中i和j分别代表第i个粒子和粒子的第j维，t为迭代次数；粒子个体表示为x_ij(优化逆变系统时，每个粒子个体代表一组控制参数)；粒子更新速度表示为v_ij；c₁和c₂为加速系数；r₁和r₂为[0,1]区间内的随机数；个体最优粒子表示为x^P _ij；全局最优粒子表示为x^G _gj，其中g代表粒子群从初始化到当前优化迭代时，某一次迭代中某个位置上的粒子。惯性权重w随着优化迭代的增加而线性下降，其公式为

式中w_max、w_min和t_max分别为最大惯性权重值、最小惯性权重值和最大优化迭代次数。

该算法的位置更新公式为

x_ij(t+1)＝x_ij(t)+v_ij(t+1)

为了更进一步清楚说明本发明的技术方案，现以基于PI控制的逆变系统结构，如图2所示，进行详细说明，可以理解本发明技术方案并不仅限于此。

逆变系统中的控制部分包括电压环PI控制和电流环PI控制(均为dq轴坐标系下的控制)，其中电压环控制逆变交流侧输出端电压(变压器低压侧电压)，电流环控制逆变交流侧电感电流。闭环控制的输出信号作为SVPWM的输入信号，通过SVPWM输出脉冲控制信号。

其中，PI控制的公式为

式中k_p和k_i分别为比例控制参数和积分控制参数。

逆变拓扑部分包括三相半桥逆变、LC滤波、变压器。三相半桥逆变中直流侧电压为330V，交流侧输出相电压幅值为127V，逆变的工频为50Hz；滤波电感中电感值为2.5mH，电容值为12μF；变压器的变比为160/400。

为了说明清楚本发明的技术方案，以本发明的其中一个具体实施例基于QPR控制的逆变系统结构来进行说明，如图3所示，本发明技术方案并不仅限于此。

逆变系统中的控制部分包括电压环QPR控制和电流环PI控制(均为αβ轴坐标系下的控制)，其中电压环控制逆变交流侧输出端电压(变压器低压侧电压)，电流环控制逆变交流侧电感电流。闭环控制的输出信号作为SVPWM的输入信号，通过SVPWM输出脉冲控制信号。

QPR控制的公式为

式中k_p、k_r、ω_r和ω_b分别为比例控制参数、谐振控制参数、准比例谐振控制的谐振点和准比例谐振控制的带宽。

可以理解，本实施例中的逆变拓扑部分和前一个实施例相同。

如图4所示，本发明的另一个实施例，一种逆变系统多目标实时优化方法，包括如下步骤：

S1、从逆变系统中实时获取相关参数以及控制模式，所述控制模式包括PI控制或QPR控制两种；

S2、根据控制模式选择对应的多目标优化模型，根据获取的参数经多目标优化模型优化后输出对应参数的适应值；

S3、根据适应值采用粒子群算法进行进一步优化，实时搜索逆变系统中控制参数的最优解，输出优化后的控制参数。

其中，所述步骤S2具体包括：判断当前控制模式，当采用PI控制模式时，调用的多目标优化模型为：

其中

上两式中a₁、b₁和c₁均为多目标优化模型中的权系数，其和为1；V_o1和V_on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流；V_rd、V_od、V_oq、I_od和I_oq分别为d轴电压参考信号、d轴逆变输出电压信号、q轴逆变输出电压信号、d轴逆变输出电流信号和q轴逆变输出电流信号；

当采用QPR控制模式时，调用的多目标优化模型为：

其中

两式中a₂、b₂和c₂均为多目标模型中的权系数，其和为1；V_1o1和V_1on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流。V_rα、V_oα、V_oβ、I_oα和I_oβ分别为α轴电压参考信号、α轴逆变输出电压信号、β轴逆变输出电压信号、α轴逆变输出电流信号和β轴逆变输出电流信号。

S4、通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；根据控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

