CN111211559B - 一种基于动态步长萤火虫算法的电网阻抗估计方法 - Google Patents

Abstract

本发明涉及一种基于动态步长萤火虫算法的电网阻抗估计方法，该方法包括步骤：(1)初始化萤火虫种群，每个萤火虫个体的位置坐标为包括电网阻抗的二维数据；(2)确定电流估计模型：以电网阻抗两端电压、萤火虫个体的位置坐标为输入，输出电网估计电流；(3)确定萤火虫亮度模型：基于电网估计电流和实际电流确定种群中萤火虫个体的亮度；(4)确定萤火虫移动模型：基于动态步长更新萤火虫个体的位置坐标；(5)执行萤火虫算法，利用萤火虫亮度模型确定萤火虫个体的亮度，根据萤火虫移动模型更新各萤火虫个体的位置坐标；(6)迭代搜索直至迭代结束，输出最优萤火虫个体的位置坐标得到电网阻抗估计值。与现有技术相比，本发明估计准确度高。

Description

一种基于动态步长萤火虫算法的电网阻抗估计方法

技术领域

本发明涉及一种电网阻抗估计方法，尤其是涉及一种基于动态步长萤火虫算法的电网阻抗估计方法。

背景技术

逆变器在弱电网条件下并网时，为了根据电网阻抗大小进行控制器自适应控制以保证系统可靠、高效的运行，需要对电网阻抗进行实时的测量。如图1所示，电网阻抗等效为电感电阻串联的形式，电网模型包含等效电压源v_g和等效阻抗Z_g，R_g和L_g分别代表电网阻抗的阻性和感性部分，总的阻抗为：Z_g＝R_g+jωL_g，式中ω为对应角频率，电网阻抗的测量是对R_g和L_g进行测量。

目前电网阻抗检测/估计方法可以分为两种：主动测量方式和被动测量方式。主动式需要向电网注入扰动获取响应进行信号处理分离出阻抗估计需要的信息。主要电网扰动有非特征谐波、脉冲信号、方波信号、伪随机二进制信号和功率扰动。被动测量方式不需额外引入扰动，仅利用系统固有信息来估测电网阻抗。目前提出的方法有递归最小二乘法、逐次迭代法等，这类方式不会对电流质量造成影响。

目前传统主动测量法会降低电网的电能质量，而被动测量方法中逐次迭代法估计精度不高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于动态步长萤火虫算法的电网阻抗估计方法。

本发明的目的可以通过以下技术方案来实现：

一种基于动态步长萤火虫算法的电网阻抗估计方法，该方法包括如下步骤：

(1)初始化萤火虫算法的种群，种群中每个萤火虫个体的位置坐标为包括电网阻抗的阻性参数和感性参数的二维数据；

(2)确定电流估计模型，所述的电流估计模型以电网阻抗两端电压、萤火虫个体的位置坐标为输入，输出电网估计电流；

(3)确定萤火虫亮度模型，该模型基于电网估计电流和实际电流确定种群中萤火虫个体的亮度；

(4)确定萤火虫移动模型，该模型基于动态步长更新萤火虫个体的位置坐标；

(5)执行萤火虫算法，算法执行过程中，利用萤火虫亮度模型确定萤火虫个体的亮度，每个萤火虫个体依据吸引度大小对其他萤火虫进行搜寻，对亮度大于自身的个体，向其进行移动，根据萤火虫移动模型更新各萤火虫个体的位置坐标；

(6)迭代搜索直至满足迭代结束条件，输出当代种群中最优萤火虫个体的位置坐标得到电网阻抗估计值。

所述的萤火虫亮度模型具体为：

其中，f_i为第i个萤火虫个体的亮度，ε_i(t)为根据第i个萤火虫个体位置坐标估计得到的电网估计电流和电网实际电流的实时误差，

为根据第i个萤火虫个体位置坐标估计得到的电网估计电流，i_g(t)为电网实际电流，T表示迭代周期。

所述的萤火虫移动模型具体为：

其中，x_i(J)为当代种群中第i个萤火虫个体的位置坐标，x_i(J+1)为当代种群中第i个萤火虫个体更新后的位置坐标，x_j(J)为当代种群中第j个萤火虫个体的位置坐标，r_ij为第i个萤火虫个体和第j个萤火虫个体位置坐标的笛卡尔距离，β₀为萤火虫之间最大的吸引力，β₀为常数，γ为损失因素常数，α(J)为当代种群的步长因子，ε_i∈[-0.5,0.5]，ε_i为随机数。

