CN113364315A - 一种基于海鸥优化算法的三相逆变器控制方法 - Google Patents

一种基于海鸥优化算法的三相逆变器控制方法 Download PDF

Info

Publication number
CN113364315A
CN113364315A CN202110500005.0A CN202110500005A CN113364315A CN 113364315 A CN113364315 A CN 113364315A CN 202110500005 A CN202110500005 A CN 202110500005A CN 113364315 A CN113364315 A CN 113364315A
Authority
CN
China
Prior art keywords
control
gull
phase
optimization algorithm
phase inverter
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
Application number
CN202110500005.0A
Other languages
English (en)
Other versions
CN113364315B (zh
Inventor
聂晓华
王槐杰
苏才淇
高家明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanchang University
Original Assignee
Nanchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanchang University filed Critical Nanchang University
Priority to CN202110500005.0A priority Critical patent/CN113364315B/zh
Publication of CN113364315A publication Critical patent/CN113364315A/zh
Application granted granted Critical
Publication of CN113364315B publication Critical patent/CN113364315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
    • H02M7/42—Conversion of dc power input into ac power output without possibility of reversal
    • H02M7/44—Conversion of dc power input into ac power output without possibility of reversal by static converters
    • H02M7/48—Conversion of dc power input into ac power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Inverter Devices (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了一种基于海鸥优化算法的三相逆变器控制方法，涉及电力技术领域，包括下述步骤：S1、初始化海鸥种群，设计海鸥优化算法输出最佳海鸥位置和适应度值；S2、建立三相逆变器离网整定模型；S3：根据S1求得的最优解，将其传递给三相逆变器离网整定模型。本发明将具有强大的全局搜索能力和局部搜索能力以及处理高维问题的能力、较好的寻优精度和收敛速度的海鸥优化算法应用到PID控制系统进行控制参数整定，提出一种基于海鸥优化算法的PID控制参数整定方法，最后将其运用到三相逆变器离网参数整定模型上，这对三相逆变器控制参数整定问题具有重大意义。