如权利要求9所述的逆变系统多目标实时优化方法，其特征在于，当采用PI控制模式时，调用的约束方程为：

式中

上式中k_p1、k_i1、k_p2、k_i2、Z、C和L分别为电压环比例控制参数、电压环积分控制参数、电流环比例控制参数、电流环积分控制参数、负载、滤波电容和滤波电感；

当采用QPR控制模式时，调用的约束方程为：

式中

上式中k_p1、k_r1、ω_r和ω_b分别为电压环比例控制参数、电压环谐振控制参数、谐振点和带宽。

本发明所述的粒子群优化算法优化流程，如图5所示，优化步骤为：

步骤1：首先是粒子群中的粒子位置、粒子速度、全局最优粒子和个体最优粒子等的初始化。初始化完成后开始进入优化迭代。

步骤2：判断优化是否达到要求(适应值是否小于设定值)，如果达到则优化结束，如果没有达到则进入下一步。

步骤3：粒子的位置和速度进行更新，并进入下一步。

步骤4：通过约束函数判断参数是否合理(该约束方程通过建立逆变系统的小信号模型，并结合劳斯稳定判据获得)，对于不合理的参数可以改变该参数的适应值，该方法如下

f_new＝f_i+f_max

式中f_new、f_i和f_max分别为改变后的新的适应值、当前粒子的适应值和当前迭代中最差粒子的适应值。为了保证逆变系统的稳定，不合理的参数不参与逆变系统的运行，因此f_i＝0。

步骤6：对于合理的参数则输出到逆变系统中运行，从而获得多目标优化模型所需要的输入信号。

步骤7：粒子群获得由多目标优化模型输出的适应值，并进入下一步。

步骤8：判断适应值大小，由更小适应值的粒子代替当前的个体最优粒子和全局最优粒子。

步骤9：优化迭代次数增加1次，并返回到步骤2。

多目标优化模型由ITAE和THD等多个目标组成。它反映了逆变系统的输出电压质量、控制精度和运行效率。约束方程能限制控制参数的选取，防止控制参数影响系统的稳定。通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式为约束方程。

本发明一种逆变系统多目标实时优化装置，根据逆变系统的控制模式设置了能够同时考虑电压波形质量、控制精度和系统运行效率的多目标优化模型；通过建立基于多目标优化的逆变系统模型后，再采用智能优化算法进行优化；确保逆变系统高性能运行；确保逆变系统高效率的运行；同时为防止控制参数影响系统的稳定性，建立反映系统稳定性的约束方程，采用智能优化算法实时优化逆变系统时，能够实现逆变系统高稳定性。本发明可以运用于紧急供电电源领域、岸电领域和新能源微电网领域等领域，能满足单个逆变电源稳定和高效的运行。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上所述仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。

Claims (10)

1.一种逆变系统多目标实时优化装置，其特征在于，包括多目标优化模块、智能优化模块和逆变模块；其中，所述逆变模块包括逆变器、控制单元和负载；所述控制单元包括PI控制或QPR控制两种控制模式；所述多目标优化模块根据当前控制单元的控制模式调用对应的多目标优化模型，所述多目标优化模块实时从逆变模块获取相关参数经多目标优化模型优化后输出对应参数的适应值；所述智能优化模块根据适应值采用粒子群算法进行进一步优化输出控制参数至逆变模块。

2.如权利要求1所述的逆变系统多目标实时优化装置，其特征在于，当控制单元采用PI控制模式时，所述多目标优化模块调用的多目标优化模型为：

其中

上两式中a₁、b₁和c₁均为多目标优化模型中的权系数，其和为1；V_o1和V_on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流；V_rd、V_od、V_oq、I_od和I_oq分别为d轴电压参考信号、d轴逆变输出电压信号、q轴逆变输出电压信号、d轴逆变输出电流信号和q轴逆变输出电流信号。