笛卡尔距离r_ij通过下式获得：

x_id(J)为当代种群中第i个萤火虫个体第d维的数据，x_jd(J)为当代种群中第j个萤火虫个体第d维的数据。

β₀取值为0.4。

迭代搜索过程中，步长因子进行动态更新，具体更新方式为：

α(J+1)＝0.8α(J)，

其中，α(J)为当代种群的步长因子，α(J+1)为更新得到的下一代种群的步长因子。

初始化萤火虫个体位置坐标时电网阻抗的阻性参数在0～2Ω之间取值，感性参数在0～2mH之间取值。

初始化萤火虫个体位置坐标时采用线性插值方式对电网阻抗的阻性参数和感性参数进行取值。

与现有技术相比，本发明具有如下优点：

(1)本发明在弱电网下，测量电网阻抗时，不额外向电网注入扰动，仅利用系统固有信息来估测电网阻抗，电网阻抗的估计精度更高，传统萤火虫算法由于其求解精度不高，易陷入局部最优值，本发明引入动态步长，步长因子迭代缩小，提高全局寻优能力，得到更为准确的电网阻抗估计值；

(2)本发明萤火虫之间最大的吸引力设置为0.4使得萤火虫个体移动将不再快速趋于更优个体，而是按一定比例趋于更优个体，因为当群体快速演化到群体未包含全局最优(或局部最优)解阶段时，萤火虫算法中的全体将失去探索空间的多样性，因此，本发明方法尽量避免了萤火虫算法在演化过程中出现群体未包含全局最优(或局部最优)解现象，提高最终估计结果的准确性。

附图说明

图1为并网逆变器电网阻抗模型示意图；

图2为本发明基于动态步长萤火虫算法的电网阻抗估计方法执行的流程框图；

图3为本发明基于动态步长萤火虫算法的电网阻抗估计方法的整体思路图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

实施例

如图2所示，一种基于动态步长萤火虫算法的电网阻抗估计方法，该方法包括如下步骤：

(1)初始化萤火虫算法的种群，种群中每个萤火虫个体的位置坐标为包括电网阻抗的阻性参数和感性参数的二维数据，初始化萤火虫个体位置坐标时电网阻抗的阻性参数在0～2Ω之间取值，感性参数在0～2mH之间取值。初始化萤火虫个体位置坐标时采用线性插值方式对电网阻抗的阻性参数和感性参数进行取值。

(2)确定电流估计模型，电流估计模型以电网阻抗两端电压、萤火虫个体的位置坐标为输入，输出电网估计电流。如图3所述，

为模型参数，利用其表示的传递函数定义电网阻抗等效模型，它的输出为对应估计参数

和

得到的估计电流

估计参数

和

对应于每一代种群中各个萤火虫个体的位置坐标，Δv为电网阻抗上的电压降，采用参数模型的估计电流与实际模型输出电流误差平方的积分作为目标函数评价解的性能。

(3)确定萤火虫亮度模型，该模型基于电网估计电流和实际电流确定种群中萤火虫个体的亮度。在萤火虫算法中存在两个关键的要素，即亮度和吸引度。亮度反应了萤火虫位置的优劣并决定其移动方向，亮度大的萤火虫可以吸引亮度小的萤火虫向自己移动，同时也影响着吸引度，亮度越大吸引度越大；吸引度决定萤火虫移动的距离。通过每个个体亮度和吸引度的不断更新，所有个体最终聚集到最亮萤火虫的位置上，从而实现参数的优化。本发明将电流估计模型的估计电流与实际电流误差平方的积分的倒数作为萤火虫的发光亮度。具体地：萤火虫亮度模型具体为：

其中，f_i为第i个萤火虫个体的亮度，ε_i(t)为根据第i个萤火虫个体位置坐标估计得到的电网估计电流和电网实际电流的实时误差，

为根据第i个萤火虫个体位置坐标估计得到的电网估计电流，i_g(t)为电网实际电流，T表示迭代周期。

(4)确定萤火虫移动模型，该模型基于动态步长更新萤火虫个体的位置坐标。

萤火虫移动模型具体为：

其中，x_i(J)为当代种群中第i个萤火虫个体的位置坐标，x_i(J+1)为当代种群中第i个萤火虫个体更新后的位置坐标，x_j(J)为当代种群中第j个萤火虫个体的位置坐标，r_ij为第i个萤火虫个体和第j个萤火虫个体位置坐标的笛卡尔距离，β₀为萤火虫之间最大的吸引力，β₀为常数，γ为损失因素常数，α(J)为当代种群的步长因子，ε_i∈[-0.5,0.5]，ε_i为随机数，ε₁、ε₂、……ε_n组成的向量通常是由高斯分布、均匀分布或其它分布生成的随机数向量，n表示种群个体的数量。

笛卡尔距离r_ij通过下式获得：

x_id(J)为当代种群中第i个萤火虫个体第d维的数据，x_jd(J)为当代种群中第j个萤火虫个体第d维的数据。

传统萤火虫算法中萤火虫之间最大的吸引力通常设置为1，这会使萤火虫算法在演化过程中出现群体未包含全局最优(或局部最优)解现象，本发明β₀取值为0.4，即随着算法的演化迭代，吸引力部分将快速趋近于0.4而不是1。这导致的结果是萤火虫个体移动将不再快速趋于更优个体，而是按一定比例趋于更优个体。因为当群体快速演化到群体未包含全局最优(或局部最优)解阶段时，萤火虫算法中的全体将失去探索空间的多样性，因此，本发明方法尽量避免了萤火虫算法在演化过程中出现群体未包含全局最优(或局部最优)解现象，提高最终估计结果的准确性。