Description

一种基于海鸥优化算法的三相逆变器控制方法
技术领域
本发明涉及电力技术领域，具体涉及一种基于海鸥优化算法的三相逆变器控制方法。
背景技术
逆变器是能将直流电转换为定频定压或调频调压交流电的转换器，是电力行业极为重要的器件。逆变器的输出波形与控制参数有很大关联，如何选择逆变器控制参数是当前研究的热点。传统的人工整定法依赖人的经验，性能一般，继电反馈需要振荡信息，而某些系统不允许振荡发生。而使用群体智能算法进行的参数整定，不需要操作者具备大量的人工经验，耗时较少，具有良好的应用前景。引进最新提述的由自然启发的海鸥优化算法对三相逆变器控制参数进行整定，由于海鸥优化算法具有强大的全局搜索能力和局部搜索能力，有较好的寻优精度和收敛速度，海鸥优化算法是一个鲁棒的全局优化算法，且具有处理高维问题的能力。将海鸥优化算法应用到PID控制系统进行控制参数整定，提出一种基于海鸥优化算法的PID控制参数整定方法，最后将其运用到三相逆变器离网参数整定模型上，这对三相逆变器控制参数整定问题具有重大意义。
发明内容
为解决三相逆变器控制参数整定困难的问题，本发明提供了一种基于海鸥优化算法的三相逆变器控制方法，涉及电力技术领域。引进最新提述的由自然启发的海鸥优化算法对三相逆变器控制参数进行整定，由于海鸥优化算法具有强大的全局搜索能力和局部搜索能力，有较好的寻优精度和收敛速度，海鸥优化算法是一个鲁棒的全局优化算法，且具有处理高维问题的能力。将海鸥优化算法应用到PID控制系统进行控制参数整定，提出一种基于海鸥优化算法的PID控制参数整定方法，最后将其运用到三相逆变器离网参数整定模型上，这对三相逆变器控制参数整定问题具有重大意义。
本发明具体采用以下技术方案：
1、一种基于海鸥优化算法的三相逆变器控制方法，其特征在于：包括以下步骤：
Step1：初始化海鸥种群，海鸥种群PS初始化，初始化附加变量A，B，最大迭代次数为M；
Step2：迁徙(全局搜索)阶段：为了避免与其他海鸥碰撞，对位置进行更新，位置更新公式为：
Cs(t)＝A*Ps(x)
式中，Cs(t)表示不与其他海鸥存在位置冲突的新位置，Ps(x)表示海鸥当前位置；
Step3：在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动。最佳位置方向更新公式为：
Ms(t)＝B*(Pbest(x)-Ps(x))
式中，Ms(t)表示个体向最佳海鸥的收敛方向，Pbest(x)表示最优位置；
Step4：海鸥靠近最佳位置：海鸥移动到不与其他海鸥相撞的位置后，就向着最佳位置的所在方向进行移动，到达新的位置。位置更新公式为：
Ds(t)＝|Cs(t)+Ms(t)|
式中，Ds(t)为海鸥的新位置；
Step5：攻击(局部搜索)阶段：海鸥在迁徙过程中，可以用翅膀不断改变攻击速度和角度，当攻击猎物时，它们就在空中进行螺旋形状运动。海鸥在三维平面中的运动行为描述如下：
x＝r*cos(k)
y＝r*sin(k)
z＝r*k
r＝u*ekv
式中，r是海鸥每个螺旋形状运动的半径，k是随机角度值，处于0到2π内，u和v是螺旋形状的相关常数，用来控制螺旋半径，通常取1，e是自然对数的底数；
Step6：对海鸥的攻击位置进行更新，结合海鸥新位置，得到整体海鸥位置更新公式为：
Ps(t)＝(Ds*x*y*z)+Pbest(t)
式中，Ps(t)为海鸥的攻击位置；
Step7：判断是否满足终止条件，若算法迭代次数达到最大M次，则算法结束，输出最佳海鸥位置和适应度值。若迭代次数小于M，当前迭代次数自增一次，重复Step2到Step6，继续进行迭代过程；
Step8：根据step7求得的最优解，将其分别传递给三相逆变器离网整定模型和并网整定模型。
进一步的方案是，Step1中为了避免与其他海鸥发生碰撞，采用附加变量A计算海鸥的新位置，A表示海鸥在给定搜索空间中的运动行为。在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动，采用附加变量B负责平衡全局和局部搜索的随机数。附加变量A、B的计算公式为：
