[发明专利]基于免疫算法的逆变器多目标Pareto最优控制方法

摘要

本发明涉及基于免疫算法的逆变器多目标Pareto最优控制方法，采用免疫算法来求解逆变器输出电流波形质量和开关损耗的多目标最优控制序列。输出电流波形质量目标由逆变器输出波形质量评价函数刻画，开关损耗目标由SwitchingLosses评价函数刻画，并以Pareto前沿面的形式给出Pareto最优解集，设计者可以根据意愿和对各目标的重视程度，从Pareto最优解集中选择出优化设计最满意的解。本发明通过计算数据手册提供的器件特性参数、负载电流、开关门极驱动信号及直流母线电压来实时计算逆变器的损耗，有可操作性，与物理模型和功能模型的建模方法相比，更适合于实际工程应用，具有在线监测的潜力。

主权项

一种基于免疫算法的逆变器多目标Pareto最优控制方法，其特征在于。步骤1，确定波形质量WQ值；步骤2，设定迭代次数k，并根据编码操作产生初始群体，定义抗体是单相逆变器开关模式对应的一组数字串，其染色体结构可以定义如下：Chrom＝X1,X2,X3,…XN其中Xm(m=1,2,3…N)即表示每个开关对应的开关序列，Xm在0,1两个值中取值，其中，初始种群是在满足编码操作及无死区时间的约束条件情况下随机产生的；步骤3，注射疫苗，即将作为治疗性疫苗的抗体加入步骤1产生的初始抗体种群中，与随机生成的染色体，得到初始的抗体种群；步骤4，对当前的抗体种群中每一条染色体计算整体亲和度；步骤5，对当前的抗体种群中每一条染色体计算浓度；步骤6，根据步骤4，5所得整体亲和度和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按概率从当前的抗体种群中去除；步骤7，针对完成步骤6的抗体群进行克隆选择，即在抗体群中确定性选择一部分亲和力较高的抗体；步骤8，针对步骤6中的抗体群进行克隆抑制，即针对抗体亲和力较差抗体进行确定性地抑制，将步骤6中克隆选择出来的亲和力较高的个体替换这类亲和力较差的抗体；步骤9，针对步骤8完成的抗体种群进行交叉操作，即以设定概率在某两个个体的交叉点发生相互交换；步骤10，针对步骤9完成抗体种群进行变异操作，即对抗体上的某一位或一些基因位上的基因值按照设定的变异概率进行的突变；步骤11，针对步骤10完成抗体种群进行倒位操作，即对抗体上的某一位或一些基因位上的基因值按照设定的倒位概率进行的倒位；步骤12，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13，否则设当前迭代次数k=k+1，返回到步骤4进行下一次迭代；步骤13，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14，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1重新生成加入初始抗体种群进行迭代；步骤14，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THD评价函数为WQ时损耗最小的开关状态控制序列，并输出当前开关质量WQ及开关状态控制序列；步骤15，判断波形质量的值是否已超过其允许最大值，是则结束，不是则重新设置WQ值，返回步骤2，执行步骤2值步骤14这一免疫计算的迭代过程。