(5)执行萤火虫算法，算法执行过程中，利用萤火虫亮度模型确定萤火虫个体的亮度，每个萤火虫个体依据吸引度大小对其他萤火虫进行搜寻，对亮度大于自身的个体，向其进行移动，根据萤火虫移动模型更新各萤火虫个体的位置坐标。

(6)迭代搜索直至满足迭代结束条件，输出当代种群中最优萤火虫个体的位置坐标得到电网阻抗估计值。

算法的演化迭代中步长既要具有开发未包含区域的能力又要具有收敛性而强化区域探索能力。开发未包含区域要求步长相对较大，而收敛性又要求步长相对较小以至强化区域探索能力并以免浪费评估次数。本发明迭代搜索过程中，步长因子进行动态更新，具体更新方式为：

α(J+1)＝0.8α(J)，

其中，α(J)为当代种群的步长因子，α(J+1)为更新得到的下一代种群的步长因子。

在弱电网下，对电网阻抗的测量，采用萤火虫算法，由于其求解精度不高，易陷入局部最优值，提出动态步长萤火虫算法，首先通过改变吸引力参数的初始值，然后在步长方面，设计一个步长指数迭代缩小模型，提高全局寻优能力。将电网阻抗中的电阻和电感(两个维度)，组合编码为萤火虫，采用电流估计模型的估计电流与实际输出电流误差平方的积分作为萤火虫亮度。通过改进萤火虫算法改变估计参数减少估计误差，不断减小目标函数值直至满足一定条件时，得到参数估计值。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (6)

1.一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，该方法包括如下步骤：

(1)初始化萤火虫算法的种群，种群中每个萤火虫个体的位置坐标为包括电网阻抗的阻性参数和感性参数的二维数据；

(2)确定电流估计模型，所述的电流估计模型以电网阻抗两端电压、萤火虫个体的位置坐标为输入，输出电网估计电流；

(3)确定萤火虫亮度模型，该模型基于电网估计电流和实际电流确定种群中萤火虫个体的亮度；

(4)确定萤火虫移动模型，该模型基于动态步长更新萤火虫个体的位置坐标；

(5)执行萤火虫算法，算法执行过程中，利用萤火虫亮度模型确定萤火虫个体的亮度，每个萤火虫个体依据吸引度大小对其他萤火虫进行搜寻，对亮度大于自身的个体，向其进行移动，根据萤火虫移动模型更新各萤火虫个体的位置坐标；

(6)迭代搜索直至满足迭代结束条件，输出当代种群中最优萤火虫个体的位置坐标得到电网阻抗估计值；

电流估计模型为：

其中，

电网估计电流，Δv为电网阻抗两端电压，z_g为萤火虫个体的位置坐标对应的电网阻抗；

所述的萤火虫亮度模型具体为：

其中，f_i为第i个萤火虫个体的亮度，ε_i(t)为根据第i个萤火虫个体位置坐标估计得到的电网估计电流和电网实际电流的实时误差，

为根据第i个萤火虫个体位置坐标估计得到的电网估计电流，i_g(t)为电网实际电流，T表示迭代周期；

所述的萤火虫移动模型具体为：

其中，x_i(J)为当代种群中第i个萤火虫个体的位置坐标，x_i(J+1)为当代种群中第i个萤火虫个体更新后的位置坐标，x_j(J)为当代种群中第j个萤火虫个体的位置坐标，r_ij为第i个萤火虫个体和第j个萤火虫个体位置坐标的笛卡尔距离，β₀为萤火虫之间最大的吸引力，β₀为常数，γ为损失因素常数，α(J)为当代种群的步长因子，ε_i∈[-0.5,0.5]，ε_i为随机数。

2.根据权利要求1所述的一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，笛卡尔距离r_ij通过下式获得：

x_id(J)为当代种群中第i个萤火虫个体第d维的数据，x_jd(J)为当代种群中第j个萤火虫个体第d维的数据。

3.根据权利要求1所述的一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，β₀取值为0.4。

4.根据权利要求1所述的一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，迭代搜索过程中，步长因子进行动态更新，具体更新方式为：

α(J+1)＝0.8α(J)，

其中，α(J)为当代种群的步长因子，α(J+1)为更新得到的下一代种群的步长因子。

5.根据权利要求1所述的一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，初始化萤火虫个体位置坐标时电网阻抗的阻性参数在0～2Ω之间取值，感性参数在0～2mH之间取值。

6.根据权利要求5所述的一种基于动态步长萤火虫算法的电网阻抗估计方法，其特征在于，初始化萤火虫个体位置坐标时采用线性插值方式对电网阻抗的阻性参数和感性参数进行取值。

Images