A＝fc-(t*(fc/Maxiteration))
B＝2*A2*rd
其中t表示当前迭代次数，fc用来控制变量A的频率，使它的值从2线性降低到0，rd是[0，1]范围内的随机数。
进一步的方案是，Step8中逆变器控制结构选择的是电压电流双环控制结构，电压电流双环控制根据电压外环采用的控制方式不同，分为基于比例积分(ProportionalIntegral，PI)控制的双闭环控制结构和基于准比例谐振(Quasi Proportional Resonant，QPR)控制的双闭环控制结构，区别在于参考信号类型不同。
PI控制由比例运算和积分运算组合而成，能实现无差控制，动态响应速度快，表达式为：
uout(t)＝Kpe(t)+Ki∫e(t)dt
偏差信号e(t)作为PI控制器的输入量，uout(t)为PI控制器的输出量；Kp和Ki为PI控制器的比例参数和积分参数。PI控制器使输出信号更为接近参考信号，使实现无差控制。PI控制只能对直流信号无差跟踪，所以需将三相abc静止坐标系下的交流量进行Park变换到两相dq同步旋转坐标系下的直流量，经Park变换后，dq轴间的耦合较小，为对称结构，因此只需考虑一个d轴。
PR控制器由比例环节和谐振环节组成，能够实现对正弦信号的无静差控制。其公式为：
Figure BDA0003056097110000041
式中，ω0为谐振点，实际应用中为减小频率偏移对控制性能的影响，得到较大的增益和带宽。一般采用QPR控制，其公式为：
Figure BDA0003056097110000042
式中，ωc为阻尼带宽。
PR控制器可以对特定频率的交流信号实现无差控制。当频率为谐振频率时，PR控制器增益为无穷大，控制效果非常好；当频率偏移时，PR控制器增益小，控制效果不好。QPR控制器具有PR控制器高增益的同时，还能减少频率偏移对控制器性能的影响。在逆变器控制中经常使用QPR控制，需将三相abc静止坐标系下的交流量进行Clark变换到两相静止αβ坐标系下的交流量。
进一步的方案是，Step8中采取加权的方式，将多目标优化转为单目标优化问题。当逆变器采用PI控制时，两相dq静止坐标系下控制量为直流。为使控制电压输出波形谐波含量减小，选取总谐波畸变率和误差绝对值乘时间积分(ITAE)作为逆变器控制参数整定的目标函数。QPR控制方式的逆变器，两相αβ静止坐标系下控制量为交流。选取总谐波畸变率和误差绝对值积分IAE作为逆变器控制参数整定的目标函数。
总谐波畸变率公式为：
Figure BDA0003056097110000043
式中，THD为各次谐波幅值uzon的平方和开根号除以基波幅值uzo1，表示交流量的谐波含量。当THD值越小时，交流量谐波含量越低；THD值越大时，交流量谐波含量越高。
针对PI控制器参数整定，为保证负载电压的THD较小，并且负载电压能够快速跟踪参考电压信号。本文选取负载电压THD、负载电压与参考电压的ITAE作为参数整定的指标。目标函数公式为：
Figure BDA0003056097110000044
针对QPR控制器参数整定，为了保证负载输出电压THD较小，交流信号误差较小。选取负载电压THD、负载电压与参考电压的IAE作为参数整定的指标。
目标函数公式为：
Figure BDA0003056097110000051
上式中a'、b'、a"、b"均为常系数(代表权系数)，且满足：
a'+b'＝1
a"+b"＝1
使用海鸥优化算法整定三相逆变器控制参数，使三相逆变器在离网时能实现较好的控制效果，保证逆变器输出的波形较好。
本发明的有益效果：
通过本发明引进一种基于海鸥优化算法的三相逆变器控制方法，运用最新提述的由自然启发的海鸥优化算法对三相逆变器控制参数进行整定，由于海鸥优化算法具有强大的全局搜索能力和局部搜索能力，有较好的寻优精度和收敛速度，海鸥优化算法是一个鲁棒的全局优化算法，且具有处理高维问题的能力。将海鸥优化算法应用到PID控制系统进行控制参数整定，提出一种基于海鸥优化算法的PID控制参数整定方法，最后将其运用到三相逆变器离网参数整定模型上，这对三相逆变器控制参数整定问题具有重大意义。
