技术领域
本发明系MMC系统中PI参数的优化范畴,尤其涉及一种基于蚁群模拟退火算法的MMC系统中PI参数的优化方法。
背景技术
MMC(模块化多电平换流器)拓扑主要以半桥子模块为基本功率单元,采用模块级联的方式构成三相六桥臂,MMC因其自身的模块化拓扑,简化了换流器的容量拓展和冗余设计,具有谐波次数低、无需换相电压、可拓展性强等优点,使其备受国内外学者的重视。在MMC的控制中,应用最广泛的控制器是PI控制器,其作用是使误差朝需要的越来越小的方向逼近,以达到MMC控制要求的控制精度。其具有结构简单、调整方便等优点。其中比例Kp成比例的反应控制系统的偏差信号,偏差一旦生成,控制器立即产生控制作用,以减少偏差。积分环节Ki主要用于消除静态差。
蚁群算法是模拟大自然中蚂蚁觅食过程而提出的一种仿生算法。它是蚂蚁在觅食的过程中,最终能够找到食物源和巢穴之间的最短距离。蚁群算法和其他的启发式算法相比,具有比较好的鲁棒性,并且对于起始路线要求不高的优点。但是传统的蚁群算法是根据信息素的浓度来选择路径,由于算法中正反馈效应的存在,会导致算法很容易陷入局部最优解,出现早熟现象。
模拟退火算法是基于固体退火原理的一种基于概率的算法,模拟退火算法是由加温过程,等温过程和冷却过程三部分组成的。算法设定初温对应于加温过程,算法的Metropolis抽样过程对应于等温过程,控制参数的下降对应于冷却过程。模拟退火算法以一定的概率接收较差的解,可以有效地改善蚁群算法的早熟现象,但收敛速度较慢。
发明内容
为了解决背景技术所述的上述问题,克服现有的蚁群算法易使MMC的PI参数值陷入局部最优值的技术缺陷,本发明提供一种基于蚁群模拟退火算法的MMC的PI参数优化,使优化后的参数改善了MMC的相间环流。
本发明采用的技术手段如下:
一种基于蚁群模拟退火算法的MMC(模块化多电平换流器)的PI参数优化方法,将MMC的PI参数寻优问题转换为旅行商问题,所述旅行商问题即TSP为:旅行商寻找最短路径遍历给定的c个城市且不重复并最终回到原点。
为省略禁忌表,问题简化:两城市间有多条路径,旅行商按固定单向顺序遍历所有共c个城市,寻求最短路径。
所述方法在Matlab/simulink环境下编写m函数代码并搭建simulink模型完成的进一步说,本发明包括以下步骤:
S1、初始化操作。
设置以下参数:
PI参数整定范围、蚂蚁数量A、信息素常系数Q、残留系数ρ、城市之间路径个数path、初始温度T
S2、将蚁群算法的单次遍历的各城市的路径解码为比例K
S3、运行simulink模型,选取误差绝对值乘时间平方积分ITAE2准则作为算法的目标函数,计算ITAE2并记录对应的最优路径和ITAE2值W1。
S4、将S3中的最佳路径随机产生一个扰动生成新路径,记录并对新路径解码,运行simulink模型,得到新路径的ITAE2值W2。
S5、计算ΔE=W2-W1,如果ΔE<0,则接收W2作为解的当前解;否则计算W2的接受概率P,决定是否接受W2。
S6、更新信息素浓度,降温。
S7、如果满足终止条件Stop,则输出当前解W1为最优解,结束程序。否则重复S2至S6。
进一步地,步骤S1的具体确定PI参数变量如下:
确定PI控制器待优化的PI参数变量为[K
进一步地,步骤S2的具体步骤如下:
S21、第k只蚂蚁从城市i转移到下一个城市选择第j条路径的状态转移公式如下:
式中:τ
S22、蚂蚁k完成某次遍历的轨迹标号为{D
X
D
进一步地,所述步骤S3的ITAE2公式为:
式中,z为求和项数,n为项数上限,
进一步地,所述步骤S5中,如果新解为劣解,此时不会立即舍弃,而是再进行概率判断:首先在区间[0,1]产生一个均匀分布的随机数ε,若ε<p,则这种转移会被接受,否则被舍弃,进入下一步,接收概率p为:
式中:T为温度,且T=T
进一步地,步骤S6的具体步骤如下:
