TWI488020B - Power system modeling method - Google Patents
Power system modeling method Download PDFInfo
- Publication number
- TWI488020B TWI488020B TW102122606A TW102122606A TWI488020B TW I488020 B TWI488020 B TW I488020B TW 102122606 A TW102122606 A TW 102122606A TW 102122606 A TW102122606 A TW 102122606A TW I488020 B TWI488020 B TW I488020B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- coefficient vector
- power
- prediction coefficient
- modeling
- Prior art date
Links
Description
本創作是有關於一種電源系統的建模方法,利用一演算法則建立未知的目標系統之等效系統模型的建模方法。
電源系統一般被應用在電池電力控制,主要是將不穩定的電壓轉換成穩定且可彈性調整輸出電壓值的電源,因此利用切換式降壓電源轉換器或供應器設計來提高電源使用效率,降低電源轉換系統的功率消耗以提升電源轉換的效率,達成輸出穩定電壓值的電源,然而切換式降壓電源轉換器或供應器在建模設計上,達到最佳電力轉換效率有一定難度。
有鑑與此,本創作目的提供一種電源系統的建模方法,其適用於切換式降壓電源轉換器,基於此系統模型進行控制器設計,以期不管在任何的負載之下,電源供應器都能提供穩定的輸出電壓。
本創作所揭露之電源系統建模方法包括:提供一電源系統預建模型,並設定對應該電源系統預建模型的一理想電力輸出值;將一電力輸入值輸入該電源系統預建模型以取得該電源系統預建模型輸出的一實際電力輸出值;根據該實際電力輸出值與該理想電力輸出值為條件,由一演算模組利用一改良型人工蜜蜂演算法則計算出一建模系統係數;以及導入該建模系統係數至該電源系統預建模型,以使該實際電壓輸出值逼近該理想電壓輸出
值。
其中,演算模組是將改良型人工蜜蜂演算法應用於切換式降壓電源轉換器之系統建模,基於此方法來對系統模型進行控制器設計。而且,經由本創作揭露方法所建構的電源系統,不管在任何的負載之下,電源供應器都能提供穩定的輸出電壓。
為了讓本創作之上述和其他目的、特徵、和優點能更明顯,下文將配合所附圖示,作詳細說明如下。
100‧‧‧電源系統建模
110‧‧‧電源系統預建模型
120‧‧‧演算模組
130‧‧‧差值運算單元
步驟S110~步驟S140
步驟S210~步驟S270
圖1為本創作實施例之電源系統建模的流程圖。
圖2為本創作實施例之電源系統建模的系統架構圖。
圖3為本創作實施例之演算模組的工作流程圖。
請參閱圖1及圖2,圖1為本創作實施例之電源系統建模的流程圖,圖2為本創作實施例之電源系統建模的系統架構圖,利用電源系統建模的流程圖配合電源系統建模100的系統架構圖說明,本創作為一種電源系統建模方法,包括:提供電源系統預建模型110(步驟S110),並設定對應該電源系統預建模型110的理想電力輸出值V out ’
,將電力輸入值V in
輸入該電源系統預建模型110以取得該電源系統預建模型輸出的實際電力輸出值V out
S120(步驟S120)。
電源系統預建模型110的架構為:以及V out
=V dc
(Pulse
)
×G
(s
);其中V in
為電力輸入值,T on
為該電源系統預建模型的導通時
間,T off
為該電源系統預建模型的截止時間。
為脈波的工作週期,利用脈衝寬度調變(PWM)技術來控制,以此可以調整V dc(Pluse)
的大小,其中V dc(Pluse)
為脈波電壓源直
流分量電壓。
將V dc(Pluse)
脈波電壓源直流分量電壓輸入至一複雜RLC低通濾波器,經由複雜RLC低通濾波器輸出得到實際電力輸出值V out
,其模型架構為V out
=V dc
(Pulse
)
×G
(s
)
G
(s
)為複雜低通濾波器的轉移函數,其中該轉移函數為:
經由上述電力輸入值V in
,經由電源系統預建模型110可取得一實際電力輸出值V out
。
請參閱圖2及圖3,圖2為本創作實施例之電源系統建模的系統架構圖,圖3為本創作實施例之演算模組的工作流程圖,根據該實際電力輸出值V out
與該理想電力輸出值V out ’
為條件,由一演算模組120利用一改良型人工蜜蜂演算法則計算出一建模系統係數(步驟S130),該建模系統係數為轉移函數G
(s
)的a、b、c、d、L
。
該演算模組120利用該改良型人工蜜蜂演算法則計算出一建模
系統係數之該步驟至少包含:請參閱圖2,步驟S210:隨機產生複數個第一系統預估係數向量以形成族群,其中每第一系統預估係數向量具有複數個系統預估係數,第一系統預估係數向量為:Θi
=[θ i1 ,θ i2 ,θ i3 ,θ i4 ,θ i5
]=[a,b,c,d,L
]其中a、b、c、d、L
分別代表該建模系統係數,i
代表該系統預估係數向量的數量值。
步驟S220:計算出第一系統預估係數向量其個別之第一價值函數,其用來評估第一系統預估係數向量的係數是否接近最佳解,價值函數為:CF
