頻率分叉時(shí)電動(dòng)汽車(chē)無(wú)線(xiàn)充電樁效率極值點(diǎn)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電動(dòng)汽車(chē)無(wú)線(xiàn)充電粧效率極值點(diǎn)跟蹤方法技術(shù)領(lǐng)域，具體設(shè)及一種頻 率分叉時(shí)電動(dòng)汽車(chē)無(wú)線(xiàn)充電粧頻率極值點(diǎn)跟蹤方法。
【背景技術(shù)】
[0002] 隨著國(guó)家新能源戰(zhàn)略的推動(dòng)和電動(dòng)汽車(chē)行業(yè)的發(fā)展，電動(dòng)汽車(chē)充電行業(yè)迅速發(fā) 展，無(wú)線(xiàn)充電方式在電動(dòng)汽車(chē)領(lǐng)域受到較大的關(guān)注。無(wú)線(xiàn)電能傳輸方式主要有3種：第一種 是電磁感應(yīng)式；第二種是微波射頻式；第=種磁禪合共振式。第=種其基本思想基于磁禪 合共振原理實(shí)現(xiàn)：當(dāng)電源激勵(lì)頻率達(dá)到一定值時(shí)，整個(gè)系統(tǒng)處于共振狀態(tài)，此時(shí)能夠?qū)崿F(xiàn)無(wú) 線(xiàn)高效能能量傳輸。磁禪合無(wú)線(xiàn)電能傳輸技術(shù)傳輸距離遠(yuǎn)，效率高，且在近場(chǎng)區(qū)域具有非福 射性。因此采用磁禪合諧振式無(wú)線(xiàn)充電方式為電動(dòng)汽車(chē)充電。
[0003] 磁禪合無(wú)線(xiàn)電能傳輸系統(tǒng)效率在不同電源激勵(lì)頻率點(diǎn)處是不同的，對(duì)于一個(gè)系 統(tǒng)，在一定傳輸距離之內(nèi)，傳輸效率與頻率額函數(shù)曲線(xiàn)會(huì)出現(xiàn)頻率分叉現(xiàn)象，即系統(tǒng)效率函 數(shù)會(huì)出現(xiàn)兩個(gè)極值點(diǎn)，且兩個(gè)極值點(diǎn)誰(shuí)是全局最優(yōu)點(diǎn)，無(wú)法判斷。為了保證系統(tǒng)傳輸效率保 持在最優(yōu)值，所W發(fā)明了頻率分叉條件下無(wú)線(xiàn)電能傳輸系統(tǒng)效率極值點(diǎn)跟蹤方法。本方法 會(huì)解決在一般粒子群算法中出現(xiàn)的因?yàn)榱Ｗ雍笃谑諗克俣嚷?，耗費(fèi)時(shí)間長(zhǎng)的問(wèn)題，而對(duì)于 算法本身來(lái)說(shuō)，粒子規(guī)模設(shè)置的過(guò)大會(huì)導(dǎo)致算法進(jìn)行多余的計(jì)算，而較小的規(guī)模則導(dǎo)致粒 子直接錯(cuò)過(guò)全局最優(yōu)值，甚至找不到極值點(diǎn)，一般粒子群規(guī)模設(shè)在20-40之間，但其粒子規(guī) 模的精確選取卻一直W來(lái)都是根據(jù)個(gè)人在解決問(wèn)題時(shí)不停地嘗試試驗(yàn)出來(lái)的，非常盲目。 針對(duì)W上情況，急需找到一種針對(duì)磁禪合無(wú)線(xiàn)電能傳輸系統(tǒng)本身特點(diǎn)的尋優(yōu)算法，解決系 統(tǒng)效率尋找問(wèn)題。因此，如何針對(duì)于磁禪合無(wú)線(xiàn)供電系統(tǒng)特點(diǎn)設(shè)計(jì)一種算法使算法迅速找 到系統(tǒng)最大效率W及相應(yīng)的頻率是必須的。本發(fā)明旨在提供一種可W快速精確的找到系統(tǒng) 傳輸效率最優(yōu)值W及其對(duì)應(yīng)頻率的方法。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明解決的技術(shù)問(wèn)題是提供了一種頻率分叉時(shí)電動(dòng)汽車(chē)無(wú)線(xiàn)充電粧頻率極值 點(diǎn)跟蹤方法，該方法使粒子規(guī)模隨迭代次數(shù)增加逐漸減小，主要解決了磁禪合無(wú)線(xiàn)電能傳 輸系統(tǒng)中傳統(tǒng)粒子群算法在尋優(yōu)過(guò)程中耗時(shí)較長(zhǎng)的問(wèn)題W及該算法本身粒子個(gè)數(shù)選取不 精確的問(wèn)題，并且在算法捜索后期，粒子個(gè)數(shù)精簡(jiǎn)到最少，算法減少了多余的計(jì)算量，能快 速的找到最優(yōu)值。