S61、第k只蚂蚁所走过的路径中信息素按照下式更新:
式中:
S62、降温T=T
本发明的有益效果是
本发明将蚁群算法和模拟退火算法进行了有效的融合,通过对蚁群算法的信息素更新规则的改进,把搜索的最优解作为模拟退火算法的当前解,提高了MMC中PI参数的优化效果,使桥臂波形质量和抑制环流得到了有效改善。
本发明的MMC的PI参数优化方法克服了单个蚁群算法存在的的弊端,即蚁群算法易于陷入局部最优值的技术缺陷,实现了蚁群和模拟退火算法的优势互补,提高了最佳PI参数值的搜索效率和避免了陷入局部最优值,使优化后的参数改善了MMC的相间环流。
附图说明
图1为本实施例中所采用的拓扑结构的示意图。
图2为本发明的MMC电容电压均衡控制图。
图3为本发明的基于蚁群模拟退火算法的MMC的PI参数优化的流程示意图。
图4是基于蚁群算法优化的PI参数的环流波形。
图5是本发明中基于蚁群模拟退火算法优化的PI参数的环流波形。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
本实施例中所采用的拓扑结构由图1所示,该拓扑结构由三相六桥臂组成,每桥臂级联4个子模块SM,L=0.03H为桥臂电感,R=20Ω为负载等效电阻,L
图2为现有MMC电容电压均衡控制系统中PI控制器,PI控制器(比例-积分控制器)是在MMC控制应用中常见的反馈回路部件。
如图3所示,一种基于蚁群模拟退火算法的MMC参数优化方法,包括:如下步骤:
本发明采用的技术手段如下:
一种基于蚁群模拟退火算法的MMC的PI参数优化方法,所述方法在Matlab/simulink环境下编写m函数代码并搭建simulink模型完成的,包括以下步骤:
S1、初始化操作。
设置以下参数:
X
S2、将蚁群算法的单次遍历的各城市的路径解码为比例K
S3、运行simulink模型,选取误差绝对值乘时间平方积分ITAE2准则作为算法的目标函数,计算ITAE2并记录对应的最优路径和ITAE2值W1。
S4、将S3中的最佳路径随机产生一个扰动生成新路径,记录并对新路径解码,运行simulink模型,得到新路径的ITAE2值W2。
S5、计算ΔE=W2-W1,如果ΔE<0,则接收W2作为解的当前解;否则计算W2的接受概率P,决定是否接受W2。
S6、更新信息素浓度,降温。
S7、如果满足终止条件Stop,则输出当前解W1为最优解,结束程序。否则重复S2至S6。
进一步地,步骤S2的具体步骤如下:
S21、第k只蚂蚁从城市i转移到下一个城市选择第j条路径的状态转移公式如下:
式中:τ
S22、蚂蚁k完成某次遍历的轨迹标号为{D
X
D
所述步骤S3的ITAE2公式为:
式中,z为求和项数,n为项数上限,s为时间变量,Δs为求和时间小区间,e(s)=i
步骤S4中将步骤S3中的最优蚂蚁路径经过互换、逆转、平移操作产生新解。
所述步骤S5中,如果新解为劣解,此时不会立即舍弃,而是再进行概率判断:首先在区间[0,1]产生一个均匀分布的随机数ε,若ε<p,则这种转移会被接受,否则被舍弃,进入下一步,接收概率p为:
式中:T为温度,且T=T
进一步地,步骤S6的具体步骤如下:
S61、第k只蚂蚁所走过的路径中信息素按照下式更新:
式中:
S62、降温T=T
步骤S7中如果满足T<Tend,则输出当前解W1为最优解,结束程序。否则重复S2至S6。
采用蚁群算法和蚁群模拟退火算法优化PI参数后的的桥臂环流波形如图4和图5所示。由图4中图5可以看出,经过蚁群模拟退火算法优化参数后的桥臂环流的范围由[0.95,7.3]变成了[1.25,7]。说明经本发明算法优化后的PI参数使控制器抑制环流的效果增强。
机译: 基于分类学的移动蚁群网络路由多蚁群优化方法
机译: 基于分类学的移动蚁群网络路由多蚁群优化方法
机译: 基于模拟退火算法的频率优化方法和装置