CN117688886A - 一种无线电能传输系统补偿电路参数优化方法 - Google Patents
一种无线电能传输系统补偿电路参数优化方法 Download PDFInfo
- Publication number
- CN117688886A CN117688886A CN202410145281.3A CN202410145281A CN117688886A CN 117688886 A CN117688886 A CN 117688886A CN 202410145281 A CN202410145281 A CN 202410145281A CN 117688886 A CN117688886 A CN 117688886A
- Authority
- CN
- China
- Prior art keywords
- compensation circuit
- matrix
- wireless power
- population
- power transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 51
- 230000006870 function Effects 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 58
- 230000008569 process Effects 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 239000003990 capacitor Substances 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
- H02J50/12—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling of the resonant type
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/373—Design optimisation
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Transmitters (AREA)
Abstract
本发明提供一种无线电能传输系统补偿电路参数优化方法,包括:基于无线电能传输系统补偿电路受控源等效模型,构建无线电能传输补偿电路模型,并对系统进行交流阻抗分析,得到系统输出功率和传输效率的表达式;根据系统输出功率和传输效率的表达式,确定优化的目标参数以及参数优化的目标函数;根据系统输出功率和传输效率的要求确定约束条件;采用改进型粒子群算法进行参数的寻优,获得无线电能传输系统补偿电路的最优参数;本发明提出改进型粒子群算法,应用于无线电能传输系统LCC/S补偿电路的多参数优化问题,解决了传统的粒子群算法容易陷入局部最优的缺点,提高了参数优化的速度,优化后的补偿电路输出特性更好。
Description
技术领域
本发明涉及无人地面车辆技术领域,具体涉及一种无线电能传输系统补偿电路参数优化方法。
背景技术
随着陆战平台全电化的不断发展,其对可靠电能传输方式的需求不断增大。在民用领域,无线电能传输技术凭借安全、高效、可靠的优点,已经取得广泛的应用。在军事领域,受限于环境、功率等级等因素,尚无成熟应用。随着电力电子技术、电磁变换技术、车载电力系统技术的快速发展,将无线电能传输技术应用于陆战平台,使得野外环境下陆战平台编组间电能的再分配成为可能,可增加陆战平台的续航里程,提高陆战平台的载荷功率,增强陆战平台的应急机动能力。
对于无线电能传输系统的补偿电路的参数优化问题,当前使用方法较多的是使用粒子群算法,但是传统的粒子群算法存在容易陷入局部最优的缺点,导致无法获得较佳的补偿电路,输出特性较差。
发明内容
为解决上述问题,本发明提供一种无线电能传输系统补偿电路参数优化方法,克服了现有技术优化所得补偿电路输出特性较差的问题。
为实现上述目的,本发明提供了如下的技术方案。
一种无线电能传输系统补偿电路参数优化方法,包括以下步骤:
基于无线电能传输系统补偿电路受控源等效模型,构建无线电能传输补偿电路模型,并对系统进行交流阻抗分析,得到系统输出功率和传输效率的表达式;
根据系统输出功率和传输效率的表达式,确定优化的目标参数以及参数优化的目标函数;根据系统输出功率和传输效率的要求确定约束条件;
采用改进型粒子群算法进行参数的寻优,获得无线电能传输系统补偿电路的最优参数;其中,所述改进型粒子群算法为,在原粒子群算法中引入卷积优化算法的位置更新机制来改进粒子位置更新方式,综合考虑粒子速度的更新模式、粒子自身的位置更新模式的因素更新粒子位置。
优选地,所述无线电能传输系统补偿电路受控源等效模型,具体包括:
