[发明专利]基于粒子群优化算法的微网谐波抑制方法

权利要求书

1.基于PSO优化算法的微网谐波抑制方法，包括以下步骤： 

1）、初始化参数； 

2）、初始化粒子（每个粒子代表问题的一个潜在解即滤波器中L、C的参数）的位置、速度，调用微网仿真系统程序fitness，以及初始化适应度值Present； 

3）、对粒子位置和速度进行更新； 

4）、调用微网仿真系统程序fitness，更新粒子适应度值Present； 

5）、适应度评价，更新个体历史极值pbest； 

6）、更新全局极值gbest。 

2.如权利要求1所述的方法，其特征在于：步骤（1）包括： 

1-1）、确定PSO程序中的最大迭代次数、粒子数、维度数、学习因子及惯性权重的取值； 

1-2）、确定需要优化的参数的大致范围。 

3.如权利要求2所述的方法，其特征在于：步骤（2）初始化粒子的位置、速度，调用微网仿真系统程序fitness，以及初始化适应值的具体步骤如下： 

2-1）、初始化粒子当前位置； 

2-2）、初始化粒子当前速度； 

2-3）、调用微网仿真系统程序fitness； 

2-4）、根据初始化位置计算适应度值Present； 

2-5）、记每个粒子的历史最优值为pbest； 

2-6）、记全局最优值为gbest。 

4.如权利要求3所述的方法，其特征在于：步骤（2-3）中微网仿真系统程序fitness的编写的具体步骤如下： 

A1）、通过open_system函数可以打开微网仿真系统； 

A2）、通过set_param函数将微网simulink仿真系统中需要优化的LC滤波器中L和C的参数值分别设为变量，记为l和c； 

A3）、通过sim函数运行微网仿真系统； 

A4）、根据要优化的滤波器参数确定作为检验参数优劣标准的目标函数即微网谐波率，编程写出目标函数微网谐波率，同样设置为一个变量记为THD。 

5.如权利要求4所述的方法，其特征在于：步骤（3）包括： 

3-1）、确定迭代次数是否到达上限，若到达上限，则整个优化过程结束；若没有到达上限，则跳转至步骤（3-2）； 

3-2）、根据公式（1）得粒子速度更新： 

根据公式（2）得粒子位置更新： 

其中i＝1,2,...,N是粒子个数，是粒子在第k次迭代中的速度，是粒子i在第k次迭代中的位置，是粒子i在第k次迭代中的个体最优位置，也记为pbest；x^*是粒子i在第k次迭代中的全局最优位置，也记为gbest；r1和r2为均匀分布于[0,1]之间的随机数，c1和c2为加速因子，ω为惯性因子。 

6.如权利要求5所述的方法，其特征在于：步骤（4）包括： 

4-1）、再次调用微网仿真系统程序fitness； 

4-2）、更新粒子适应度值present。 

7.如权利要求6所述的方法，其特征在于：步骤（5）包括： 

5-1）、根据条件判断粒子当前适应值present是否优于历史最优值pbest，若present优于pbest则跳转至步骤（5-2），若不优于则跳转至步骤（6）； 

5-2）、用present的值代替pbest中的值，作为当前粒子最优值。 

8.如权利要求7所述的方法，其特征在于：，步骤（6）包括： 

6-1）、看算法是否满足结束条件，若不满足则跳转至步骤（3-1），若满足则跳转至步骤（6-2）； 

6-2）、更新全局极值gbest，并输出gbest和LC滤波器的最优参数值。