专利名称：混合有源电力滤波器的多目标优化方法
技术领域：
本发明涉及电力电子领域，尤其涉及一种混合有源电力滤波器的多目标优化方法。
背景技术：
现代电力电子装置的广泛应用，给电网带来了无功缺额、谐波污染和电压闪变等严重的电能质量问题。无源电力滤波器(Passive Power Filter,简称PPF)和有源电力滤波器(Active Power Filter,简称APF),能够实现谐波抑制和无功补偿,解决电网的电能质量问题。其中，PPF是利用电感、电容元件的谐振特性，形成谐波的低阻抗支路，具有成本低、 技术成熟等优点，但存在滤波特性依赖电网参数，容易失调和谐振等不足;APF是一种动态的谐波抑制和无功补偿装置，能够克服PPF的缺点，但投资成本过高，难以实现大规模的推广和应用。
为了解决电网电能质量问题、推进APF的发展，赤木泰文、彭方正、罗安等学者开展了混合型 APF (Hybrid Active Power Filter, HAPF)的研究。HAPF 由 PPF 和 APF 通过适当方式组合而成，能够实现滤波性能和投资成本的合理折中。
无变压器型HAPF，由于避免了耦合变压器对系统成本、体积和性能的影响，在大容量或中高压谐波治理和无功补偿场合具有明显的优势。但是，在无变压器型注入式HAPF 系统中，由于主电路元件和控制参数较多，无源支路和有源支路参数之间的耦合性非常强， 使得对主电路各元件及控制参数的合理选型和设计成为保证HAPF性能和经济性的首要问题。
在现有技术中，给出了以下几个方案1、注入式HAPF注入支路的参数设计方案，提出了一种基于遗传算法的APF输出滤波器设计方法；2、提出了一种基于粒子群 (Particle Swarm Optimization,简称PS0)算法的多目标HAPF优化方法，通过将多目标转化为单目标优化问题，简化了 HAPF多目标约束问题的处理过程；3、提出一种基于PSO优化的改进多目标优化算法，以性能优、成本低为目标，对HAPF的无源支路和有源支路分别进行了优化设计。
但是上述对HAPF主电路进行优化设计的方案，存在以下不足I)没有考虑无源电路与有源电路之间的耦合关系，2)忽略了主电路电气元件与控制参数之间的相互影响；3) 没有考虑HAPF系统的自身功耗。因此亟需一种解决方案来解决上述问题。发明内容
本发明所要解决的技术问题之一是需要提供一种能够基于性能、成本和损耗来设计混合有源电力滤波器的混合有源电力滤波器的多目标优化方法。
为了解决上述技术问题，本发明提供了一种混合有源电力滤波器的多目标优化方法，包括根据所述混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系，以及所述有源支路和所述无源支路的各元件与控制参数之间的耦合关系，来得到与所述控制参数相关的第一类约束条件；获取所述混合有源电力滤波器的性能、成本和损耗模型；根据所述混合有源电力滤波器的技术要求来设置第二类约束条件；建立基于所述混合有源电力滤波器的性能、成本和损耗模型的三维优化目标函数，并将与所述第一类约束条件和所述第二类约束条件相结合作为所述三维优化目标函数的约束条件；对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数；基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解。
根据本发明另一方面的多目标优化方法，所述第二类约束条件包括关于抑制高频开关谐波的约束条件、关于无功补偿的约束条件、关于所述有源支路中滤波电感的约束条件和关于所述有源支路中直流侧电容的约束条件。
根据本发明另一方面的多目标优化方法，所述混合有源电力滤波器的损耗包括所述有源支路的损耗和所述无源支路的损耗，其中，所述无源支路的损耗包括所述无源支路中电感的损耗，所述有源支路的损耗包括所述有源支路中滤波电感的损耗和逆变桥的损耗。
根据本发明另一方面的多目标优化方法，所述无源支路中电感的损耗是通过基于所述混合有源电力滤波器的基波等效电路和谐波等效电路所得到所述无源支路中电感的内阻的功率损耗；
所述有源支路中滤波电感的损耗是通过基于所述混合有源电力滤波器的谐波等效电路所得到所述有源支路中滤波电感的内阻的功率损耗；
所述逆变桥的损耗包括绝缘栅双极型晶体管的通态损耗、开通损耗和关断损耗， 以及反并联二极管的通态损耗和关断损耗。
根据本发明另一方面的多目标优化方法，在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时，所述无源支路的电感损耗功率PPltjss利用以下表达式得到
权利要求
