基于GSA和SVM算法的Z源逆變器驅(qū)動控制

王金玉，孟令琪，李 港

(1.東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318;2.天津市濱海新區(qū)大港油田第六采油廠，天津 300450)

0 引言

傳統(tǒng)感應(yīng)電機驅(qū)動系統(tǒng)采用電壓源逆變器(voltage source inverter，VSI)或電流源逆變器(current source inverter，CSI)作為功率變換單元，輸出電壓小于傳統(tǒng)VSI的輸入直流電壓[1-3]。此外，在類似的橋上發(fā)射晶閘管是有限的，因為它短路了直流電源[4-5]。傳統(tǒng)的電壓源型變頻調(diào)速系統(tǒng)中，降壓型逆變器輸出電壓低于電網(wǎng)電壓，這對許多要求系統(tǒng)過載運行的場合很不利。系統(tǒng)本身不具備穿越電網(wǎng)電壓跌落的能力，通常通過增加一級Boost電路升壓來承受電網(wǎng)電壓跌落。但是該方法提高了系統(tǒng)復(fù)雜度，增加了系統(tǒng)成本和體積。[6-7]Z源逆變器克服了常規(guī)VSI和CSI的不足，可以用來控制上述問題[8-11]。

1 系統(tǒng)分析

1.1 Z源逆變器控制方案

算法控制流程如圖1所示。

圖1 算法控制流程框圖

1.2 利用GSA獲得PI控制器的參數(shù)優(yōu)化

GSA旨在解決優(yōu)化問題。基于人口的啟發(fā)式算法是基于重力和質(zhì)量相互作用的規(guī)律[13]。該算法由搜索器組成，通過引力相互作用。這些粒子被認為是對象，它們的性能是由它們的質(zhì)量來衡量的。重力導(dǎo)致了一種全球運動，所有物體都向其他物體移動，物體質(zhì)量更大[14]。利用該算法對較重的質(zhì)量進行了緩慢的運動，并給出了較好的解決方案。質(zhì)量的位置表示問題的解，在這里，重力和慣性質(zhì)量是由一個適應(yīng)度函數(shù)決定的。該算法通過調(diào)整重力和慣性質(zhì)量來導(dǎo)航，而每個質(zhì)量給出一個單獨的解決方案。每個質(zhì)量都被最重的質(zhì)量所吸引。因此，最重的質(zhì)量是搜索空間中最優(yōu)解。

本文利用GSA對IM的誤差速度進行優(yōu)化，使其最小化。為實現(xiàn)最小誤差，最優(yōu)地預(yù)測了PI控制器的比例(Kp)和積分(Ki)增益參數(shù)。在優(yōu)化參數(shù)的基礎(chǔ)上，對PI調(diào)優(yōu)進行了準確分析，并給出了參考交軸電流。GSA的詳細過程描述如下。

過程1 隨機初始化N個粒子的位置。在本文中，隨機生成比例(Kp)和積分(Ki)增益參數(shù)。

(1)

過程2 適應(yīng)性進化和最佳適應(yīng)度計算。

為了最小化或最大化問題，通過評估迭代中所有代理的最佳和最差的適合性來執(zhí)行適應(yīng)性進化。

(2)

式中：Kp和Ki分別為比例和積分增益參數(shù)。

過程3 更新引力常數(shù)(G)。

重力常數(shù)G由以下方程計算:

(3)

式中：T為系統(tǒng)迭代的次數(shù)，在開始時初始化G0和α，它們將隨著時間的推移而減少，以控制搜索的準確性。

過程4 大量粒子的計算。

每個粒子的重力和慣性質(zhì)量在迭代t中計算如下:

(4)

(5)

過程5 計算加速度和慣性質(zhì)量。

根據(jù)牛頓第二定理，粒子i在第d維上t時刻的加速度計算為：

(6)

作用于第i個粒子上的總作用力計算為：

(7)

式中：Kbest為一組質(zhì)量比較大的粒子的數(shù)量，是一個隨著時間增加而減少的線性函數(shù)，最后只有一個慣性質(zhì)量最大的粒子作用于其他的粒子。

(8)

過程6 更新粒子的速度和位置。

在下一次迭代(t+1)中，粒子的速度和位置由下列方程計算:

(9)

(10)

過程7 返回到過程2循環(huán)迭代，直到達到循環(huán)次數(shù)或要求精度為止。

過程8 結(jié)束循環(huán)，輸出結(jié)果。

首先，隨機初始化粒子的位置和速度，再計算各個粒子的適應(yīng)度函數(shù)，以此計算粒子的慣性質(zhì)量，求出慣性質(zhì)量的最好值和最壞值。其次，計算每個粒子在每一維上的引力，以求得引力加速度。最后，更新粒子的位置和速度。以此循環(huán)，直到得到最后結(jié)果。