[0005] 本發(fā)明為解決上述技術(shù)問(wèn)題采用如下技術(shù)方案，頻率分叉時(shí)電動(dòng)汽車(chē)無(wú)線(xiàn)充電粧 效率極值點(diǎn)跟蹤方法，其特征在于：將一般粒子群算法中的粒子群規(guī)模分開(kāi)設(shè)定，分別為最 大粒子群規(guī)模Nmax= 30和最小粒子群規(guī)模Nmin= 2,粒子群規(guī)模隨著迭代次數(shù)增加而逐 漸減小，其具體實(shí)施步驟為：
[0006] (1)、初始化算法，包括設(shè)定粒子種群維數(shù)D，最大迭代次數(shù)MaxNum,同時(shí)限定粒子 最大速度Vm。、，初始化慣性權(quán)重W，隨機(jī)初始化粒子的速度V和粒子的位置；
[0007] (2)、初始化粒子群規(guī)模Nmax為30，并設(shè)定最小粒子群規(guī)模Nmin= 2，初始化迭代 次數(shù)t= 1 ;
[0008] (3)、計(jì)算當(dāng)前種群每個(gè)粒子的適應(yīng)度函數(shù)值fi，表示第i個(gè)粒子的適應(yīng)度 函數(shù)值，其中適應(yīng)度函數(shù)值根據(jù)適應(yīng)度函數(shù)
計(jì)算得到，式中
t為當(dāng)前激勵(lì)頻率， ?為激勵(lì)電源的角頻率，M為發(fā)射和接收線(xiàn)圈之間的互感，Li,Lz為發(fā)射線(xiàn)圈和接收線(xiàn)圈電 感，Cl,Cz為電容，R歷電源內(nèi)阻，R歷負(fù)載電阻，R1，Rz為回路中電阻；
[0009] (4)、設(shè)定算法初始化個(gè)體極值best= 0和全局極值f1gbest= 0,個(gè)體極值用f1be" 表示，所代表的含義是第i個(gè)粒子截止到第t次迭代時(shí)捜尋到的最優(yōu)適應(yīng)度函數(shù)值，全局極 值用gbest表示，所代表的含義是截止到第t次迭代時(shí)，全部粒子捜索到的最優(yōu)適應(yīng)度函數(shù) 值，將步驟（3)中得到的粒子適應(yīng)度函數(shù)值和個(gè)體極值fibest及全局極值gbest相比較， 如果f1bMt，那么bMt=f1，Pl=X1，P康示適應(yīng)度函數(shù)值為f1b6St的粒子位置，X1是 所對(duì)適應(yīng)度函數(shù)值為粒子的位置，如果ff1gbest，那么gbest=fl，Pg^Xi，Pg是粒子種 群中全局最優(yōu)值為gbMt的粒子位置；
[0010] (5)、用公式Npresent二Nmax-(Nmax-Nmin) *t/(MaxNum)生成下 一代粒子種群，其中化resent為粒子群當(dāng)前規(guī)模，Nmax為最大粒子群規(guī)模， Nmin為最小粒子群規(guī)模，MaxNum為最大迭代次數(shù)，t為當(dāng)前迭代次數(shù)，按公式 =VV* ^ +t..| *m。J - -V;') + (-'] *m。J中(扔-j和公式.r;''二十v'|.'i'要新下一代 粒子種群每個(gè)粒子的速度和位置，然后令迭代次數(shù)t=t+1，轉(zhuǎn)向步驟化），其中vfj代表 t+1次迭代第i個(gè)粒子的速度，如代表當(dāng)前第t次迭代第i個(gè)粒子的速度，Cl和C2代表學(xué) 習(xí)因子，rand代表[(U]之間的隨機(jī)數(shù)，P康示適應(yīng)度函數(shù)值為fIbeJ勺粒子位置，Pg是粒 子種群中全局最優(yōu)值為gbest的粒子位置，.心W代表t+1次迭代第i個(gè)粒子位置，記代表 第t次迭代第i個(gè)粒子當(dāng)前位置，W代表慣性權(quán)重；
[0011] 化）、根據(jù)公式I
計(jì)算粒子適應(yīng)度函數(shù)值的方差之 和，fwg為全部粒子適應(yīng)度函數(shù)值的平均值，其中如果有（fi-fwg)〉1，則a=max(fi-fwg)，否 則，a= 1，判斷方差是否小于某一精度值e或者算法是否達(dá)到最大迭代次數(shù)，e根據(jù)尋優(yōu) 對(duì)象確定，如果否，則轉(zhuǎn)向步驟（3)，如果是則轉(zhuǎn)向步驟（7);
[0012] (7)、輸出捜索到最優(yōu)頻率值，即粒子適應(yīng)度值為全局最優(yōu)值gbMt的粒子位置 Pb;