附图说明
图1为本发明基于海鸥优化算法的三相逆变器控制方法流程图；
图2为三相逆变器拓扑结构图；
图3为本发明基于海鸥优化算法的三相逆变器离网整定模型图；
图4为本发明三相逆变器离网时PI控制参数整定曲线；
图5为本发明三相逆变器离网时PI控制模型仿真结果，其中5(a)为负载电压，5(b)为电感电流，5(c)为负载电压THD；
图6为本发明三相逆变器离网时QPR控制参数整定曲线；
图7为本发明三相逆变器离网时QPR控制模型仿真结果，其中7(a)为负载电压，7(b)为电感电流，7(c)为负载电压THD。
具体实施方式
下面将结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述。
如下图1至图3所示，本发明的一个实例公开了一种基于海鸥优化算法的三相逆变器控制方法，包括以下步骤：
Step1：初始化海鸥种群，海鸥种群PS初始化，初始化附加变量A，B，最大迭代次数为M；
Step2：迁徙(全局搜索)阶段：为了避免与其他海鸥碰撞，对位置进行更新，位置更新公式为：
Cs(t)＝A*Ps(x)
式中，Cs(t)表示不与其他海鸥存在位置冲突的新位置，Ps(x)表示海鸥当前位置；
Step3：在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动。最佳位置方向更新公式为：
Ms(t)＝B*(Pbest(x)-Ps(x))
式中，Ms(t)表示个体向最佳海鸥的收敛方向，Pbest(x)表示最优位置；
Step4：海鸥靠近最佳位置：海鸥移动到不与其他海鸥相撞的位置后，就向着最佳位置的所在方向进行移动，到达新的位置。位置更新公式为：
Ds(t)＝|Cs(t)+Ms(t)|
式中，Ds(t)为海鸥的新位置；
Step5：攻击(局部搜索)阶段：海鸥在迁徙过程中，可以用翅膀不断改变攻击速度和角度，当攻击猎物时，它们就在空中进行螺旋形状运动。海鸥在三维平面中的运动行为描述如下：
x＝r*cos(k)
y＝r*sin(k)
z＝r*k
r＝u*ekv
式中，r是海鸥每个螺旋形状运动的半径，k是随机角度值，处于0到2π内，u和v是螺旋形状的相关常数，用来控制螺旋半径，通常取1，e是自然对数的底数；
Step6：对海鸥的攻击位置进行更新，结合海鸥新位置，得到整体海鸥位置更新公式为：
Ps(t)＝(Ds*x*y*z)+Pbest(t)
式中，Ps(t)为海鸥的攻击位置；
Step7：判断是否满足终止条件，若算法迭代次数达到最大M次，则算法结束，输出最佳海鸥位置和适应度值。若迭代次数小于M，当前迭代次数自增一次，重复Step2到Step6，继续进行迭代过程；
Step8：根据step7求得的最优解，将其分别传递给三相逆变器离网整定模型和并网整定模型。
在本实例中，Step1中为了避免与其他海鸥发生碰撞，采用附加变量A计算海鸥的新位置，A表示海鸥在给定搜索空间中的运动行为。在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动，采用附加变量B负责平衡全局和局部搜索的随机数。附加变量A、B的计算公式为：
A＝fc-(t*(fc/Maxiteration))
B＝2*A2*rd
其中t表示当前迭代次数，fc用来控制变量A的频率，使它的值从2线性降低到0，rd是[0,1]范围内的随机数。
在本实例中，Step8中逆变器控制结构选择的是电压电流双环控制结构，电压电流双环控制根据电压外环采用的控制方式不同，分为基于比例积分(ProportionalIntegral，PI)控制的双闭环控制结构和基于准比例谐振(Quasi Proportional Resonant，QPR)控制的双闭环控制结构，区别在于参考信号类型不同。
