一種基于pso算法的三電平優化pwm方法
【專利摘要】本發明公開了一種基于PSO算法的三電平優化PWM方法，涉及優化脈寬調制方法領域，該基于PSO算法的三電平優化PWM方法針對三電平牽引逆變器進行諧波優化，對比不同分頻段下兩種PWM方法得到的逆變器輸出電流波形可知，PSO-PWM得到的電流THD要比SPWM的低許多，且電流波形正弦度更好。不同分頻段的4個工作點的電流波形都得到了一定程度的優化，則驗證了該PSO-PWM方法具有良好的諧波優化效果。
【專利說明】
一種基于PSO算法的三電平優化PWM方法
技術領域
[0001]本發明涉及優化脈寬調制方法領域，特別涉及一種基于PSO算法的三電平優化PffM方法。
【背景技術】
[0002]在大功率牽引逆變器中，受開關器件開關損耗及散熱的限制，開關頻率一般只有幾百赫茲。在開關頻率較低的情況下，牽引逆變器輸出波形的諧波含量會比較大。這些諧波會造成牽引電機附加損耗增加和運行溫度升高，縮短電機絕緣壽命，同時還會使牽引電機輸出轉矩產生脈動，產生機械震動和噪聲等問題，對高速動車組或大功率電力機車的牽引性能造成了很大的影響。因此，有必要采用優化脈寬調制(PWM)方法來減少牽引逆變器輸出波形的諧波。
[0003]PSO算法是美國的Kennedy和Eberhart博士在受鳥群覓食行為啟發后于1995年提出來的。PSO算法與其它進化算法類似，也采用群體和進化的概念。傳統正弦脈寬調制(SPffM)的諧波優化效果較為一般，不能滿足現在對牽引逆變器的諧波優化效果要求。
【發明內容】
[0004]本發明所要解決的技術問題是提供一種基于PSO算法的三電平優化PffM方法，通過采用PSO優化脈寬調制(PffM)對大功率三電平牽引逆變器的輸出波形進行諧波優化，以解決現有的傳統正弦脈寬調制(SPffM)的諧波優化效果較為一般的缺陷。
[0005]為實現上述目的，本發明提供以下的技術方案:一種基于PSO算法的三電平優化PffM方法，其特征在于:所述基于PSO算法的三電平優化PffM方法針對三電平牽引逆變器進行諧波優化，在PSO算法中，在η維空間內搜索全局優化問題的最優解，每個粒子表示η維空間的一個可行解，種群中粒子的個數稱為種群規模，包括以下步驟:
(I)隨機初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ；
⑵根據公式 vid (t+1) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid (t+1)=Xid (t)+Vid (t+1)更新每個粒子的速度和位置；
(3)計算每個粒子當前的適應度函數值；
(4)更新粒子在搜索空間飛行過程中自身所經歷過的最優位置和整個群體經歷過的最優位置；
(5)若達到停止條件輸出最優個體，否則返回步驟(2);
(6)t= t+1，若t達到最大迭代次數T，則停止迭代。
[0006]優選的，所述PSO算法中，用η維向量Xi= (X u，xi2，…，xin)來表示第i個粒子的位置，用η維向量Vi= (v vi2,…，vin)來表示第i個粒子的速度。
[0007]優選的，所述步驟(I)中pbest表示粒子在搜索空間飛行過程中，它自身所經歷過的最優位置記作Pi= (P i1.Pi2^…，Pin)。
[0008]優選的，所述步驟(I)中gbest表示粒子在搜索空間飛行過程中，整個群體經歷過的最優位置用索引符號g表示，即pg。
[0009]優選的，所述步驟⑵中t為當前迭代次數，w為慣性權重；cJPc2為加速常量；ri和^為2個在[0，1]范圍內服從均勻分布的隨機變量，使其依據自身速度進行慣性運動。
[0010]優選的，所述慣性權重系數w采用遞減形式:w = (W1-W2) X (T_t)/t+w2，式中，W1S最大慣性權重，W2為最小慣性權重，T為最大迭代次數。
[0011 ] 優選的，所述三電平牽引逆變器為城軌車輛用三電平牽引逆變器。
[0012]優選的，所述三電平牽引逆變器的牽引逆變器直流側電壓Ud = 3000V，牽引電機的額定電壓UN = 2700V，額定電流IN = 145A，額定功率PN = 562kW。
[0013]采用以上技術方案的有益效果是:本發明采用了 POS算法針對三電平牽引逆變器進行諧波優化，對比不同分頻段下兩種PWM方法得到的逆變器輸出電流波形可知，PSO-PffM得到的電流THD要比SPffM的低許多，且電流波形正弦度更好。不同分頻段的4個工作點的電流波形都得到了一定程度的優化，則驗證了該PSO-PffM方法具有良好的諧波優化效果。
【附圖說明】
[0014]圖1是三電平牽引逆變器-電機驅動系統主電路；
圖2是相電壓Ua。的波形圖。
【具體實施方式】
[0015]下面結合附圖詳細說明本發明基于PSO算法的三電平優化PffM方法的優選實施方式。
[0016]圖1和圖2出示本發明基于PSO算法的三電平優化PffM方法的【具體實施方式】:圖1給出了三電平牽引逆變器-電機驅動系統的主電路結構圖。假定圖1中三電平逆變器的輸出相電壓是四分之一周期對稱，二分之一周期反對稱的，如圖2所示。由傅立葉變換可知，這樣的波形可以保證逆變器輸出電壓不含直流分量和偶數次諧波分量。由波形的對稱性可知，只要確定第一個四分之一周期內的N個脈沖開關角度，三電平逆變器的輸出電壓脈沖序列就能唯一地確定。