3.如权利要求1所述的逆变系统多目标实时优化装置，其特征在于，当控制单元采用QPR控制模式时，所述多目标优化模块调用的多目标优化模型为：

其中

上两式中a₂、b₂和c₂均为多目标模型中的权系数，其和为1；V_1o1和V_1on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流。V_rα、V_oα、V_oβ、I_oα和I_oβ分别为α轴电压参考信号、α轴逆变输出电压信号、β轴逆变输出电压信号、α轴逆变输出电流信号和β轴逆变输出电流信号。

4.如权利要求1所述的逆变系统多目标实时优化装置，其特征在于，还包括约束模块，所述约束模块中包括约束方程；通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；所述约束模块根据控制单元的控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

5.如权利要求4所述的逆变系统多目标实时优化装置，其特征在于，当控制单元采用PI控制模式时，所述约束模块调用的约束方程为：

式中

上式中k_p1、k_i1、k_p2、k_i2、Z、C和L分别为电压环比例控制参数、电压环积分控制参数、电流环比例控制参数、电流环积分控制参数、负载、滤波电容和滤波电感。

6.如权利要求4所述的逆变系统多目标实时优化装置，其特征在于，当控制单元采用QPR控制模式时，所述约束模块调用的约束方程为：

式中

上式中k_p1、k_r1、ω_r和ω_b分别为电压环比例控制参数、电压环谐振控制参数、谐振点和带宽。

7.一种逆变系统多目标实时优化方法，其特征在于，包括如下步骤：

S1、从逆变系统中实时获取相关参数以及控制模式，所述控制模式包括PI控制或QPR控制两种；

S2、根据控制模式选择对应的多目标优化模型，根据获取的参数经多目标优化模型优化后输出对应参数的适应值；

S3、根据适应值采用粒子群算法进行进一步优化，实时搜索逆变系统中控制参数的最优解，输出优化后的控制参数。

8.如权利要求7所述的逆变系统多目标实时优化方法，其特征在于，所述步骤S2具体包括：判断当前控制模式，当采用PI控制模式时，调用的多目标优化模型为：

其中

上两式中a₁、b₁和c₁均为多目标优化模型中的权系数，其和为1；V_o1和V_on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流；V_rd、V_od、V_oq、I_od和I_oq分别为d轴电压参考信号、d轴逆变输出电压信号、q轴逆变输出电压信号、d轴逆变输出电流信号和q轴逆变输出电流信号；

当采用QPR控制模式时，调用的多目标优化模型为：

其中

上两式中a₂、b₂和c₂均为多目标模型中的权系数，其和为1；V_1o1和V_1on分别为逆变输出电压的基波幅值和各次谐波幅值；V_dc和I_dc分别为逆变直流侧电压和电流。V_rα、V_oα、V_oβ、I_oα和I_oβ分别为α轴电压参考信号、α轴逆变输出电压信号、β轴逆变输出电压信号、α轴逆变输出电流信号和β轴逆变输出电流信号。

9.如权利要求7所述的逆变系统多目标实时优化方法，其特征在于，还包括步骤S4：

S4、通过建立逆变系统的小信号模型，得到特征方程的劳斯表，选取第一列系数得到的不等式作为约束方程；根据控制模式调用对应的约束方程，所述约束方程用于限制控制参数的选取，去除影响系统稳定性的参数。

10.如权利要求9所述的逆变系统多目标实时优化方法，其特征在于，当采用PI控制模式时，调用的约束方程为：

式中

上式中k_p1、k_i1、k_p2、k_i2、Z、C和L分别为电压环比例控制参数、电压环积分控制参数、电流环比例控制参数、电流环积分控制参数、负载、滤波电容和滤波电感；

当采用QPR控制模式时，调用的约束方程为：

式中

上式中k_p1、k_r1、ω_r和ω_b分别为电压环比例控制参数、电压环谐振控制参数、谐振点和带宽。