PI控制由比例运算和积分运算组合而成，能实现无差控制，动态响应速度快，表达式为：
uout(t)＝Kpe(t)+Ki∫e(t)dt
偏差信号e(t)作为PI控制器的输入量，uout(t)为PI控制器的输出量；Kp和Ki为PI控制器的比例参数和积分参数。PI控制器使输出信号更为接近参考信号，使实现无差控制。PI控制只能对直流信号无差跟踪，所以需将三相abc静止坐标系下的交流量进行Park变换到两相dq同步旋转坐标系下的直流量，经Park变换后，dq轴间的耦合较小，为对称结构，因此只需考虑一个d轴。
PR控制器由比例环节和谐振环节组成，能够实现对正弦信号的无静差控制。其公式为：
Figure BDA0003056097110000081
式中，ω0为谐振点，实际应用中为减小频率偏移对控制性能的影响，得到较大的增益和带宽。一般采用QPR控制，其公式为：
Figure BDA0003056097110000082
式中，ωc为阻尼带宽。
PR控制器可以对特定频率的交流信号实现无差控制。当频率为谐振频率时，PR控制器增益为无穷大，控制效果非常好；当频率偏移时，PR控制器增益小，控制效果不好。QPR控制器具有PR控制器高增益的同时，还能减少频率偏移对控制器性能的影响。在逆变器控制中经常使用QPR控制，需将三相abc静止坐标系下的交流量进行Clark变换到两相静止αβ坐标系下的交流量。
在本实例中，Step8中采取加权的方式，将多目标优化转为单目标优化问题。当逆变器采用PI控制时，两相dq静止坐标系下控制量为直流。为使控制电压输出波形谐波含量减小，选取总谐波畸变率和误差绝对值乘时间积分(ITAE)作为逆变器控制参数整定的目标函数。QPR控制方式的逆变器，两相αβ静止坐标系下控制量为交流。选取总谐波畸变率和误差绝对值积分IAE作为逆变器控制参数整定的目标函数。
总谐波畸变率公式为：
Figure BDA0003056097110000083
式中，THD为各次谐波幅值uzon的平方和开根号除以基波幅值uzo1，表示交流量的谐波含量。当THD值越小时，交流量谐波含量越低；THD值越大时，交流量谐波含量越高。
针对PI控制器参数整定，为保证负载电压的THD较小，并且负载电压能够快速跟踪参考电压信号。本文选取负载电压THD、负载电压与参考电压的ITAE作为参数整定的指标。目标函数公式为：
Figure BDA0003056097110000091
针对QPR控制器参数整定，为了保证负载输出电压THD较小，交流信号误差较小。选取负载电压THD、负载电压与参考电压的IAE作为参数整定的指标。
目标函数公式为：
Figure BDA0003056097110000092
上式中a'、b'、a"、b"均为常系数(代表权系数)，且满足：
a'+b'＝1
a"+b"＝1
使用海鸥优化算法整定三相逆变器控制参数，使三相逆变器在离网时能实现较好的控制效果，保证逆变器输出的波形较好。
如图4至图7所示，在本实例中三相逆变器离网，直流Vdc为600V，Uref为311V，滤波器的滤波电感L为3mH，滤波电容C为24uF，SPWM采样频率为10kHz，负载电阻R为101Ω。目标函数权重a取值为0.4，b取值为0.6。算法参数的设置：海鸥种群数量N为20，最大的迭代次数为30次。基于PI控制的三相逆变器，电压外环控制参数为Kp和Ki，电流内环控制参数为Kp1和Ki1。基于QPR控制的三相逆变中，电压外环控制参数为Kp、Kr和ωc。电流内环控制参数为Kp1。当控制方式为PI控制时，Kp的整定区间为[0.1,10]，Ki的整定区间为[10,60]，Kp1的整定区间为[1,50]，Ki1的整定区间为[1,30]；当控制方式为QPR控制时，Kp的整定区间为[0.1,10]，Kr的整定区间为[1,100]，ωc的整定区间为[1,10]，Kp1的整定区间为[1,100]。整定程序运行10次。
最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。

