一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法技术

本发明专利技术公开了一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰控制器控制参数整定方法，涉及电力技术领域。在虚拟同步发电机控制的基础上使用线性自抗扰控制进行改进。而针对线性自抗扰控制参数选择的问题，引进旗鱼算法(SFO)对虚拟同步发电机模型的自抗扰控制器进行参数整定，由于旗鱼算法为基于群的算法，非常适合无结构修改的优化问题，对于参数整定类问题能够起很大的作用，并在其基础上得到改进旗鱼优化算法(KSFO)，使其具有更强的在全局和局部收敛快，具有寻优能力强的优点。实现了自抗扰控制器控制参数的最优整定，对提高电能质量具有重大意义。质量具有重大意义。质量具有重大意义。

【技术实现步骤摘要】
一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法


[0001]本专利技术涉及电力
，具体涉及一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法。

技术介绍

[0002]电能作为一种高效，快速，灵活的清洁能源，具有不可替代的地位。分布式电源通过逆变器与电网相连，对逆变器采用不同的控制方式，能够实现多种工作模式的转换，提高了电力系统的灵活性。但是被分布式电源逐渐替代的同步发电机为电网提供的惯性和阻尼是电网稳定的重要因素。因此虚拟同步发电机的出现就是为了引入同步发电机的惯性和阻尼进入逆变器控制中，电网的稳定做出贡献。虽然虚拟同步对于电网的稳定提供了支撑，但牺牲了一定的动态响应。现今自抗扰控制逐渐因其快速响应性和抗干扰性被广泛研究，是一种不依赖精确模型但具有强抗干扰性的控制策略。

技术实现思路

[0003]为得到更优的虚拟同步发电机控制，本专利技术提供了一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法，在使用线性自抗扰控制对虚拟同步发电机控制进行改进的基础上，引进了改进旗鱼优化算法其进行参数整定，由于改进旗鱼优化算法控制具有很好的全局和局部寻优能力，对于本专利技术提出的线性自抗扰控制中的参数整定能起很好的效果。
[0004]本专利技术具体采用以下技术方案：
[0005]一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法：
[0006]步骤1：对虚拟同步发电机型逆变器进行建模，建立传统虚拟同步发电机的电压电路双闭环PI控制模型。
[0007]步骤2：分析研究线性自抗扰控制原理，选择二阶线性自抗扰进行分析建模，然后对虚拟同步发电机控制进行改进，增加其抗干扰能力，提高响应速度。
[0008]步骤3：将虚拟同步发电机输出电压的THD作为算法目标函数的一个性能指标，并加上另一指标，绝对值乘以时间的积分ITAE,再加入考虑合适阻尼比即二阶系统最佳阻尼比0.707的控制目标，三者加权建立目标函数。
[0009]步骤4：用改进旗鱼优化算法KSFO进行参数整定，找出线性自抗扰控制的控制参数w
o
和w
c
最优适应度值对应的最佳参数代入仿真模型中，同时进行对原PI控制的电压电流双闭环的kp和ki作为变量进行参数优化。
[0010]步骤5：将自抗扰控制和PI控制生成的输出控制信号U，经过PWM调制器对逆变器进行控制，实现虚拟同步发电机策略的逆变器输出。
[0011]进一步的，在步骤2中线性自抗扰原理改进如下：
[0012]典型二阶LADRC进行分析，设二阶系统的关系如下：
[0013][0014]式中y为系统输出，u为控制输入，ω为外部扰动，a1，a2为系统参数，b为控制增益，考虑到ω，a1，a2和b均为未知数，假设一已知数b0，可简化公式(1)为：
[0015][0016]其中为系统中内部和外部所有的不确定绕动总和。
[0017]设x2＝y,x3＝f,x3为系统扩张状态变量，则公式(2)可表示为：
[0018][0019]根据式(3)，可建立三阶线性扩张状态观测器(LESO)：
[0020][0021]在控制器增益β1、β2和β3，选取得当时，估计值可对状态变量进行实时跟踪，即z1→
x1，z2→
x2，z3→
x3，z4→
x4。
[0022]对应进行线性状态误差反馈律(LESF)设计，取系统的控制律为：
[0023][0024]则系统输出y，即式(1)可写成：
[0025][0026]由于系统可近似认为纯积分串联型对象，因此便不需在控制器中引入积分环节，既能有积分环节的作用保证系统稳态，又避免了积分环节的缺点即对系统动态性能产生影响。则上面描述的二阶线性自抗扰控制器可以由比例微分控制器来控制，即：
[0027]u0＝k
p
(v
‑
z1)
‑
k
d
z2ꢀꢀ
(7)
[0028]式中：k
p
、k
d
为控制器增益。
[0029]由此完成对二阶自抗扰控制器的设计，关于观测器增益和控制器增益参数的选取上参考极点配置法可得：
[0030]β1＝3ω
o
,
[0031]k
d
＝2ω
c
[0032]式中：ω
o
为观测器带宽；ω
c
为控制器带宽。
[0033]进一步的，在步骤4中改进旗鱼优化算法KSFO的参数整定方法如下：
[0034]Step1：进行混沌初始化，在给定搜索空间内随机生成初始旗鱼和沙丁鱼种群，再对初始种群进行Sine混沌映射，增添初始样本的普遍代表性，其中旗鱼种群用X
SF
表示，沙丁
鱼种群用X
F
表示，并分别计算旗鱼和沙丁鱼所有解的适应度值。
[0035]Step2：计算旗鱼和沙丁鱼的适应度值，并且记录最优适应度值和位置，选择旗鱼适应度值最好的种群用X
eliteSF
表示，选择沙丁鱼适应度值最好的种群用X
injuredS
表示。
[0036]Step3：旗鱼位置更新，因为旗鱼并不只是从上到下或从右到左攻击，它们可以从四面八方攻击，而且攻击范围不断缩小。因此，旗鱼更新他们的位置在一个球体周围的最佳解决方案，具体公式如下：
[0037][0038]式中，X
oldSF
、X
newSF
分别对应当前旗鱼的老、新位置；
[0039]其中λ
i
系数的定义如下：
[0040]λ
i
＝2
×
rand(0,1)
×
PD
‑
PD
[0041]其中PD表示猎物群的密度，具体公式如下：
[0042][0043]其中N
SF
和N
S
分别代表旗鱼和沙丁鱼的数量。
[0044]Step4：沙丁鱼位置更新，在狩猎的开始，旗鱼有更多的精力去捕捉猎物，沙丁鱼也不会更累和受伤，沙丁鱼也能保持很高的逃逸速度。渐渐地，旗鱼的攻击能力会随着捕猎时间的推移而减弱，由于攻击的剧烈和频繁，猎物体内储存的能量也会减少，可能会降低探测旗鱼位置方向信息的能力，从而影响鱼群的逃跑策略。最终，沙丁鱼会被旗鱼的喙击中，从鱼群中挣脱出来，很快就会被捕获，模拟沙丁鱼运动的具体公式如下：
[0045]X
inewS
＝r
×
(X
ieliteSF
‑
X
ioldS
+AP)
[0046]其中r为一个介于0和1之间的随机数，代表猎物沙丁鱼在捕食者周围的分散率，AP代表旗鱼的攻击力度，其定义如下：
[0047本文档来自技高网...