无线电能传输系统补偿电路为LCC/S补偿电路系统,其接收端电路阻抗ZS、将接收端电路阻抗映射到发射端的反射阻抗Zref、发射端输入阻抗Zin分别为:
(1)
其中,LS为接收线圈自感;CS为谐振电容;ZE为接收端等效阻抗;RS为接收线圈内阻;M为线圈互感;IP为通过发射线圈电流;Rf为谐振电感内阻;Cf为谐振补偿电容;RP为发射线圈内阻;CP为隔直电容;LP为发射线圈自感;Lf为谐振补偿电感;ω是系统谐振角频率;
若要使输入阻抗满足ZPA条件,则Cf、CP、CS、Lf、LP、LS需要满足如下条件:
(2)
LCC/S补偿电路系统各支路电流及系统输出电压分别为:
(3)
式中,UE为补偿电路输出电压;IS为通过接收线圈电流;If为通过谐振电感电流;
系统输入功率Pin、输出功率Pout、系统效率η分别为:
(4)
系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关。
优选地,所述参数优化的目标函数的确定,包括以下步骤:
根据无线电能传输系统需要考虑的传输功率和传输效率,则目标函数为:
(5)
Pout是系统输出功率,η是系统的输出效率,m、n分别是输出功率和效率的权重系数。
优选地,所述优化的目标参数的确定,包括以下步骤:
LCC/S补偿电路系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关,则耦合系数与k耦合线圈互感M、发射线圈自感LP、接收线圈自感LS之间的关系为:
(6)
定义谐振补偿系数α为谐振电感与发射线圈自感的比值,则:
(7)
则,确定优化参数为:
(8)。
优选地,所述约束条件的确定,包括以下步骤:
LCC/S补偿电路系统的输出功率应该在一个变化范围内,系统输出效率大于一个最小效率值,电路电流应该小于使用利兹线能通过的最大电流值,则约束条件为:
(9)。
优选地,所述采用改进型粒子群算法进行参数的寻优,包括以下步骤:
在n维空间中,种群中的m个个体初始化为没有体积和质量的粒子,对应待优化的参数;粒子以一定的速度飞行,根据适应度函数进行迭代优化;在第t代,粒子i所在的种群位置矩阵和速度矩阵、个体最优位置矩阵和全局最优位置分别为:
定义种群位置矩阵:
(10)
定义种群速度矩阵:
(11)
定义种群个体最优位置矩阵:
(12)
定义种群全局最优位置矩阵:
(13)
个体的位置向量Xi表示优化问题的候选解,i=1,2,…,m,定义每个个体的位置向量Xi用于在n维空间中搜索,其中n为决策变量的维度;
种群的位置向量Xt的适应度值用如下矩阵表示:
(14)
式中,表示适应度函数,也称目标函数;
定义种群速度卷积核:
(15)
式中,KV是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数;
速度卷积定义为:
(16)
式中,是一个m×n的矩阵,表示速度卷积更新后的种群的速度向量矩阵;
种群速度向量矩阵更新公式表示为:
(17)
定义种群位置卷积核:
(18)
式中,KX是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数;
位置卷积定义为:
(19)
式中,是一个m×n的矩阵,表示位置卷积更新后的种群的位置向量矩阵;
种群位置向量矩阵更新公式表示为:
(20)
式中,是种群位置更新后的向量矩阵。
本发明的有益效果:
本发明提出了一种无线电能传输系统补偿电路参数优化方法,并提出了一种基于二维卷积运算的改进粒子群算法——卷积粒子群算法进行参数寻优,综合考虑了粒子速度的更新模式、粒子自身的位置更新模式等因素更新粒子位置,避免每次迭代中出现局部最优,进而提高粒子群算法的全局搜索能力。该算法应用于无线电能传输系统LCC/S补偿电路的多参数优化问题,解决了传统的粒子群算法容易陷入局部最优的缺点,提高了参数优化的速度,优化后的补偿电路输出特性更好。
附图说明
图1是本发明实施例的LCC/S补偿电路受控源等效电路图;
图2是本发明实施例的CPSO算法流程图;
图3是本发明实施例的种群适应度曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
本发明提出一种无线电能传输系统补偿电路参数优化方法,包括以下步骤:
S1:基于无线电能传输系统补偿电路受控源等效模型,构建无线电能传输补偿电路模型,并对系统进行交流阻抗分析,得到系统输出功率和传输效率的表达式。
LCC/S补偿电路受控源等效模型如图1所示,其中,Lf是发射端附加谐振电感;Rf是发射端附加谐振电感内阻;Cf是发射端谐振补偿电容;RP是发射回路等效电阻;CP是发射端隔直电容;CS是接收端的谐振补偿电容;RS是接收端等效电阻;ZE是负载等效阻抗;Uin是发射端输入电压;UE是接收端输出电压,LP和LS分别是发射线圈和接收线圈自感;M是互感。对LCC/S补偿电路结构进行交流阻抗分析如下:
