System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于人工蜂群算法的光伏发电控制器参数优化方法及系统技术方案_技高网

基于人工蜂群算法的光伏发电控制器参数优化方法及系统技术方案

技术编号:40184071 阅读:6 留言:0更新日期:2024-01-26 23:49
本发明专利技术公开了基于人工蜂群算法的光伏发电控制器参数优化方法及系统,涉及电力系统技术领域,包括建立各部分传递函数模型;确定所需要优化的控制器参数,从蜂后基因库中取出基因序列进行稳态分析,若分析结果满足预设值则直接输出,若不满足则初始化蜜蜂种群,将蜜蜂种群分为的采蜜蜂和跟随蜂,分别进行迭代,输出迭代结果;将迭代结果代入传递函数模型中计算优化结果,若优化结果满足终止条件则输出,若不满足则重新迭代,直至迭代后的优化结果满足终止条件。本发明专利技术采用基于人工蜂群算法的控制器参数优化方法,可以保证并网逆变器可以实现稳定直流母线电压和准确跟踪电网电流的功能,而且引入了蜂后概念可减少对于同一工况下的迭代次数。

【技术实现步骤摘要】

本专利技术涉及电力系统,特别是基于人工蜂群算法的光伏发电控制器参数优化方法及系统


技术介绍

1、分布式光伏发电技术有利于提高太阳能的利用水平,减少对传统化石能源的依赖和消耗,在降低温室气体排放和治理环境污染等方面可以发挥重要作用,因而得到大力推广使用。在实际应用中,分布式光伏发电单元需通过并网逆变器与电网连接。单相并网逆变器的典型拓扑结构为由前级dc/dc斩波器和后级dc/ac逆变器组成的双级式拓扑,其中,前级斩波器主要实现光伏发电的mppt控制,从而可以充分利用太阳能的发电能力;后级逆变器则完成并网控制,主要包括直流母线侧电容电压的稳压控制和并网电流的跟踪控制等具体控制功能。基于逆变器的控制目标,其典型的控制器结构通常采用由电压外环和电流内环构成的双闭环控制方式。在控制方法上,由于电压外环的给定参考输入(即直流母线参考电压)为直流电压,因此可以采用pi控制方法;而对于电流内环,由于当前主流的配电网形式为交流配电网,即光伏并网点的电流为交流,并且传统的pi控制方法不能实现对交流信号的无静差控制,因此可以采用准比例谐振控制(quasi proportional resonantcontrol,简称qpr控制),来实现对交流电流的跟踪控制。由此可见,典型的单相双级式并网逆变器的后级需要通过两个控制器(即pi+qpr)来实现并网控制。而对于pi和qpr控制器的设计,其参数整定对于保证系统的稳定性、准确性和快速性等控制性能具有决定性作用。由于针对此两种控制器的参数整定所普通采用的试错法较依赖于工程经验,且控制效果很难达到最优,因此如果能对控制器参数采用优化的方法进行整定,则对于保证系统的控制性能具有重要的实用价值。

2、本专利技术的目的在于:1.将人工蜂群算法引入系统实现对控制器参数的优化。

3、2.引入全新的蜂后概念解决传统人工蜂群算法在本系统中迭代过多的问题。


技术实现思路

1、鉴于上述存在的问题,提出了本专利技术。

2、因此,本专利技术所要解决的问题在于:1.传统方法比较依赖于工程经验,控制效果很难达到最优。2.传统人工蜂群算法在本系统中运行迭代次数过多。

3、为解决上述技术问题,本专利技术提供如下技术方案:基于人工蜂群算法的光伏发电控制器参数优化方法,其包括,建立分布式光伏单相双级式并网逆变器的双闭环pi控制器和qpr控制器的传递函数模型,根据直流母线电压外环控制结构,建立外环闭环传递函数模型,根据并网电流内环控制结构,建立内环闭环传递函数模型;确定被控系统的性能评价目标函数和所需要优化的控制器参数,从蜂后基因库中取出包含所需优化参数的基因序列,将基因序列内的参数代入闭环传递函数模型进行稳态分析,若分析结果满足预设值则直接输出此基因序列内的参数作为优化参数,若不满足则根据所需优化参数建立蜜蜂个体向量,初始化蜜蜂种群,并将蜜蜂种群分为随机个数的采蜜蜂和跟随蜂,对采蜜蜂和跟随蜂采用各自对应的方法进行迭代,输出迭代结果;将迭代结果代入传递函数模型中计算优化结果,判断优化结果是否满足终止条件,若满足则保存数据并最终输出,若不满足则重新初始化蜜蜂种群进行迭代,直至迭代后的优化结果满足终止条件,并将优化结果载入蜂后基因库中。

4、作为本专利技术所述基于人工蜂群算法的光伏发电控制器参数优化方法的一种优选方案,其中:所述pi控制器和qpr控制器的传递函数模型表示为,

5、

6、

7、其中,gpi(s)表示为pi控制器的传递函数模型,gpr(s)表示为qpr控制器的传递函数模型,kp和ki表示为pi控制器的比例系数和积分系数;kpp、kr和ωc分别表示为qpr控制器的比例系数、谐振系数和截止频率;ω0表示为谐振频率,s表示为拉普拉斯变换中的复变量。