(Θ i
)=ʃe 2 (t)dt
其中e(t)
為電力輸出值V out
與理想電力輸出值V out ’
的差值,由差值運算單元130計算。
在一般最佳化的問題中,通常此價值函數會設成系統的差值,當此差值愈小的話也就代表系統預估係數向量越接近最佳解。
步驟S230:計算出該第一系統預估係數向量其個別之機率值,這是決定是否進行重新隨機產生複數個第一系統預估係數向量的因子,該機率值為:
其中H該系統預估係數向量的數量值,由機率值得知,當系統預估係數向量的價值函數比較小的時候,其相對應的機率值也會比較小。
步驟S240:隨機產生亂數,該亂數介於零到一之間,比較該機
率值與該亂數,得到一第二系統預估係數向量。
第二系統預估係數向量取得是藉由演算模組來比較該機率值與該亂數,若機率值大於亂數,則第一系統預估係數向量為第二系統預估係數向量,若機率值小於亂數,則由一關係式取得一新係數為該第二系統預估係數向量,該關係式為:θ ij 2nd
=θ ij
+Φ ij
(θ ij
-θ kj
)其中k
=1,2
...H
、i
=1,2
...H
以及j
=1,2
...N
,其中N
為系統預估係數的數量直,k
為一隨機選取的整數,k
不等於i
,Φ ij
為介於-1至1的一混沌隨機亂數。
第二系統預估係數向量是在系統預估係數向量周邊而得到的,Φ ij
是控制周邊範圍大小的主要變數,人工蜜蜂演算法就是利用此關係式尋覓公式,進而達成搜尋最佳化的目的。
該混沌隨機亂數是藉由一整合型混沌系統所取得,其中該整合型混沌系統為
其中x 1 ,x 2 ,x 3
分別為狀態變數,a(t)
為介於0至1的一系統參數,當x 1 ,x 2 ,x 3
經由上式任何一式產生區間數值,最大值為x max
,最小值為x min
,x old
為原數值,之後經由下式獲得一x new
值
其中x new
為Φ ij
。
步驟S250:計算第二系統預估係數向量其個別之第二價值函
數,比較第一價值函數及第二價值函數,以決定是否將第二系統預估係數向量取代第一系統預估係數向量。
步驟S260:重複該步驟S220至該步驟S250,當步驟S220至步驟S250執行次數達到一第一迭代次數時,判斷該族群是否存在該第一系統預估係數向量,以決定是否將第三系統預估係數向量取代第一系統預估係數向量。
當第一系統預估係數向量再經過第一迭代次數後,若其價值函數未曾被改變時,則演算模組將會自動隨機產生新的第一系統預估係數向量來取代原本第一系統預估係數向量。
其中第三系統預估係數向量的取得是藉由該演算模組來比較該價值函數及該第二價值函數,若第二價值函數小於價值函數,則第二系統預估係數向量為第三系統預估係數向量,若第二價值函數大於價值函數,則系統預估係數向量為第三系統預估係數向量。
步驟S270:重複步驟S220至步驟S260,當步驟S220至步驟S260執行次數達到一第二迭代次數時,將第三系統預估係數向量,其包含之系統預估係數作為該建模系統係數。
該第一迭代次數及該第二迭代次數為預定值。
導入該建模系統係數至該電源系統預建模型110,以使該實際電壓輸出值V out
逼近該理想電壓輸出值V out ’
。
綜上所述,乃僅記載本創作為呈現解決問題所採用的技術手段之實施方式或實施例而已,並非用來限定本創作專利實施之範圍。即凡與本創作專利申請範圍文義相符,或依本創作專利範圍所做的均等變化與修飾,皆為本創作專利範圍所涵蓋。
步驟S110~步驟S140
Claims (9)
- 一種電源系統建模方法,該方法包括:提供一電源系統預建模型,並設定對應該電源系統預建模型的一理想電力輸出值;將一電力輸入值輸入該電源系統預建模型以取得該電源系統預建模型輸出的一實際電力輸出值;根據該實際電力輸出值與該理想電力輸出值為條件,由一演算模組利用一改良型人工蜜蜂演算法則計算出一建模系統係數;以及導入該建模系統係數至該電源系統預建模型,以使該實際電壓輸出值逼近該理想電壓輸出值,其中根據該實際電力輸出值與該理想電力輸出值為條件,由該演算模組利用該改良型人工蜜蜂演算法則計算出該建模系統係數之該步驟至少包含:步驟一:隨機產生複數個第一系統預估係數向量以形成一族群,其中每一第一系統預估係數向量具有複數個系統預估係數;步驟二:計算出該第一系統預估係數向量其個別之第一價值函數;步驟三:計算出該第一系統預估係數向量其個別之機率值;步驟四:隨機產生一亂數,該亂數介於零到一之間,比較該機率值與該亂數,得到一第二系統預估係數向量; 步驟五:計算該第二系統預估係數向量其個別之第二價值函數,比較該價值函數及該第二價值函數,以決定是否將該第二系統預估係數向量取代該第一系統預估係數向量;步驟六:重複該步驟二至該步驟五,當該步驟二至該步驟五執行次數達到一第一迭代次數時,判斷該族群是否存在該第一系統預估係數向量,以決定是否將一第三系統預估係數向量取代該第一系統預估係數向量;步驟七:重複該步驟二至該步驟六,當該步驟二至該步驟六執行次數達到一第二迭代次數時,將該第三系統預估係數向量,其包含之系統預估係數作為該建模系統係數。
- 如申請專利範圍第1項所述電源系統建模方法,其中該電源系統預建模型的架構為:
- 如申請專利範圍第2項所述電源系統建模方法,其中該轉移函數為:
- 如申請專利範圍第1項所述電源系統建模方法,其中該第一系統預估係數向量為:Θ i =[θ i1 ,θ i2 ,θ i3 ,θ i4 ,θ i5 ]=[a,b,c,d,L ]其中a、b、c、d、L 分別代表該建模系統係數。
