[發明專利]基于多島粒子群算法的混合型濾波器中無源濾波器多目標優化設計方法

無效

• 申請號: 201210103794.5
• 申請日: 2012-04-11
• 公開（公告）號: CN102737277A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 李圣清;李永安;羅曉東;曾黎琳;何政平
• 申請（專利權）人: 湖南工業大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06F17/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種無源電力濾波器的多目標優化設計方法，特別是一種基于多島粒子群算法的混合型濾波器中無源濾波器多目標優化設計方法。?

背景技術

由無源濾波器組和有源濾波器并聯組成的混合型電力濾波器（hybrid?active?power?filter，簡稱為HAPF），具有成本低和濾波效果好等諸多優點，近年來，在電能質量的綜合治理方面發揮的重要的作用。在混合型電力濾波器中，由無源濾波器承擔主要的抑制諧波和補償無功任務，有源濾波器則只用來改善無源濾波器的濾波效果，起到一個拾遺補缺的作用。其中對混合系統中無源濾波器的優化設計在很大程度上決定了混合型電力濾波器能否按其工作原理實現預期的諧波抑制和無功補償效果。解決混合系統中無源濾波器優化設計問題較好的辦法是對無源濾波器進行多目標優化設計。2002年第3期的《中國電機工程學報》中《無源濾波器的多目標優化設計》一文提出一種帶混沌算子的遺傳算法，利用算法的混沌算子克服了算法的早熟收斂現象，不足之處是算法開發周期較長，操作較為復雜。2003年第6期《電工技術學報》中《基于交互式多目標遺傳算法的無源濾波器優化設計》一文提出一種交互式遺傳算法，通過非精確偏好信息引導遺傳搜索，使得算法種群朝著多個目標的最佳綜合性能方向進化，增加了解的多樣性，不足之處是算法較為復雜。2004年第7期的《中國電機工程學報》中《基于自適應遺傳算法的無源電力濾波器綜合優化方法》一文對遺傳算法采用兼顧種群多樣性和遺傳進程的遺傳參數調整策略，其優點是增加了遺傳算法尋優的多樣性。缺點是算法程序占用系統內存空間較大，實現起來有較大困難。?

發明內容

本發明的目的是提供一種基于多島粒子群算法的混合型濾波器中無源濾波器多目標優化設計方法。該方法能較好的實現對無源濾波器的濾波效果、無功補償容量及初期總投資多優化目標進行多目標的優化設計，仿真和實驗結果表明，該方法具有操作方便、避免陷入局部最優、較強全局搜索能力等優點。其原理與基本步驟為：?

第一步，確定算法初始種群的多島化結構，將初始粒子種群?分為個島，其中每個島維，個粒子，在每個島上初始化粒子的位置和速度參數，為微粒的初始位置，為相應的初始速度。

第二步，在各個島上的子群中進行改進型粒子群算法操作，粒子速度與位置按下式進行更新?

?

式中；為加速系數，且；為最大迭代次數；為當前迭代次數。

改進型粒子群算法中慣性權重系數采用隨機動態更新取值策略，慣性權重系數的隨機動態更新公式為?

?

式中，為均勻分布于[0，1]之間的隨機數；；為適應度最優變化率

??????????

式中為粒子群在迭代次時的最優適應度，為粒子群在迭代次時的最優適應度。

?????第三步，確定各島粒子中到目前為止尋找到的最好位置，更新最好位置所對應的適應度函數。?

?第四步，確定島與島之間的組合間隔與組合率的大小，當各個島上的改進型粒子群算法基本達到收斂后，按照確定的組合間隔與組合率的大小在島與島之間選出適應度較優的粒子進行組合操作，進而對應較優適應度的粒子組合為新的種島，對該島的粒子適應度進行排序，并且以新的初值點進行改進型粒子群算法操作。?

第五步，判斷終止條件，如果達到最大迭代次數，計算終止，否則，重復以上操作，直到算法達到最優解。?

綜上所述，該算法給出的初始種群多島化結構、島與島之間粒子的組合操作，以及慣性權重系數的隨機動態取值策略，確保了該方法具有較強的全局搜索能力，可以盡可能的避免局部最優解，達到抑制早熟，提高算法收斂速度。?

附圖說明

圖1??函數適應度大小隨進化代數變化的曲線?

圖1（a）傳統粒子群算法測試進化結果

圖1（b）多島粒子群算法測試進化結果

圖2??濾波前系統母線電流、電壓波形

圖2（a）濾波前系統母線電流波形

圖2（b）濾波前系統母線電壓波形

圖3??為表1無源濾波器設計參數結果

圖4??濾波后系統母線電流、電壓波形

圖4（a）濾波后系統母線電流波形

圖4（b）濾波后系統母線電壓波形

圖5??為表2?濾波前后系統諧波數據對比

圖6??系統的安裝結構圖

圖7??補償前電流波形及其畸變率分析

圖7（a）補償前電流波形

圖7（b）補償前電流畸變率分析