【技术保护点】

【技术特征摘要】
→
x2，z3→
x3，z4→
x4；对应进行线性状态误差反馈律LESF设计，取系统的控制律为：则系统输出y，即式(1)可写成：由于系统可近似认为纯积分串联型对象，则上面描述的二阶线性自抗扰控制器可以由比例微分控制器来控制，即：u0＝k
p
(v
‑
z1)
‑
k
d
z2ꢀꢀꢀꢀꢀꢀ
(7)式中：k
p
、k
d
为控制器增益；由此完成对二阶自抗扰控制器的设计，关于观测器增益和控制器增益参数的选取上参考极点配置法可得：考极点配置法可得：k
d
＝2ω
c
式中：ω
o
为观测器带宽；ω
c
为控制器带宽。3.根据权利要求1所述的一种基于改进旗鱼算法的虚拟同步发电机线性自抗扰逆变器控制参数整定方法，其特征在于：在步骤4中改进旗鱼优化算法KSFO的参数整定方法如下：Step1：进行混沌初始化，在给定搜索空间内随机生成初始旗鱼和沙丁鱼种群，再对初始种群进行Sine混沌映射，增添初始样本的普遍代表性，其中旗鱼种群用XSF表示，沙丁鱼种群用XF表示，并分别计算旗鱼和沙丁鱼所有解的适应度值；Step2：计算旗鱼和沙丁鱼的适应度值，并且记录最优适应度值和位置，选择旗鱼适应度值最好的种群用X
eliteSF
表示，选择沙丁鱼适应度值最好的种群用X
injuredS
表示；Step3：旗鱼位置更新，因为旗鱼并不只是从上到下或从右到左攻击，它们可以从四面八方攻击，而且攻击范围不断缩小；因此，旗鱼更新他们的位置在一个球体周围的最佳解决方案，具体公式如下：式中，X
oldSF
、X
newSF
分别对应当前旗鱼的老、新位置；其中λ
i
系数的定义如下：λ
i
＝2
×
rand(0,1)
×
PD
‑
PD其中PD表示猎物群的密度，具体公式如下：其中N
SF
和N
S
分别代表旗鱼和沙丁鱼的数量；Step4：沙丁鱼位置更新，在狩猎的开始，旗鱼有更多的精力去捕捉猎物，沙丁鱼也不会更累和受伤，沙丁鱼也能保持很高的逃逸速度；渐渐地，旗鱼的攻击能力会随着捕猎时间的推移而减弱，由于攻击的剧烈和频繁，猎物体内储存的能量也会减少，可能会降低探测旗鱼
位置方向信息的能力，从而影响鱼群的逃跑策略；最终，沙丁鱼会被旗鱼的喙击中，从鱼群中挣脱出来，很快就会被捕获，模拟沙丁鱼运动的具体公式如下：X
inewS
＝r
×
(X
ieliteSF
‑
X
ioldS
+AP)其中r为一个介于0和1之间的随机数，代表猎物沙丁鱼在捕食者周围的分散率，AP代表旗鱼的攻击力度，其定义如下：AP＝A
×
(1
‑
(2
×
Itr
×
e))Step5：攻击力判断，由于沙丁鱼的位置更新和旗鱼的攻击力有关，上式中A，e控制控制攻击力度的变换，使A线性变换到0；当AP>0.5时用上式更新沙丁鱼全部位置；当AP<0.5时，更新沙丁部分位置，部分位置的范围定义如下：α＝N
S
×
APβ＝d
i

【专利技术属性】
技术研发人员：聂晓华，苏才淇，王槐杰，
申请(专利权)人：南昌大学，
类型：发明
国别省市：