- 如申請專利範圍第1項所述電源系統建模方法,其中該第一價值函數為:CF(Θ i ) =ʃe 2 (t)dt 其中e(t) 為該電力輸出值與該理想電力輸出值的差值。
- 如申請專利範圍第1項所述電源系統建模方法,其中該機率值為:
- 如申請專利範圍第1項所述電源系統建模方法,其中該第二系統預估係數向量取得是藉由該演算模組來比較該機率值與該亂數,若該機率值大於該亂數,則該第一系統預估係數向量為該第二系統預估係數向量,若該機率值小於該亂數,則由一關係式取得一新係數為該第二系統預估係數向量,其中該關係式為
- 如申請專利範圍第7項所述電源系統建模方法,其中該混沌隨機亂數是藉由一整合型混沌系統所取得,其中該整合型混沌系統為
- 如申請專利範圍第1項及所述電源系統建模方法,其中該第三系統預估係數向量的取得是藉由該演算模組來比較該價值函數及該第二價值函數,若該第二價值函數小於該價值函數,則該第二系統預估係數向量為該第三系統預估係數向量,若該第二價值函數大於該價值函數,則該系統預估係數向量為該第三系統預估係數向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102122606A TWI488020B (zh) | 2013-06-25 | 2013-06-25 | Power system modeling method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102122606A TWI488020B (zh) | 2013-06-25 | 2013-06-25 | Power system modeling method |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201500877A TW201500877A (en) | 2015-01-01 |
TWI488020B true TWI488020B (zh) | 2015-06-11 |
Family
ID=52717916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102122606A TWI488020B (zh) | 2013-06-25 | 2013-06-25 | Power system modeling method |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI488020B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083195B (zh) * | 2019-03-29 | 2021-08-24 | 广东工业大学 | 一种基于改进蜂群算法的波浪发电装置的功率控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM262918U (en) * | 2003-07-03 | 2005-04-21 | O2Micro Inc | Power management topologies |
US20070152750A1 (en) * | 2005-12-30 | 2007-07-05 | Andersen Jack B | Digital PWM amplifier with simulation-based feedback |
CN102170137A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种电力系统配电网的无功优化方法 |
TW201250429A (en) * | 2011-06-15 | 2012-12-16 | Solarrich Applied Energy & Technology Co Ltd | Method for optimizing output power of solar cell |
-
2013
- 2013-06-25 TW TW102122606A patent/TWI488020B/zh not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM262918U (en) * | 2003-07-03 | 2005-04-21 | O2Micro Inc | Power management topologies |
US20070152750A1 (en) * | 2005-12-30 | 2007-07-05 | Andersen Jack B | Digital PWM amplifier with simulation-based feedback |
CN102170137A (zh) * | 2011-04-26 | 2011-08-31 | 华北电力大学 | 一种电力系统配电网的无功优化方法 |
TW201250429A (en) * | 2011-06-15 | 2012-12-16 | Solarrich Applied Energy & Technology Co Ltd | Method for optimizing output power of solar cell |