8、作为本专利技术所述基于人工蜂群算法的光伏发电控制器参数优化方法的一种优选方案,其中:所述外环闭环传递函数模型cvdc(s)表示为,

9、

10、其中,uac表示为电网电压幅值,uref表示为直流母线参考电压,cdc表示为直流母线电容

11、所述内环闭环传递函数模型gi(s)表示为,

12、

13、其中,kpwm表示为逆变器增益,l表示为滤波器电感,r表示为滤波器电阻。

14、作为本专利技术所述基于人工蜂群算法的光伏发电控制器参数优化方法的一种优选方案,其中:所述性能评价目标函数表示为,

15、

16、其中,ts表示为调节时间,e(t)表示为系统响应误差;通过近似处理将被控系统的性能评价目标函数的连续形式等效成离散形式,其表达式为,

17、

18、其中,m表示为仿真计算点数,δt表示为仿真步长;所述控制器参数包括kp、ki、kpp、kr和ωc。

19、作为本专利技术所述基于人工蜂群算法的光伏发电控制器参数优化方法的一种优选方案,其中:所述蜂后包括蜂后算法和蜂后基因库,当进行优化指令时,从基因库中调取所有包含所需优化参数的基因序列,将每组基因序列依次代入蜂后算法内进行稳态分析,若出现任一一组的基因序列满足预设值则将序列内的参数直接作为优化参数并输出,若无一组基因序列满足预设值则跳出蜂后动作;其中每一组基因序列不满足预设值时,则对此基因序列的落选次数加一,当落选次数达到最大允许落选次数时,则将此基因序列从蜂后基因库中剔除;

20、所述蜂后算法qb(s)表示为,

21、

22、所述剔除表示为,

23、

24、其中,ni表示为基因序列,ess表示为稳态误差,δ表示为预设值,out表示为跳出蜂后动作,z表示为基因序列总数,genelibrary表示为蜂后基因库,分别表示为此基因序列对应的每个优化参数,r(t)表示为输入值,y(t)表示为将基因序列内的参数代入闭环传递函数模型后的输出值,cl表示为落选次数,θ表示为最大落选次数。

25、作为本专利技术所述基于人工蜂群算法的光伏发电控制器参数优化方法的一种优选方案,其中:所述采蜜蜂包括,对于每只采蜜蜂,在初始蜜源附近搜索,寻找其他蜜源,并计算适应度值,若其适应度值更优,则取代原蜜源,搜索公式可表示为,

26、

27、其中,x表示为个体向量,i∈{1,2,…,ng},k∈{1,2,…,ng},k随机生成且k≠i,表示为[-1,1]之间的随机数,v表示为新的蜜源,且v∈s;所述跟随蜂包括,对于每只跟随蜂,按照与蜜源适应度值成比例的概率,采用轮盘赌的方式选择一个蜜源,并在其附近采蜜,寻找其他蜜源,若新产生的蜜源适应度值更优,则跟随蜂变为采蜜蜂,并取代原蜜源位置,概率计算公式表示为,

28、

29、其中,f(·)表示为适应度函数;若搜索新蜜源次数超过一定限制,仍没找到具有更高适应度值的蜜源,则放弃该蜜源,并随机产生一个新的蜜源,随机生成新蜜源的公式表示为,

30、

31、其中,n表示为当前迭代次数,c表示为搜索次本文档来自技高网...

【技术保护点】

1.基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:包括,

2.如权利要求1所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述PI控制器和QPR控制器的传递函数模型表示为,

3.如权利要求2所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述外环闭环传递函数模型GVdc(s)表示为,

4.如权利要求3所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述性能评价目标函数表示为,

5.如权利要求4所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述蜂后包括蜂后算法和蜂后基因库,当进行优化指令时,从基因库中调取所有包含所需优化参数的基因序列,将每组基因序列依次代入蜂后算法内进行稳态分析,若出现任一一组的基因序列满足预设值则将序列内的参数直接作为优化参数并输出,若无一组基因序列满足预设值则跳出蜂后动作;

6.如权利要求5所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述采蜜蜂包括,对于每只采蜜蜂,在初始蜜源附近搜索,寻找其他蜜源,并计算适应度值,若其适应度值更优,则取代原蜜源,搜索公式可表示为,

7.如权利要求6所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述终止条件表示为,

8.一种采用如权利要求1~7任一所述的基于人工蜂群算法的光伏发电控制器参数优化方法的系统,其特征在于:包括模型构建模块、蜂群迭代模块和分析模块;

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于人工蜂群算法的光伏发电控制器参数优化方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于人工蜂群算法的光伏发电控制器参数优化方法的步骤。

...

【技术特征摘要】

1.基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:包括,

2.如权利要求1所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述pi控制器和qpr控制器的传递函数模型表示为,

3.如权利要求2所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述外环闭环传递函数模型gvdc(s)表示为,

4.如权利要求3所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述性能评价目标函数表示为,

5.如权利要求4所述的基于人工蜂群算法的光伏发电控制器参数优化方法,其特征在于:所述蜂后包括蜂后算法和蜂后基因库,当进行优化指令时,从基因库中调取所有包含所需优化参数的基因序列,将每组基因序列依次代入蜂后算法内进行稳态分析,若出现任一一组的基因序列满足预设值则将序列内的参数直接作为优化参数并输出,若无一组基因序列满足预设值则跳出蜂后动作;

6.如权利要求5所述...

【专利技术属性】
技术研发人员:文贤馗周科张俊玮何明君付宇肖小兵蔡永翔王扬邓彤天范强王冕于杨姚浩习伟杨涛曾鹏张世海叶远红唐乾林超
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1