Claims (4)

1.一种基于海鸥优化算法的三相逆变器控制方法，其特征在于，包括以下步骤：
S1：初始化海鸥种群，设计海鸥优化算法输出最佳海鸥位置和适应度值；
S2：建立三相逆变器离网整定模型，所述模型中逆变器控制结构选择的是电压电流双环控制结构，电压电流双环控制根据电压外环采用的控制方式不同，分为基于PI控制的双闭环控制结构和基于QPR控制的双闭环控制结构，区别在于参考信号类型不同；
S3：根据S1求得的最优解，将其传递给三相逆变器离网整定模型。
2.根据权利要求1所述的一种基于海鸥优化算法的三相逆变器控制方法，其特征在于：
所述PI控制由比例运算和积分运算组合而成，能实现无差控制，动态响应速度快，表达式为：
uout(t)＝Kpe(t)+Ki∫e(t)dt
式中，偏差信号e(t)作为PI控制器的输入量，uout(t)为PI控制器的输出量，Kp和Ki为PI控制器的比例参数和积分参数；采用PI控制时将三相abc静止坐标系下的交流量进行Park变换到两相dq同步旋转坐标系下的直流量，经Park变换后，dq轴间的耦合较小且为对称结构，仅需考虑一个d轴；
所述QPR控制器由比例环节和谐振环节组成，实现对正弦信号的无静差控制，其公式为：
Figure FDA0003056097100000011
式中，ω0为谐振点，ωc为阻尼带宽；在逆变器控制中使用QPR控制时将三相abc静止坐标系下的交流量进行Clark变换到两相静止αβ坐标系下的交流量。
3.根据权利要求1所述的一种基于海鸥优化算法的三相逆变器控制方法，其特征在于：所述S3中采取加权的方式，将多目标优化转为单目标优化问题；
当逆变器采用PI控制时，两相dq静止坐标系下控制量为直流，选取总谐波畸变率THD和误差绝对值乘时间积分ITAE作为逆变器控制参数整定的目标函数，使得控制电压输出波形谐波含量减小；
当逆变器采用QPR控制时，两相αβ静止坐标系下控制量为交流，选取总谐波畸变率THD和误差绝对值积分IAE作为逆变器控制参数整定的目标函数；
总谐波畸变率THD公式为：
Figure FDA0003056097100000021
式中，THD为各次谐波幅值uzon的平方和开根号除以基波幅值uzo1，表示交流量的谐波含量；当THD值越小时交流量谐波含量越低；THD值越大时交流量谐波含量越高。
4.根据权利要求3所述的一种基于海鸥优化算法的三相逆变器控制方法，其特征在于：
针对PI控制器参数整定，采用负载电压THD、负载电压与参考电压的ITAE作为参数整定的指标，其目标函数公式为：
Figure FDA0003056097100000022
针对QPR控制器参数整定，采用负载电压THD、负载电压与参考电压的IAE作为参数整定的指标，其目标函数公式为：
Figure FDA0003056097100000023
上式中a'、b'、a"、b"均为常系数，其代表权系数，且满足：
Figure FDA0003056097100000024
CN202110500005.0A 2021-05-08 2021-05-08 一种基于海鸥优化算法的三相逆变器控制方法 Active CN113364315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110500005.0A CN113364315B (zh) 2021-05-08 2021-05-08 一种基于海鸥优化算法的三相逆变器控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110500005.0A CN113364315B (zh) 2021-05-08 2021-05-08 一种基于海鸥优化算法的三相逆变器控制方法

