[发明专利]光伏离网逆变器系统的多目标寻优方法

权利要求书

1.一种光伏离网逆变器系统的多目标寻优方法，所述光伏离网逆变器系统包括直流电压源(10)，三相三电平ANPC逆变电路(20)，滤波电路(30)和负载(40)；

所述三相三电平ANPC逆变电路(20)包括两个相同的支撑电容和逆变主电路，其中，两个支撑电容分别记为支撑电容Cap₁和支撑电容Cap₂，支撑电容Cap₁和支撑电容Cap₂串联后接在直流电压源(10)的直流正母线P和直流负母线E之间，支撑电容Cap₁和支撑电容Cap₂的连接点记为直流母线中点O；

所述逆变主电路包括A相桥臂、B相桥臂和C相桥臂，每相桥臂包括6个带反并联二极管的开关管，即逆变主电路共包括18个带反并联二极管的开关管，将18个带反并联二极管的开关管记为开关管S_ij、18个反并联二极管记为二极管D_ij，其中i表示三相，i＝a，b，c，j表示开关管和二极管的序号，j＝1，2，3，4，5，6；A相桥臂、B相桥臂、C相桥臂相互并联在直流正母线P和直流负母线E之间；在三相桥臂的每相桥臂中，开关管S_i1、开关管S_i2、开关管S_i3、开关管S_i4顺序串联，开关管S_i1的输入端接直流正母线P，开关管S_i1的输出端接开关管S_i2的输入端，开关管S_i2的输出端接开关管S_i3的输入端，开关管S_i3的输出端接开关管S_i4的输入端，开关管S_i4的输出端接直流负母线E，开关管S_i5的输入端接开关管S_i1的输出端，开关管S_i5的输出端接直流母线中点O，开关管S_i6的输入端接直流母线中点O，开关管S_i6的输出端接开关管S_i3的输出端，开关管S_i2和开关管S_i3的公共节点记为逆变器输出点φ_i；开关管S_i1、开关管S_i4、开关管S_i5和开关管S_i6为工频开关管且开关频率相同，开关管S_i2和开关管S_i3为高频开关管且开关频率相同；

所述滤波电路(30)包括三相滤波电感L和三相滤波电容C₀，三相滤波电感L的一端接逆变器输出点φ_i，另一端接负载(40)，三相滤波电容C₀并联在三相滤波电感L和负载(40)之间；

其特征在于，所述多目标寻优方法基于改进的NSGA-III算法对光伏离网逆变器系统进行多目标寻优，具体步骤如下：

步骤1，建立第一步的多目标优化模型

将光伏离网逆变器系统记为系统，并设定系统中五个电容的损耗、体积、购买成本忽略不计；

设定系统满足以下约束条件：

其中，T_j，T2为开关管S_a2稳定工作时的平均结温，T_j，max为开关管S_a2能承受的最大结温，T_core为三相滤波电感L的磁芯稳定工作时的温度，T_core，max为三相滤波电感L的磁芯能承受的最大温度；

在以上设定和约束条件的基础上，以系统的效率f₁、系统的功率密度f₂、系统的特殊成本f₃、系统中开关管S_a2的预测寿命f₄为目标，建立第一步的多目标优化模型，具体表达式如下：

式中，P_T为系统中18个开关管和18个反并联二极管的总损耗，P_L为系统中三相滤波电感L的损耗，P_w为系统的额定输入功率，V_T为系统中18个开关管和18个反并联二极管的总体积，V_L为系统中三相滤波电感L中单相滤波电感的磁芯体积，Cost_T为系统中18个开关管和18个反并联二极管的购买成本，Cost_L为系统中三相滤波电感L的购买成本，f_sw为高频开关管的开关频率，Nc_g为第g个开关周期中开关管S_a2的循环次数，Nf_g为第g个开关周期中开关管S_a2的失效循环次数，g＝1，2，...，g_max，且g_max为开关周期的最大循环次数；