根据图1,接收端电路阻抗ZS、将接收端电路阻抗映射到发射端的反射阻抗Zref、发射端输入阻抗Zin分别为:
(1)
若要使输入阻抗满足ZPA条件,则Cf、CP、CS、Lf、LP、LS需要满足如下条件:
(2)
LCC/S补偿电路系统各支路电流及系统输出电压分别为:
(3)
系统输入功率Pin、输出功率Pout、系统效率η分别为:
(4)
系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关。
S2:确定参数优化的目标函数
设计无线电能传输系统时传输功率和传输效率都需要进行考虑,因此设计如下的目标函数。
(5)
Pout是系统输出功率,η是系统的输出效率,m、n分别是输出功率和效率的权重系数。
S3:确定优化参数
LCC/S补偿电路系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关。耦合系数与k耦合线圈互感M、发射线圈自感LP、接收线圈自感LS之间的关系为:
(6)
定义谐振补偿系数α为谐振电感与发射线圈自感的比值:
(7)
因此,确定优化参数为:
(8)
S4:确定约束条件
系统的输出功率应该在一个变化范围内,系统输出效率大于一个最小效率值,电路电流应该小于使用利兹线能通过的最大电流值:
(9)
S5:改进的粒子群算法
采用传统的粒子群算法(Particle Swarm Optimization,PSO)在处理LCC/S补偿电路参数优化问题时容易陷入局部最优。
针对这一问题,引入卷积优化算法的位置更新机制来改进粒子位置更新方式,综合考虑了粒子速度的更新模式、粒子自身的位置更新模式等因素更新粒子位置,避免每次迭代中出现局部最优,进而提高粒子群算法的全局搜索能力。
在此基础上,提出了基于二维卷积的群粒子群优化算法——卷积粒子群(Convolution Particle Swarm Optimization,CPSO)算法。算法流程图如图2所示。
算法步骤如下:
S5.1:种群初始化
在n维空间中,种群中的m个个体初始化为没有体积和质量的粒子。粒子以一定的速度飞行,根据适应度函数进行迭代优化。在第t代,粒子i所在的种群位置矩阵和速度矩阵、个体最优位置矩阵和全局最优位置分别为:
定义种群位置矩阵:
(10)
定义种群速度矩阵:
(11)
定义种群个体最优位置矩阵:
(12)
定义种群全局最优位置矩阵:
(13)
在CPSO中,个体的位置向量Xi表示优化问题的候选解,i=1,2,…,m ,定义每个个体的位置向量Xi用于在n维空间中搜索,其中n为决策变量的维度。
在CPSO中,种群的位置向量X t的适应度值用如下矩阵表示:
(14)
式中:表示适应度函数,也称目标函数。
S5.2:定义种群速度卷积核,对种群速度向量矩阵更新
定义种群速度卷积核:
(15)
式中:KV是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数。
速度卷积定义为:
(16)
式中:是一个m×n的矩阵,表示速度卷积更新后的种群的速度向量矩阵。
种群速度向量矩阵更新公式可表示为:
(17)
S5.3:定义种群位置卷积核,对种群位置向量矩阵更新
定义种群位置卷积核:
(18)
式中:KX是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数。
位置卷积定义为:
(19)
式中:是一个m×n的矩阵,表示位置卷积更新后的种群的位置向量矩阵。
种群位置向量矩阵更新公式可表示为:
(20)
S5.4:CPSO算法应用于无线电能传输系统参数优化
根据无线充电系统设计试验参数。最小输出功率Pmin为10kW,最大输出功率Pmax为20kW,最小效率ηmin为85%。通过传输线圈的最大电流Imax为30A。实验中,发射线圈和接收线圈的相对位置动态变化,耦合系数在0.1 ~ 0.2之间变化。负载电阻RL随充电过程不断变化,可通过接收器处的DC-DC转换电路进行调节。负载电阻变化范围为10Ω-50Ω。根据补偿系数选择合适的谐振电感,根据式(2)选择谐振电容。在目标函数中,Pout和η的权重系数分别为1和1000。
在CPSO算法模型中,惯性权重参数ω0、个人学习系数c1和全局学习系数c2分别设为1、1.5和2。种群数选择为100,粒子种群迭代500次。目标函数的适应度曲线如图3所示。
当粒子种群迭代到380代时,种群的适应度即目标函数的值达到最大值并趋于稳定,其值为19629.83。在此条件下,LCC/S补偿拓扑的参数为:If = 25.19 μH, CP = 6.45nF, CS = 4.67 nF, Cf = 32.94 nF。当无线电能传输系统耦合系数为0.19,负载电阻为40.93Ω时,理论输出功率为19.73kW,理论输出效率为98%。与现有技术相比,本发明使用卷积粒子群算法进行无线电能传输系统补偿电路的参数优化,提高了参数优化速度,优化后的系统输出特性更好。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种无线电能传输系统补偿电路参数优化方法,其特征在于,包括以下步骤:
基于无线电能传输系统补偿电路受控源等效模型,构建无线电能传输补偿电路模型,并对系统进行交流阻抗分析,得到系统输出功率和传输效率的表达式;
根据系统输出功率和传输效率的表达式,确定优化的目标参数以及参数优化的目标函数;根据系统输出功率和传输效率的要求确定约束条件;
采用改进型粒子群算法进行参数的寻优,获得无线电能传输系统补偿电路的最优参数;其中,所述改进型粒子群算法为,在原粒子群算法中引入卷积优化算法的位置更新机制来改进粒子位置更新方式,综合考虑粒子速度的更新模式、粒子自身的位置更新模式的因素更新粒子位置。
2.根据权利要求1所述的无线电能传输系统补偿电路参数优化方法,其特征在于,所述无线电能传输系统补偿电路受控源等效模型,具体包括:
无线电能传输系统补偿电路为LCC/S补偿电路系统,其接收端电路阻抗ZS、将接收端电路阻抗映射到发射端的反射阻抗Zref、发射端输入阻抗Zin分别为:
(1)
其中,LS为接收线圈自感;CS为谐振电容;ZE为接收端等效阻抗;RS为接收线圈内阻;M为线圈互感;IP为通过发射线圈电流;Rf为谐振电感内阻;Cf为谐振补偿电容;RP为发射线圈内阻;CP为隔直电容;LP为发射线圈自感;Lf为谐振补偿电感;ω是系统谐振角频率;
若要使输入阻抗满足ZPA条件,则Cf、CP、CS、Lf、LP、LS需要满足如下条件:
(2)
LCC/S补偿电路系统各支路电流及系统输出电压分别为:
(3)
式中,UE为补偿电路输出电压;IS为通过接收线圈电流;If为通过谐振电感电流;
系统输入功率Pin、输出功率Pout、系统效率η分别为:
(4)
系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关。
3.根据权利要求2所述的无线电能传输系统补偿电路参数优化方法,其特征在于,所述参数优化的目标函数的确定,包括以下步骤:
根据无线电能传输系统需要考虑的传输功率和传输效率,则目标函数为:
(5)
Pout是系统输出功率,η是系统的输出效率,m、n分别是输出功率和效率的权重系数。
4.根据权利要求2所述的无线电能传输系统补偿电路参数优化方法,其特征在于,所述优化的目标参数的确定,包括以下步骤:
LCC/S补偿电路系统输出功率跟效率与负载RL、互感M、谐振补偿电感LP有关,则耦合系数与k耦合线圈互感M、发射线圈自感LP、接收线圈自感LS之间的关系为:
(6)
定义谐振补偿系数α为谐振电感与发射线圈自感的比值,则:
(7)
则,确定优化参数为:
(8)。
5.根据权利要求2所述的无线电能传输系统补偿电路参数优化方法,其特征在于,所述约束条件的确定,包括以下步骤:
LCC/S补偿电路系统的输出功率应该在一个变化范围内,系统输出效率大于一个最小效率值,电路电流应该小于使用利兹线能通过的最大电流值,则约束条件为:
(9)。
6.根据权利要求1所述的无线电能传输系统补偿电路参数优化方法,其特征在于,所述采用改进型粒子群算法进行参数的寻优,包括以下步骤:
在n维空间中,种群中的m个个体初始化为没有体积和质量的粒子,对应待优化的参数;粒子以一定的速度飞行,根据适应度函数进行迭代优化;在第t代,粒子i所在的种群位置矩阵和速度矩阵、个体最优位置矩阵和全局最优位置分别为:
定义种群位置矩阵:
(10)
定义种群速度矩阵:
(11)
定义种群个体最优位置矩阵:
(12)
定义种群全局最优位置矩阵:
(13)
个体的位置向量Xi表示优化问题的候选解,i=1,2,…,m,定义每个个体的位置向量Xi用于在n维空间中搜索,其中n为决策变量的维度;
种群的位置向量Xt的适应度值用如下矩阵表示:
(14)
式中,表示适应度函数,也称目标函数;
定义种群速度卷积核:
(15)
式中,KV是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数;
速度卷积定义为:
(16)
式中,是一个m×n的矩阵,表示速度卷积更新后的种群的速度向量矩阵;
种群速度向量矩阵更新公式表示为:
(17)
定义种群位置卷积核:
(18)
式中,KX是一个k×k的矩阵,表示区域卷积核,k表示区域卷积核的高和宽;rand(k,k)是k×k一个的矩阵,每个元素为[0,1]之间的随机数;
位置卷积定义为:
(19)
式中,是一个m×n的矩阵,表示位置卷积更新后的种群的位置向量矩阵;
种群位置向量矩阵更新公式表示为:
(20)