Also Published As
Publication number | Publication date |
---|---|
TW201500877A (en) | 2015-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | An adaptive time-stepping strategy for the Cahn-Hilliard equation | |
Ramli et al. | A modified differential evolution based maximum power point tracker for photovoltaic system under partial shading condition | |
CN107148727B (zh) | 基于瞬态负载预测来提供供电电压控制的电路和方法 | |
US10325036B2 (en) | Method and system for determing welding process parameters | |
JP2014079164A (ja) | 充放電制御装置、充放電制御方法、及び蓄電システム | |
JP2016073199A5 (zh) | ||
Khan et al. | Hill climbing power flow algorithm for hybrid DC/AC microgrids | |
Canciello et al. | Multi-objective adaptive sliding manifold control for More Electric Aircraft | |
US20180233921A1 (en) | Method for controlling electric power conversion system and control arrangement for electric power conversion system | |
Modiri-Delshad et al. | An iterated-based optimization method for economic dispatch in power system | |
TWI488020B (zh) | Power system modeling method | |
Poblete et al. | Distributed neural network observer for submodule capacitor voltage estimation in modular multilevel converters | |
WO2014076167A2 (en) | Controlling an electrical converter | |
Stolze et al. | Finite-set model predictive control of a flying capacitor converter with heuristic voltage vector preselection | |
Liu et al. | Hybrid strategy based on GA and IPM for optimal reactive power flow. | |
JP6852661B2 (ja) | 充電装置 | |
CN102347751A (zh) | 脉冲电源的数字化控制方法及装置 | |
CN112836894B (zh) | 一种变换器优化方法、系统、计算机设备及存储介质 | |
CN115096033A (zh) | 基于体温变化的制冷策略生成方法、系统、终端及介质 | |
Wang et al. | Hierarchical dynamic power management using model-free reinforcement learning | |
CN108846247B (zh) | 用于电力变流器系统电磁暂态仿真加速的坐标变换方法 | |
bin Mohammad Suhaimi et al. | Design and implementation of digital controller for DC-DC boost converter | |
Kamarposhti et al. | The Control of Buck Boost DC-DC Converters for DC Motor Drives on variable DC Voltage by Using Neural Network | |
Fermeiro et al. | Design and implementation of enhanced PSO based MPPT for PV production under partial shading conditions | |
Kong et al. | Velocity predictions research and prediction horizon determination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |