[發(fā)明專利]一種基于哈里斯鷹算法的儲能雙向變流器控制參數(shù)整定方法

在審

• 申請?zhí)枺?/td>: 202110547604.8
• 申請日: 2021-05-19
• 公開（公告）號: CN113420863A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設計）人: 聶曉華;梁樂樂;劉一丹;彭亦偉
• 申請（專利權）人: 南昌大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06F17/11;H02J3/32
• 代理公司: 北京眾合誠成知識產(chǎn)權代理有限公司 11246
• 代理人: 袁紅梅

本發(fā)明公開了一種基于哈里斯鷹算法的儲能雙向變流器控制參數(shù)整定方法，S1：初始化哈里斯鷹種群；S2：計算種群中所有哈里斯鷹的適應度值，選取并記錄種群中適應度最佳的哈里斯鷹并把它的位置設為當前獵物位置；S3：位置更新過程中模擬哈里斯鷹的捕食行為；S4：計算位置更新后的個體適應度，與獵物適應度值進行比較，以適應度值更優(yōu)的個體位置作為新的獵物位置；S5：當算法迭代次數(shù)達到最大迭代次數(shù)時，輸出當前獵物位置作為目標的估計位置；S6：根據(jù)S5求得的最優(yōu)結果，把它對應的維度數(shù)據(jù)代入儲能雙向變流器的控制器中。本發(fā)明將該算法整定出的參數(shù)代入PI控制器中，變流器輸出波形能快速跟蹤指令值，并且諧波含量很小，整個控制系統(tǒng)較為穩(wěn)定。

技術領域

本發(fā)明涉及自動控制領域，具體涉及一種基于哈里斯鷹算法的儲能雙向變流器控制參數(shù)整定方法。

背景技術

儲能雙向變流器作為微電網(wǎng)中連接電網(wǎng)和儲能裝置的重要橋梁，運行于并網(wǎng)模式時，在電網(wǎng)電能充裕時將部分電能通過降壓整流后向儲能電池充電，在電能出現(xiàn)缺口時，將電池內(nèi)的電能進行逆變升壓供給給電網(wǎng)及其負荷；運行于離網(wǎng)模式時，由儲能系統(tǒng)逆變電能供給給微電網(wǎng)的負載。儲能雙向變流器通過在適當時機切換工作狀態(tài)實現(xiàn)了電能的合理管理，實現(xiàn)了電能的雙向流動，削峰填谷，解決了新能源間歇性的問題，提高了電網(wǎng)的能源利用率從而提高電能的利用率。對于儲能雙向變流器來說，其控制環(huán)節(jié)是直接影響電能質(zhì)量輸出好壞的重要組成部分，其控制參數(shù)對控制性能起著決定性作用，最優(yōu)參數(shù)的選取可以輸出較好的電壓、電流波形。

發(fā)明內(nèi)容

為得到最優(yōu)的控制器整定參數(shù)，本發(fā)明公開了一種基于哈里斯鷹算法的儲能雙向變流器(PCS)控制參數(shù)整定方法，引進哈里斯鷹算法(HHO)對并網(wǎng)和孤島兩種模式下的儲能雙向變流器進行控制，本發(fā)明利用該算法較強的全局搜索能力，以及需調(diào)節(jié)的參數(shù)較少的優(yōu)點，應用于儲能雙向變流器控制系統(tǒng)的電流內(nèi)環(huán)和電壓外環(huán)控制參數(shù)整定中。將該算法整定出的參數(shù)代入PI控制器中，變流器輸出波形能快速跟蹤指令值，并且諧波含量很小，整個控制系統(tǒng)較為穩(wěn)定，因此引進哈里斯鷹算法對PID參數(shù)的整定具有重大意義。

本發(fā)明具體采用以下技術方案：

一種基于哈里斯鷹算法的儲能雙向變流器控制參數(shù)整定方法，包括以下步驟：

S1：初始化哈里斯鷹種群，設置哈里斯鷹優(yōu)化算法的群體大小為N，維度為D,最大迭代次數(shù)為maxiter,根據(jù)搜索空間每一維的上界和下界，初始化每個個體；

S2：計算種群中所有哈里斯鷹的適應度值fitness，選取并記錄種群中適應度最佳的哈里斯鷹并把它的位置設為當前獵物位置；

S3：位置更新過程中模擬哈里斯鷹的捕食行為，主要分為探索階段、探索與開發(fā)轉(zhuǎn)換階段和開發(fā)階段。首先通過更新獵物逃逸能量E，然后根據(jù)逃逸能量E和生成的隨機數(shù)執(zhí)行搜索或開發(fā)行為中對應的位置更新策略；

S4：探索階段：哈里斯鷹隨機棲息在某些位置，并等待根據(jù)兩種策略探測獵物。每種棲息策略的機會q均等，則具體位置公式為：

式中：X(t),X(t+1)分別為當前和下一次迭代式時個體的位置；t為迭代數(shù)；X_rand(t)為隨機選出的個體位置；X_rabbit(t)為獵物位置，即擁有最優(yōu)適應度的個體位置；r₁、r₂、r₃、r₄、q都是[0,1]之間的隨機數(shù)；q用來隨機選擇要采用的策略；X_m(t)為個體平均位置，其公式如下：

式中：X_k(t)為種群中第k個個體的位置；N為種群規(guī)模；

S5：搜索與開發(fā)的轉(zhuǎn)換階段：HHO算法根據(jù)獵物的逃逸能量在搜索和不同的開發(fā)行為之間轉(zhuǎn)換，逃逸能量定義為：