1.一种混合有源电力滤波器的多目标优化方法,包括根据所述混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系，以及所述有源支路和所述无源支路的各元件与控制参数之间的耦合关系，来得到与所述控制参数相关的第一类约束条件；获取所述混合有源电力滤波器的性能、成本和损耗模型；根据所述混合有源电力滤波器的技术要求来设置第二类约束条件；建立基于所述混合有源电力滤波器的性能、成本和损耗模型的三维优化目标函数，并将与所述第一类约束条件和所述第二类约束条件相结合作为所述三维优化目标函数的约束条件；对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数；基于混沌算法和基于Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解。
2.根据权利要求I所述的多目标优化方法，其特征在于，所述第二类约束条件包括关于抑制高频开关谐波的约束条件、关于无功补偿的约束条件、关于所述有源支路中滤波电感的约束条件和关于所述有源支路中直流侧电容的约束条件。
3.根据权利要求I所述的多目标优化方法，其特征在于，所述混合有源电力滤波器的损耗包括所述有源支路的损耗和所述无源支路的损耗，其中，所述无源支路的损耗包括所述无源支路中电感的损耗，所述有源支路的损耗包括所述有源支路中滤波电感的损耗和逆变桥的损耗。
4.根据权利要求3所述的多目标优化方法，其特征在于，所述无源支路中电感的损耗是通过基于所述混合有源电力滤波器的基波等效电路和谐波等效电路所得到所述无源支路中电感的内阻的功率损耗；所述有源支路中滤波电感的损耗是通过基于所述混合有源电力滤波器的谐波等效电路所得到所述有源支路中滤波电感的内阻的功率损耗；所述逆变桥的损耗包括绝缘栅双极型晶体管的通态损耗、开通损耗和关断损耗，以及反并联二极管的通态损耗和关断损耗。
5.根据权利要求I至4任一项所述的多目标优化方法，其特征在于，在所述混合有源电力滤波器为无变压器型注入式混合有源电力滤波器时，所述三维优化目标函数为f (X*) =minf (X) = [Jcost, THD, PlosJ其中，Jrast表示所述混合有源电力滤波器的成本，THD表示所述混合有源电力滤波器的性能，Ploss表示所述混合型有源电力滤波器的损耗，所述三维优化目标函数的约束条件是g OO ^ O, X*是所述三维优化目标函数的最优解，^[(:』》:尤]其中，
6.根据权利要求I所述的多目标优化方法，其特征在于，在对所述三维优化目标函数及其约束条件进行处理以构造所述三维优化目标函数及其约束条件之间量纲一致的新目标函数的步骤中，进一步包括以下步骤，对所述三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理；将归一化处理后的三维优化目标函数与所述个体约束违反程度值相结合，计算距离量度和自适应惩罚函数；基于所述距离量度和所述自适应惩罚函数得到新目标函数。
7.根据权利要求I所述的多目标优化方法，其特征在于，通过以下步骤对所述三维优化目标函数及其约束条件的个体约束违反程度值进行归一化处理，利用以下表达式对所述三维优化目标函数进行归一化处理
8.根据权利要求I所述的多目标优化方法，其特征在于，在基于混沌算法和基于 Pareto最优解的多目标PSO算法来得到所述新目标函数的最优解的步骤中，进一步包括以下步骤，步骤1，定义优化解的变量组合以及各个变量的搜索空间；步骤2，设置PSO算法的相关参数；步骤3，利用混沌序列产生粒子群中各个粒子的初始化位置和速度；步骤4，计算自适应惯性权重，以更新每个粒子的位置和速度，并进行搜索空间边界检步骤5，基于所述新目标函数计算适应度函数；步骤6，利用Pareto支配理论对粒子进行排序，并为非支配集合更新外部存储器；步骤7，用自适应网格法从外部存储器中选出当代的全局最优粒子；步骤8，更新每个粒子的局部最优位置；步骤9，判断是否满足变异条件，若满足则产生基于中心邻域和整个搜索空间混沌序列的粒子作为最优解，否则，直接返回所述步骤4。
9.根据权利要求8所述的多目标优化方法，其特征在于，基于Sigmoid函数来计算自适应惯性权重。
10.根据权利要求8所述的多目标优化方法，其特征在于，所述变异条件为经归一化处理后所述全局最优粒子的欧几里得距离连续多代的变化小于设定的变异阈值。
全文摘要
本发明公开了一种混合有源电力滤波器的多目标优化方法，该方法包括分析混合有源电力滤波器中有源支路和无源支路的各元件与系统阻抗的关系，以及与控制参数之间的耦合关系得到第一类约束条件；获取滤波器的性能、成本和损耗模型；根据滤波器技术要求设置第二类约束条件；建立基于性能、成本和损耗模型的目标函数，并将与第一类约束条件和第二类约束条件相结合作为目标函数的约束条件；对目标函数及其约束条件进行处理构造新目标函数；基于混沌算法和基于Pareto最优解的多目标PSO算法来得到最优解。本发明通过建立基于性能、成本和损耗的三维优化目标函数，相比两个目标，三个目标的优化算法，使得优化解在性能、成本和效率三方面之间获得较好的折中。
文档编号H02J3/01GK102916429SQ20121044747
公开日2013年2月6日 申请日期2012年11月9日 优先权日2012年11月9日
发明者于晶荣, 王一军, 曹一家, 徐勇, 曹小明 申请人:中南大学