Publications (2)

Publication Number Publication Date
CN113364315A true CN113364315A (zh) 2021-09-07
CN113364315B CN113364315B (zh) 2022-04-12

Family

ID=77525876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110500005.0A Active CN113364315B (zh) 2021-05-08 2021-05-08 一种基于海鸥优化算法的三相逆变器控制方法

Country Status (1)

Country Link
CN (1) CN113364315B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962496A (zh) * 2021-12-21 2022-01-21 河南科技学院 一种堆场双起重机协同作业优化方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030063421A1 (en) * 2001-10-03 2003-04-03 Smith David Robert Network protector relay and method of controlling a circuit breaker employing two trip characteristics
US20060182216A1 (en) * 2005-02-15 2006-08-17 Gunter Lauritsch Method for reconstructing a CT image using an algorithm for a short-scan circle combined with various lines
WO2011070646A1 (ja) * 2009-12-08 2011-06-16 富士通株式会社 生体認証システム及び生体認証方法
CN103310637A (zh) * 2013-05-16 2013-09-18 重庆大学 基于车载数据的公交车速度获取装置及方法
CN108106500A (zh) * 2017-12-21 2018-06-01 中国舰船研究设计中心 一种基于多传感器的导弹目标类型识别方法
CN109687729A (zh) * 2018-12-03 2019-04-26 三峡大学 基于三相三开关两电平整流器的混沌粒子群多目标优化方法
CN110909551A (zh) * 2019-12-05 2020-03-24 北京知道智慧信息技术有限公司 语言预训练模型更新方法、装置、电子设备及存储介质
CN111380561A (zh) * 2018-12-28 2020-07-07 北京大学 一种基于多参数融合的微机电陀螺标度因数补偿方法
CN111734961A (zh) * 2020-06-24 2020-10-02 东北石油大学 一种天然气管道泄漏检测方法
CN111860611A (zh) * 2020-06-29 2020-10-30 河海大学 一种基于马尔科夫决策的配电系统弹性策略构建的方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030063421A1 (en) * 2001-10-03 2003-04-03 Smith David Robert Network protector relay and method of controlling a circuit breaker employing two trip characteristics
US20060182216A1 (en) * 2005-02-15 2006-08-17 Gunter Lauritsch Method for reconstructing a CT image using an algorithm for a short-scan circle combined with various lines
WO2011070646A1 (ja) * 2009-12-08 2011-06-16 富士通株式会社 生体認証システム及び生体認証方法
CN103310637A (zh) * 2013-05-16 2013-09-18 重庆大学 基于车载数据的公交车速度获取装置及方法
CN108106500A (zh) * 2017-12-21 2018-06-01 中国舰船研究设计中心 一种基于多传感器的导弹目标类型识别方法
CN109687729A (zh) * 2018-12-03 2019-04-26 三峡大学 基于三相三开关两电平整流器的混沌粒子群多目标优化方法
CN111380561A (zh) * 2018-12-28 2020-07-07 北京大学 一种基于多参数融合的微机电陀螺标度因数补偿方法
CN110909551A (zh) * 2019-12-05 2020-03-24 北京知道智慧信息技术有限公司 语言预训练模型更新方法、装置、电子设备及存储介质
CN111734961A (zh) * 2020-06-24 2020-10-02 东北石油大学 一种天然气管道泄漏检测方法
CN111860611A (zh) * 2020-06-29 2020-10-30 河海大学 一种基于马尔科夫决策的配电系统弹性策略构建的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李沅航: "海鸥优化算法与鲸鱼优化算法的寻优性能对比研究", 《现代信息科技》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113962496A (zh) * 2021-12-21 2022-01-21 河南科技学院 一种堆场双起重机协同作业优化方法

Also Published As

Publication number Publication date
CN113364315B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN108649780B (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
Liserre et al. Genetic algorithm-based design of the active damping for an LCL-filter three-phase active rectifier
CN108899907B (zh) 基于重复滑模控制的lclcl型有源电力滤波器控制方法
CN103346676A (zh) Cz硅单晶炉用高频开关电源的控制系统及控制方法
CN114142781B (zh) 一种前置滤波器永磁同步电机电流环pi参数整定方法
CN110492803A (zh) 基于mdpso的永磁直驱风力发电机参数辨识方法
CN113410864A (zh) 一种基于改进人工蜂群算法的三相逆变器控制方法
CN112688307B (zh) 一种交直流混合微电网控制器及控制方法
CN113364315B (zh) 一种基于海鸥优化算法的三相逆变器控制方法
CN108347190B (zh) 一种基于模块化多电平变换器结构的快速预测方法
CN115842468A (zh) 一种基于改进搜索算法的谐波主动抑制优化方法
CN113054648B (zh) 基于改进鲸鱼算法的直流微电网下垂系数优化方法及系统
CN114759815A (zh) 一种准z源逆变器自适应控制方法
CN110518625B (zh) 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法
CN116914808A (zh) 一种基于北方苍鹰算法的光伏并网三相逆变器控制方法
CN117318553A (zh) 基于td3和维也纳整流器的低风速永磁直驱风电机组控制方法
CN108258692B (zh) 一种参数自适应调整的谐波补偿方法及装置
CN115276439A (zh) 适应弱电网阻抗变化的lcl型并网逆变器谐振抑制方法
Hu et al. A novel proportion-integral-differential controller based on deep reinforcement learning for DC/DC power buck converters
CN113904578B (zh) 单相级联h桥变流器的无权重系数模型预测控制方法
CN115864878A (zh) 一种模块化多电平换流器控制方法
Qazi et al. Performance evaluation of PI and PI-PSO in improving power quality of an autonomous microgrid
CN110048600B (zh) 时滞值δ与开关频率在DC-DC buck变换器进行二阶滑模同步优化方法
CN113659624B (zh) 一种并网变流器无偏差预测控制方法及系统
CN112015085B (zh) 一种基于重复模糊控制器的不间断电源逆变系统及其设计方法

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
GR01 Patent grant
GR01 Patent grant