基于改进PSO算法的优化特定消谐PWM技术

《基于改进PSO算法的优化特定消谐PWM技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2009年第2期东北电力技术7基于改进PSO算法的优化特定消谐PWM技术OptimizationofSelectiveHarmonicEliminationPWMTechnologyBasedonImpovedPSOAlgorithm．伏祥运(连云港供电公司，江苏连云港150001)摘要：提出一种改进的粒子群优化(ParticleSwarmOptimization，PSO)算法，与传统PSO算法的区别是借鉴模拟退火算法，当微粒个体的适应值小于个体最优值时，以一定的概率接受为个体的最优值。这种处理可以增大算法的全局搜索能力，避免陷入局部最小值。应用改进PSO算法对特定消谐PWM的开关角进行

2、求解，算例证明可以在更小的误差范围内找到方程的解。关键词：脉宽调制；特定消谐；粒子群算法Abstract：Animprovedparticleswal3noptimization(PSO)algorithmisproposed，andthediferenceofwhich，ascomparedwithtraditionalPSO，isthatituseasasourceofreferencetosimulatedannealingalgorithm．Whenindividualparticlesareadaptedtoindi—vidualoptimalvalue，itacceptsth

3、eoptimalvalueatcertainprobability．Globalsearchingabilityisthusincreasedavoidinglocalmini-mumvalue．SolutionstoselectiveharmoniceliminationPWMswitchanglesshouldbemadebyimprovedPSOalgorithm．Examplesshowthatsolutionscarlbefoundatlessen'orscope．Keywords：Pulsewidthmodulation；Selectiveharmoniceliminatio

4、n；Particleswamialgorithm[中图分类号]TM464；TM76[文献标识码]A[文章编号]1004—7913(2009)02—0007—03脉宽调制(PulseWidthModulation，PWM)技美国Kennedy博士1995年提出了PSO算法。术由于其自身的诸多优点已在电力电子变换器中被PSO算法属于进化算法的一种，与遗传算法类似，广泛应用。为消除PWM波形中的某些特定次数的从随机解出发，通过迭代寻找最优解，通过适应度谐波，美国密苏里大学HasmukhS．patel和Rchard来评价解的品质。优化问题的每一个可行解都是搜G．holt于1973年提出了特定消谐

5、PWM(Selective索空间的一个微粒，根据对环境的适应度将群体中HarmonicEliminationPWM，SHE—PWM)技术。其的个体移动到较好的位置。各个微粒在搜索空间中基本思想是在电压波形的特定位置设置缺口，把逆根据自身和同伴的飞行经验以一定的速度飞行，追变器直流侧的方波电压转换成等效的正弦波电压输随着当前的两个最优值来更新自己，一个是微粒迄出，设置Ⅳ个缺口，就可以消除Ⅳ种谐波J。在今为止寻找到的最优值，叫做个体极值P；另一特定消谐PWM技术中，器件的开关时刻(设置的个是整个微粒群迄今为止寻找到的最优值，叫做全缺口处的角度)是一组非线性超越方程组的解¨J，局极值G最终在搜

6、索空间中找到全局最优解。难以用传统方法进行精确求解。设在-，维空间中有m个微粒，微粒(i=1，当前，通过模拟生物群体的行为来解决计算问2，⋯⋯m)的位置X=(⋯⋯)，它所题已成为新的研究热点-6]，形成了以群体智能经历过的最优位置记为Pf=(PPp2⋯⋯P)，。(SwarmIntelligence)为核心的理论体系。基于群与此位置相应的适应值称为个体最优值，记为体智能的粒子群优化算法是一种有效的优化工具，P。所有微粒经历过的最优位置记为P=(PPSO算法可用于复杂优化问题的求解。本文对PSO⋯⋯P)。与此位置相应的适应值称为全局最算法加以改进，并应用于特定消谐PWM技术中。优值，记为G。

7、微粒i的飞行速度用=(，仿真试验证明，应用改进PSO算法可以在较小的⋯⋯)表示。则每个微粒根据式(1)修正自，误差范围内求解得到开关角，满足工程实际需要。己的位置和速度：f=∞+c1rand()(P—)+C2rand()(P—1粒子群优化算法及改进x1．1粒子群优化算法的基本原理X=X+(1)8东北电力技术2009年第2期=1．2⋯m权重。to越大，全局搜索能力越强；小，则全局=1，2⋯J搜索能力较弱。to可由式60：toi+(∞一