式中,是种群位置更新后的向量矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410145281.3A CN117688886B (zh) | 2024-02-02 | 2024-02-02 | 一种无线电能传输系统补偿电路参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410145281.3A CN117688886B (zh) | 2024-02-02 | 2024-02-02 | 一种无线电能传输系统补偿电路参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117688886A true CN117688886A (zh) | 2024-03-12 |
CN117688886B CN117688886B (zh) | 2024-04-30 |
Family
ID=90126903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410145281.3A Active CN117688886B (zh) | 2024-02-02 | 2024-02-02 | 一种无线电能传输系统补偿电路参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688886B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118364770A (zh) * | 2024-06-20 | 2024-07-19 | 湖南科技大学 | π型RLC组合式滤波装置主电路参数优选方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN109687603A (zh) * | 2019-02-18 | 2019-04-26 | 兰州交通大学 | 考虑信号与电能并行传输的icpt系统谐振补偿参数优化方法 |
CN112290544A (zh) * | 2020-10-21 | 2021-01-29 | 国网山东省电力公司日照供电公司 | 一种基于粒子群优化算法的换相开关优化配置方法及系统 |
CN112895927A (zh) * | 2021-02-01 | 2021-06-04 | 中车青岛四方车辆研究所有限公司 | 用于稳定动态无线供电输出功率的方法、装置和存储介质 |
CN113887794A (zh) * | 2021-09-28 | 2022-01-04 | 国网安徽省电力有限公司电力科学研究院 | 一种配电网无功优化的方法及装置 |
CN115756925A (zh) * | 2022-11-19 | 2023-03-07 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的车载网络故障诊断方法 |
CN116776749A (zh) * | 2023-08-22 | 2023-09-19 | 吉林大学 | 一种考虑不确定性的电动汽车无线充电装置优化方法 |
WO2023240864A1 (zh) * | 2022-06-16 | 2023-12-21 | 国网江苏省电力有限公司经济技术研究院 | 基于改进粒子群算法的阶梯型碳交易机制参数优化方法 |
-
2024
- 2024-02-02 CN CN202410145281.3A patent/CN117688886B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120259477A1 (en) * | 2011-04-05 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Particle swarm optimization system and method for microgrids |
CN109687603A (zh) * | 2019-02-18 | 2019-04-26 | 兰州交通大学 | 考虑信号与电能并行传输的icpt系统谐振补偿参数优化方法 |
CN112290544A (zh) * | 2020-10-21 | 2021-01-29 | 国网山东省电力公司日照供电公司 | 一种基于粒子群优化算法的换相开关优化配置方法及系统 |
CN112895927A (zh) * | 2021-02-01 | 2021-06-04 | 中车青岛四方车辆研究所有限公司 | 用于稳定动态无线供电输出功率的方法、装置和存储介质 |
CN113887794A (zh) * | 2021-09-28 | 2022-01-04 | 国网安徽省电力有限公司电力科学研究院 | 一种配电网无功优化的方法及装置 |
WO2023240864A1 (zh) * | 2022-06-16 | 2023-12-21 | 国网江苏省电力有限公司经济技术研究院 | 基于改进粒子群算法的阶梯型碳交易机制参数优化方法 |