[0017]在牽引逆變器-電機驅動系統中，當異步電機基波頻率較高時，其k次諧波電流的有效值近似為:Ik= U k/k(xis+xir)，其中，隊為k次諧波相電壓的有效值，X 1；3和X k分別為基波頻率下定子漏電抗和轉子漏電抗。
[0018]結合圖1和圖2所示，該基于PSO算法的三電平優化PffM方法，其特征在于:所述基于PSO算法的三電平優化PffM方法針對三電平牽引逆變器進行諧波優化，在PSO算法中，在η維空間內搜索全局優化問題的最優解，每個粒子表示η維空間的一個可行解，種群中粒子的個數稱為種群規模，包括以下步驟:
(I)隨機初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ；
⑵根據公式 vid (t+1) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid (t+1)=Xid (t)+Vid (t+1)更新每個粒子的速度和位置；
(3)計算每個粒子當前的適應度函數值；
(4)更新粒子在搜索空間飛行過程中自身所經歷過的最優位置和整個群體經歷過的最優位置； (5)若達到停止條件輸出最優個體，否則返回步驟(2);
(6)t= t+1，若t達到最大迭代次數T，則停止迭代。
[0019]PSO算法中，用η維向量Xi= (X ^xi2,…，xin)來表示第i個粒子的位置，用η維向量Vi= (V vi2,…，vin)來表示第i個粒子的速度。所述步驟(I)中pbest表示粒子在搜索空間飛行過程中，它自身所經歷過的最優位置記作P1= (Pu，P12,…，Pin);所述步驟(I)中gbest表示粒子在搜索空間飛行過程中，整個群體經歷過的最優位置用索引符號g表示，即Pg;所述步驟⑵中t為當前迭代次數，w為慣性權重c 2為加速常量^為2個在[0，1]范圍內服從均勻分布的隨機變量，使其依據自身速度進行慣性運動；慣性權重系數W采用遞減形式:w = (W1-W2) X (T_t)/t+w2，式中，W1為最大慣性權重，W2為最小慣性權重，T為最大迭代次數。
[0020]以上的僅是本發明的優選實施方式，應當指出，對于本領域的普通技術人員來說，在不脫離本發明創造構思的前提下，還可以做出若干變形和改進，這些都屬于本發明的保護范圍。
【主權項】
1.一種基于PSO算法的三電平優化PffM方法，其特征在于:所述基于PSO算法的三電平優化PffM方法針對三電平牽引逆變器進行諧波優化，在PSO算法中，在η維空間內搜索全局優化問題的最優解，每個粒子表示η維空間的一個可行解，種群中粒子的個數稱為種群規模，包括以下步驟: (I)隨機初始化粒子群，包括粒子的速度和位置，初始化pbest和gbest，t = O ； ⑵根據公式 vid(t+l) = wvid (t) +C^1 [pid (t) -xid (t) ] +c2r2 [pgd (t) -xid (t)]和 xid(t+l)=xid(t)+vid(t+l)更新每個粒子的速度和位置； (3)計算每個粒子當前的適應度函數值； (4)更新粒子在搜索空間飛行過程中自身所經歷過的最優位置和整個群體經歷過的最優位置； (5)若達到停止條件輸出最優個體，否則返回步驟(2); (6)t= t+1，若t達到最大迭代次數T，則停止迭代。2.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述PSO算法中，用η維向量Xi= (XiPXiiJr^Xin)來表示第i個粒子的位置，用η維向量Vi= (Vil,Vi2""", Vln)來表示第i個粒子的速度。3.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述步驟(I)中Pbest表示粒子在搜索空間飛行過程中，它自身所經歷過的最優位置記作P1= (Pu，Pi2，…，Pin)。4.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述步驟(I)中gbest表示粒子在搜索空間飛行過程中，整個群體經歷過的最優位置用索引符號g表示，即Pg。5.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述步驟⑵中t為當前迭代次數，w為慣性權重；cdP C2為加速常量；1'1和1'2為2個在[0，1]范圍內服從均勻分布的隨機變量，使其依據自身速度進行慣性運動。6.根據權利要求5所述的慣性權重W，其特征在于:所述慣性權重系數w采用遞減形式:W = (W1-W2) X (T_t)/t+W2，式中，W1為最大慣性權重，W 2為最小慣性權重，T為最大迭代次數。7.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述三電平牽引逆變器為城軌車輛用三電平牽引逆變器。8.根據權利要求1所述的基于PSO算法的三電平優化PffM方法，其特征在于:所述三電平牽引逆變器的牽引逆變器直流側電壓Ud = 3000V，牽引電機的額定電壓UN= 2700V，額定電流IN = 145A，額定功率PN = 562kW。
【文檔編號】H03K7/08GK105897228SQ201510035727
【公開日】2016年8月24日
【申請日】2015年1月21日
【發明人】宋奇吼, 束元, 劉盛烺, 葉云飛, 童巖峰, 戴麗君, 朱柏楊, 徐百釧, 王雪鈺
【申請人】南京鐵道職業技術學院