1.3 SVM產(chǎn)生控制脈沖

D=[ai,bi]

(11)

式中:ai∈Tp為輸入向量；bi∈(+1,-1]為類標簽。

①逆變器的參數(shù)分別由參考交軸電流和實際交軸電流兩部分組成。這些是從分離的目標類中選擇的兩個類。

②選擇在式(12)中給出的單獨的目標類的決策函數(shù)。

(12)

式中:W為m和n之間的超平面的法線；ec,θ為m和n的偏移值；Wc,θx為Wc,θ和x之間的標量積；K(a,b)為核函數(shù)；δ為非負拉格朗日乘子。

③K(a,b)值根據(jù)這個函數(shù)進行控制。核函數(shù)為線性、高斯、多項式和正切雙曲。將適當?shù)暮瘮?shù)應(yīng)用于式(11)，其核函數(shù)描述如下:

線性核函數(shù):

K(a,b)=(a,b)

(13)

高斯核函數(shù):

(14)

多項式核函數(shù):

K(a,b)=(a,b)p

(15)

切雙曲核函數(shù):

K(a,b)=tanh(a,b-θ)

(16)

式中:τ為標準差；p為多項式。

④根據(jù)決策函數(shù)的符號函數(shù)對信號進行分類，用于設(shè)置閾值決策。符號函數(shù)說明如下:

(17)

對類決策函數(shù)進行了總結(jié)。Gc,θ(x)的類決策函數(shù)為：

(18)

式中:o為類分類;Gθ(x)的類決策函數(shù)是確定的。最后檢查了maxfv=(k-1)條件。

⑤為了評估式(19)所估計的訓(xùn)練誤差，測試誤差由式(20)確定:

(19)

(20)

這個過程一直持續(xù)到訓(xùn)練和測試的缺陷被顯著降低。SVM約束的選擇完全取決于支持向量機的精度，它是實現(xiàn)選擇合適值的最優(yōu)性能的標志。一旦過程完成，支持向量機就準備好給參考三相電流。最后，將SVM輸出轉(zhuǎn)換為適當?shù)目刂泼}沖。

2 仿真試驗

本文利用GSA和SVM來控制系統(tǒng)的Z源逆變器。該方法是在MATLAB/Simulink的工作平臺上實現(xiàn)的。利用GSA控制Z源逆變器的速度，并借助于電機的實際和參考轉(zhuǎn)速。SVM用于預(yù)測VSI的控制脈沖。在上述過程的基礎(chǔ)上，通過所提出的方法和現(xiàn)有的方法來生成控制信號。對該方法進行了測試，并對其性能進行了說明。系統(tǒng)的實現(xiàn)參數(shù)如表1所示。

表1 實現(xiàn)參數(shù)

然后用所提方法對三相IM定子電流進行了評估。它清楚地表明瞬態(tài)周期很短，即定子電流中的振蕩消失。在轉(zhuǎn)子轉(zhuǎn)速的變化過程中，對升壓輸入下的電壓和轉(zhuǎn)子速度進行了性能分析，如圖2、圖3所示。振蕩時間后，定子電流在模擬時間結(jié)束時作出恒定響應(yīng)。

圖2 電壓性能分析

圖3 轉(zhuǎn)子速度性能分析

從圖2、圖3可以看出，在0～0.5 s之間系統(tǒng)響應(yīng)是受限的，所以不影響系統(tǒng)的性能。轉(zhuǎn)矩、通量、電流的性能分析分別如圖4、圖5和圖6所示。

圖4 轉(zhuǎn)矩性能分析

圖5 通量性能分析

圖6 電流性能分析

在定子電流中，使用不同技術(shù)的總“諧波”失真(total harmonic distortion,THD)的數(shù)量是明確指定的?；谏鲜隹紤]，利用驅(qū)動系統(tǒng)獲得的速度響應(yīng)和定子電流分析了所提方法的性能。通過評價，確定了該方法的有效性。根據(jù)Z源IM驅(qū)動系統(tǒng)的總體性能，對其有效性進行了評價。利用該控制器，與其他控制器相比，Z源IM驅(qū)動系統(tǒng)在較低的誤差下實現(xiàn)了更好的速度響應(yīng)。從以上分析可知，GSA和SVM控制器的速度控制性能優(yōu)于其他控制器。

3 結(jié)束語

本文提出了一種基于GSA和SVM控制器的混合算法，以實現(xiàn)對Z源逆變器驅(qū)動系統(tǒng)的最優(yōu)速度控制。根據(jù)GSA的增益優(yōu)化和SVM控制脈沖產(chǎn)生得出的仿

真結(jié)果表明，該方法成功地降低了定子電流的8.50%，消除了電機轉(zhuǎn)矩和轉(zhuǎn)速響應(yīng)中的振蕩，驗證了其有效性。