基于免疫算法的三相逆变器最优空间矢量PWM控制方法

摘要

本发明提出一种基于免疫算法的三相逆变器最优空间矢量PWM控制方法，对三相电压型逆变器空间矢量控制（SVPWM）优化问题进行分析研究，优化目标为使三相电压型逆变器输出电压波形质量最优。在传统三相电压型逆变器SVPWM控制方法及其应用的基础上，根据三相电压型逆变器空间电压矢量控制中存在可优化的自由度，基于免疫算法提出了同时优化矢量顺序和零矢量作用时间的优化策略，考虑其优化效果和效率，提出其为最优空间矢量PWM控制策略。此外，本发明考虑实际电力系统中，低次谐波影响较大，高次谐波影响较小，而提出将电压加权总谐波畸变率（WTHD）作为衡量波形质量的标准，更符合实际情况。

主权项

1.一种基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：设三相逆变器的上桥臂开关为Sa、Sb和Sc，相应的下桥臂开关为Sa′、Sb′和Sc′，三相逆变器中桥臂开关的单极性二值逻辑开关函数S_m按以下公式取值，三相逆变器的工作状态采用三相电压空间矢量（S_aS_bS_c）表示，包括矢量V₀（000）、V₁（001）、V₂（010）、V₃（011）、V₄（100）、V₅（101）、V₆（110）、V₇（111）；采用免疫算法求取对三相逆变器的整个周期中0~2π/3部分的开关状态控制序列，然后经过对称变换得到整个周期中的开关状态控制序列，所述求取0~2π/3部分的开关状态控制序列包括以下步骤，步骤1，编码操作，包括设置每一条抗体含有两条子抗体x和y，一条子抗体x包括0~2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括4个不同矢量V_m，子抗体x的每个基因位用矢量V_m的相应数值表示，矢量V_m的相应数值为m，m的取值范围为0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量V_m分别对应的作用时间T_m；步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群；步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度；步骤4，计算浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度，令空间X是当前的抗体种群所有抗体的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，设第i条抗体x_i和第j条抗体x_j为在空间X中的两个矢量，它们通过函数f映射到空间Y中为矢量f(x_i)、f(x_j)，矢量f(x_i)、f(x_j)在Y空间中的距离为$E(x_i,x_j)=\underset{0}{\overset{\infty }{\int }}|f\left(x_i\right)-f\left(x_j\right)|\mathrm{dt}$则抗体x_i与当前的抗体种群所有抗体的空间距离总和为$E\left(x_i\right)=\underset{j=1}{\overset{H}{\Sigma }}E(x_i,x_j)$式中，H为当前的抗体种群中的抗体总数；抗体浓度计算公式为$\mathrm{Density}\left(x_i\right)=\frac{1}{E\left(x_i\right)}$步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体随机从当前的抗体种群中去除；步骤6，基于当前的抗体种群进行交叉操作；步骤7，基于当前的抗体种群进行变异操作；步骤8，基于当前的抗体种群进行倒位操作；步骤9，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤10，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代；步骤10，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤11，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成初始抗体种群进行迭代；步骤11，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0~2π/3部分的开关状态控制序列。