将f₁、f₂、f₃、f₄记为第一步优化目标f_ψ，ψ＝1，2，3，4；

步骤2，利用改进的NSGA-III算法求解第一步的多目标优化模型

步骤2.1，参数设置，包括：种群规模Pop，进化代数ζ，ζ＝0，1，2，...，ζ_max，ζ_max为最大进化代数；

初始化ζ＝0；

步骤2.2，采用不同编码方式，生成优秀初始父代种群S_ζ，种群规模为Pop；

所述不同编码方式包括二进制编码、实数编码、树型编码和量子比特编码；

所述生成优秀初始父代种群S_ζ的具体操作为：

首先采用二进制编码方式，得到一类初始父代种群Rm¹，种群规模为0.5Pop；采用实数编码方式，得到二类初始父代种群Rm²，种群规模为0.5Pop；采用树型编码方式，得到三类初始父代种群Rm³，种群规模为0.5Pop；采用量子比特编码方式，得到四类初始父代种群Rm⁴，种群规模为0.5Pop；

然后从并行初始父代种群Rm_all＝Rm¹∪Rm²∪Rm³∪Rm⁴中挑选Pop个个体进入优秀初始父代种群S_r；其中挑选操作具体为：

(a)计算并行初始父代种群Rm_all中每个目标函数的最大值

(b)计算并比较并行初始父代种群Rm_all中个体的特殊距离特殊距离越小的个体优先保存；

步骤2.3，通过遗传操作算子，得到子代种群P_ζ，种群规模为Pop；

步骤2.4，令合种群Z_ζ＝S_ζ∪P_ζ，种群规模为2Pop，对合种群Z_ζ进行快速非支配排序，得到不同排序等级的原始非支配解集Q_λ，λ为排序等级，λ＝1，2，...，1d，1d为临界排序等级，然后根据一般约束支配原则得到非支配解集K_ζ；

所述快速非支配排序的具体操作为：首先找出合种群Z_ζ中排序等级最小的原始非支配解集Q₁，令λ为1；然后将合种群Z_ζ中排序等级λ为1的原始非支配解集Q₁除去，再找出剩下的种群中排序等级最小的原始非支配解集Q₂，令λ为2；依次如此，直到进行到临界排序等级1d；排序等级越小的个体优先保存；

步骤2.5，判断非支配解集K_ζ是否大于种群规模Pop，若是，则进入步骤2.6；否则，令ζ＝ζ+1，并返回步骤2.3；

步骤2.6，对非支配解集K_ζ进行精英保留操作，获取新父代种群S_ζ+1，种群规模为Pop；

步骤2.7，判断进化代数ζ是否大于最大进化代数ζ_max：

若是，则输出新父代种群S_ζ+1中排序等级λ为1的系统的效率f₁、系统的功率密度f₂、系统的特殊成本f₃、系统中开关管S_a2的预测寿命f₄组成的四维Pareto前沿；

否则，令ζ＝ζ+1，并返回步骤2.3；

所述四维Pareto前沿为集合Ma，集合其中集合Mb＝[f_ψ]，δ₁为集合Mb的个数；

步骤3，对四维Pareto前沿进行归一化操作，得出归一化的四维Pareto前沿，具体表达式为：

式中，

Ga_ψ为四维Pareto前沿中任意集合Mb中对应的f_ψ值，为四维Pareto前沿中任意集合Mb中对应f_ψ值的最小值，为四维Pareto前沿中任意集合Mb中对应f_ψ值的最大值；

F_ψ为归一化后数据，包括：归一化后系统的效率F₁，归一化后系统的功率密度F₂，归一化后系统的特殊成本F₃，归一化后系统中开关管S_a2的预测寿命F₄；

步骤4，建立第二步的多目标优化模型

将系统的技术优势记为Y₁、系统的利润记为Y₂，以最大化Y₁-Y₂为目标，建立第二步的多目标优化模型，具体表达式如下：

式中，w₁为归一化后系统的效率F₁所占的权重系数，w₂为归一化后系统的功率密度F₂所占的权重系数，w₃为归一化后系统中开关管S_a2的预测寿命F₄所占的权重系数；

步骤5，按照步骤2.4所述的快速非支配排序方法，对步骤4得到的系统的技术优势Y₁和系统的利润Y₂二维目标进行快速非支配排序，输出排序等级λ为1的系统的技术优势Y₁和系统的利润Y₂组成的二维Pareto前沿；所述二维Pareto前沿为集合Mc，集合其中集合Md＝[Y₁，Y₂]，δ₂为集合Md的个数；

步骤6，根据需要，从二维Pareto前沿中选取一个集合Md作为最后的实施方案。