CN115756925A (zh) * | 2022-11-19 | 2023-03-07 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的车载网络故障诊断方法 |
CN116776749A (zh) * | 2023-08-22 | 2023-09-19 | 吉林大学 | 一种考虑不确定性的电动汽车无线充电装置优化方法 |
Non-Patent Citations (1)
Title |
---|
王涛;王允建;倪艳凤;: "基于粒子群算法的谐振式无线输能网络优化", 电子测量技术, no. 03, 15 March 2017 (2017-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118364770A (zh) * | 2024-06-20 | 2024-07-19 | 湖南科技大学 | π型RLC组合式滤波装置主电路参数优选方法 |
CN118364770B (zh) * | 2024-06-20 | 2024-08-16 | 湖南科技大学 | π型RLC组合式滤波装置主电路参数优选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117688886B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117688886B (zh) | 一种无线电能传输系统补偿电路参数优化方法 | |
CN112231988B (zh) | Ipt系统抗偏移参数优化方法、系统及计算机设备 | |
CN111030316B (zh) | 一种多中继mc-wpt系统效率的建模、分析及系统原理分析方法 | |
WO2021062913A1 (zh) | 一种基于无线能量传输网络的无人机三维轨迹的设计方法 | |
CN112417770B (zh) | 一种基于多模态多目标粒子群优化算法的选址优化方法 | |
CN111193328B (zh) | 基于中继线圈恒流输出无线电能补偿网络及参数确定方法 | |
CN109687603B (zh) | 考虑信号与电能并行传输的icpt系统谐振补偿参数优化方法 | |
CN110789369A (zh) | 一种基于无线充电的无人机充电平台及充电方法 | |
CN109344918A (zh) | 基于改进粒子群算法的大数据配电网故障选线分析方法 | |
CN107526899A (zh) | 基于遗传算法的磁耦合wpt系统负载与互感识别方法 | |
CN114595565B (zh) | 一种改进鲸鱼算法求解无线电能传输系统参数优化方法 | |
CN114792066B (zh) | 一种改进麻雀搜索算法的无线充电系统补偿网络优化方法 | |
Sagar et al. | A Self-Improved Optimization-Based Artificial Neural Network Model for WPT System for Electric Vehicle Charging | |
CN115841176A (zh) | 充电桩变频负荷的安全态势感知方法及系统 | |
Du et al. | Optimization of magnetically coupled resonant wireless power transfer based on improved whale optimization algorithm | |
CN112333648B (zh) | 一种基于无人机的动态数据收集方法 | |
CN114444354B (zh) | 一种改进多目标灰狼算法的无线充电系统参数优化方法 | |
CN112583139A (zh) | 基于模糊rbf神经网络的wpt系统及频率跟踪方法 | |
CN117081276A (zh) | 基于Q-learning算法的双参数扰动无线电能传输系统功效提升方法 | |
CN112937320B (zh) | 一种多无人机无线充电系统的参数设置方法 | |
CN111562738B (zh) | 一种基于h∞控制器的cpt系统稳压控制方法及系统 | |
CN111931361A (zh) | 一种馈电电参量可调的多发射单接收wpt优化方法 | |
CN113300494A (zh) | 无线电能传输系统及其电源幅值、可变电感与电容控制方法 | |
CN113727275B (zh) | 一种无人机辅助的无线传感器网络节点充电选择方法 | |
CN117394553A (zh) | 一种电动汽车动态无线电能传输功率优化控制方法 |
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 |