收藏本站
《温州大学》 2016年
加入收藏

粒子群优化算法及其在三相逆变器控制中的应用研究

彭子舜  
【摘要】:为让逆变器单机或者并联运行时能输出高质量、稳定可靠的电能,逆变器控制的控制参数起着决定性作用。常规参数整定方法需要大量整定经验,整定费时。智能参数整定方法如模糊控制同样需要丰富的经验,神经网络控制则受初值影响。粒子群优化算法(Particle Swarm Optimization,PSO)无需经验指导,结构简单,操作方便,是目前参数优化领域研究的热点。本文重点研究PSO的改进,及其在逆变电源控制和电源并联控制中的运用。本文主要做了以下几个方面的工作:(1)详细分析三相变流系统的多种控制方式,如比例积分(Proportional Integral,PI)控制,准比例谐振控制(Quasi Proportional Resonant,QPR)控制和并联下垂控制,建立相应的数学模型。(2)针对逆变器并联控制中采用传统下垂控制存在无法解耦的缺陷,本文提出具有有功和无功解耦项的下垂控制,实现有功和无功解耦,通过仿真实验进行验证。(3)针对PSO存在容易陷入局部最优区域的问题,本文提出一种改进PSO—多粒子群体多速度更新方式粒子群优化算法(PSO with Multi-swarm and Multiple Velocity Update Methods,MMPSO),详细分析MMPSO中粒子群体和多种速度更新方式的意义和作用。(4)建立相应的MMPSO离线优化模型(基于不同控制的三相逆变优化模型和基于不同下垂控制的并联逆变优化模型),给定优化参数和优化区间,采取仿真和实验相结合的方式,验证优化参数的正确性。本文通过仿真和实验结果分析,表明本文设计的改进PSO能够优化出较好的控制参数,保证逆变器单独工作和并联时能稳定运行,满足设计要求。
【关键词】:控制方式 改进下垂控制 改进粒子群优化算法 离线优化模型
【学位授予单位】:温州大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TM464;TP18
【目录】:
  • 摘要4-6
  • ABSTRACT6-11
  • 第一章 绪论11-19
  • 1 课题的目的和意义11-12
  • 1.1 变流器控制及并联逆变下垂控制的介绍11
  • 1.2 粒子群优化算法的介绍11-12
  • 2 现状和发展趋势12-17
  • 2.1 变流器控制的现状和发展趋势12-13
  • 2.2 下垂控制的现状和发展趋势13
  • 2.3 粒子群优化算法的现状和发展趋势13-17
  • 3 本文主要内容和相关工作17-19
  • 第二章 逆变器控制算法分析及改进19-33
  • 1 引言19
  • 2 变流器控制方法的理论分析19-24
  • 2.1 PI控制19-21
  • 2.2 QPR控制21-24
  • 3 并联逆变器下垂控制方法的理论分析24-28
  • 3.1 并联逆变器简化模型的建立24-26
  • 3.2 下垂控制及其小信号分析26-28
  • 4 改进下垂控制的理论分析28-31
  • 4.1 改进下垂控制28-29
  • 4.2 改进下垂控制小信号分析29-31
  • 5 本章小结31-33
  • 第三章 PSO算法分析及改进33-55
  • 1 引言33
  • 2 粒子群优化算法的理论分析33-44
  • 2.1 粒子群优化算法的基础理论33-36
  • 2.2 国内外研究学者对粒子群优化算法的理论分析36-37
  • 2.3 粒子群优化算法的分析研究37-44
  • 3 改进粒子群优化算法的理论分析44-54
  • 3.1 多粒子群45-46
  • 3.2 多速度更新方式46-54
  • 4 本章小结54-55
  • 第四章 仿真及实验验证和分析55-71
  • 1 引言55
  • 2 优化目标函数的建立55-57
  • 2.1 优化目标函数的选取55-56
  • 2.2 优化目标函数的建立56-57
  • 3 离线优化模型的建立57-59
  • 3.1 三相逆变系统优化模型57-58
  • 3.2 改进下垂并联系统优化模型58-59
  • 4 三相逆变系统仿真实验对比验证59-63
  • 4.1 多种优化方式数据对比59-60
  • 4.2 三相变流系统仿真波形60-63
  • 5 改进下垂控制并联系统仿真实验对比验证63-64
  • 6 实物实验对比验证64-70
  • 6.1 三相变流系统实物实验64-68
  • 6.2 大功率实物实验68-70
  • 7 本章小结70-71
  • 第五章 总结与展望71-73
  • 参考文献73-81
  • 致谢81-82
  • 攻读学位期间发表的学术论文目录82

【相似文献】
中国期刊全文数据库 前10条
1 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期
2 李艳灵;李刚;;粒子群优化算法研究进展[J];重庆工学院学报(自然科学版);2007年05期
3 岳兴汉;薛云灿;蔡亮;;基于混沌思想的粒子群优化算法[J];河海大学常州分校学报;2007年04期
4 吕林;罗绮;刘俊勇;田立峰;;一种基于多种群分层的粒子群优化算法[J];四川大学学报(工程科学版);2008年05期
5 房靖;高尚;;不完全判断矩阵权值的粒子群优化算法计算[J];科学技术与工程;2009年19期
6 徐安;赵思宏;寇英信;黄俊;;基于混合粒子群优化的多目标决策新方法[J];火力与指挥控制;2010年01期
7 梁武;;改进的粒子群优化算法在结构优化中的应用[J];广东建材;2010年04期
8 冯雪;裴志松;;粒子群优化算法的研究与应用[J];吉林建筑工程学院学报;2011年03期
9 高立群;李若平;邹德旋;;全局粒子群优化算法[J];东北大学学报(自然科学版);2011年11期
10 赵成业;闫正兵;刘兴高;;改进的变参数粒子群优化算法[J];浙江大学学报(工学版);2011年12期
中国重要会议论文全文数据库 前10条
1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年
10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
中国博士学位论文全文数据库 前10条
1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年
2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年
3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年
4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年
8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年
中国硕士学位论文全文数据库 前10条
1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年
2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年
3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年
4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年
5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年
6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年
7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年
8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年
9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年
10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026