[0013] 做、用電流傳感器檢測(cè)負(fù)載電流i2的峰值，設(shè)A為設(shè)定的最大電流峰值波動(dòng)范 圍，i2m。為所檢測(cè)的負(fù)載電流峰值，i2m。、似為負(fù)載的第k個(gè)電流周期電流峰值，12。。,化+1) 為負(fù)載的第k+1個(gè)電流周期的電流峰值，判斷|i2m。、化+1) |-|i2m。、化）l〉A(chǔ)是否成立，如果判 斷結(jié)果為是，則轉(zhuǎn)向步驟（1)，算法重啟，如果判斷結(jié)果為否，算法轉(zhuǎn)向步驟（7)。
[0014] 本發(fā)明算法在算法開(kāi)始前根據(jù)電源激勵(lì)頻率推導(dǎo)出來(lái)共振線(xiàn)圈之間的互感，然后 進(jìn)一步推倒出適應(yīng)度函數(shù)，適應(yīng)度函數(shù)是效率與頻率函數(shù)。本發(fā)明使粒子規(guī)模隨迭代次數(shù) 增加逐漸減小，主要解決了磁禪合無(wú)線(xiàn)電能傳輸系統(tǒng)中傳統(tǒng)粒子群算法在尋優(yōu)過(guò)程中耗時(shí) 較長(zhǎng)的問(wèn)題W及該算法本身粒子個(gè)數(shù)選取不精確的問(wèn)題，并且在算法捜索后期，粒子個(gè)數(shù) 精簡(jiǎn)到最少，算法減少了多余的計(jì)算量，能快速的找到最優(yōu)值。本算法在最后設(shè)定重啟條 件，當(dāng)算法檢測(cè)到負(fù)載電流變化時(shí)，就重啟算法，始終保證系統(tǒng)高效率的運(yùn)行。
【附圖說(shuō)明】
[0015] 圖1為本發(fā)明粒子群優(yōu)化算法流程圖；
[0016] 圖2為一般粒子群算法尋優(yōu)結(jié)果仿真圖；
[0017] 圖3為本發(fā)明粒子群優(yōu)化算法尋優(yōu)結(jié)果仿真圖；
[0018] 圖4為粒子群規(guī)模隨迭代次數(shù)增加減小圖。
[0019] 具體實(shí)施方法
[0020] 結(jié)合附圖詳細(xì)描述本發(fā)明的具體內(nèi)容。本發(fā)明主要是針對(duì)頻率分叉下磁禪合無(wú)線(xiàn) 電能傳輸系統(tǒng)，運(yùn)用改進(jìn)型粒子群算法，使粒子規(guī)模減小，算法能夠快速找到效率最大點(diǎn)W 及其相應(yīng)頻率。W下通過(guò)特定的具體實(shí)例說(shuō)明并用Matl油仿真。粒子群優(yōu)化算法流程見(jiàn) 圖1，頻率分叉時(shí)電動(dòng)汽車(chē)無(wú)線(xiàn)充電粧效率極值點(diǎn)跟蹤方法，其具體實(shí)施步驟為：
[0021] (1)、初始化各個(gè)參數(shù)，其中初始化粒子維數(shù)為1，最大迭代次數(shù)為200,慣性權(quán)重W =0. 9 ； 陽(yáng)02引 似、直接設(shè)定粒子群最大規(guī)模Nmax為30和粒子群最小規(guī)模Nmin為2,隨機(jī)初始 化粒子的速度V和粒子的位置。設(shè)定初始粒子群規(guī)模為最大規(guī)模Nmax= 30,初始化迭代次 數(shù)t= 1，目前，粒子群規(guī)模的設(shè)定沒(méi)有統(tǒng)一的規(guī)則，通常根據(jù)尋優(yōu)對(duì)象和個(gè)人經(jīng)驗(yàn)進(jìn)行設(shè) 定。本算法只需直接設(shè)定粒子群最大規(guī)模為Nmax= 30,即能解決諧振式電能發(fā)送裝置效率 尋優(yōu)的各種情況。算法中設(shè)定最小規(guī)模，使粒子群規(guī)模隨迭代次數(shù)的增加逐漸由最大規(guī)模 Nmax減小到最小規(guī)模Nmin即可，本算法中Nmin= 2 ; W23] (3)、采用適應(yīng)度函數(shù)，
計(jì)算當(dāng)前種群每個(gè)粒子的適應(yīng) 度函數(shù)值fi，表示第i個(gè)粒子的適應(yīng)度函數(shù)值，其中
，
?=2 JT ff，ff當(dāng)前激勵(lì)頻率，O為激勵(lì)電源的角頻 率，M為發(fā)射和接收線(xiàn)圈之間的互感，Li,Lz為發(fā)射線(xiàn)圈和接收線(xiàn)圈電感，Cl,Cz為 電容，Rs為電源內(nèi)阻，RL為負(fù)載電阻，Ri,Rz為回路中電阻。本算法先由當(dāng)前激勵(lì)頻 率t和方程組
推導(dǎo)出發(fā)射和接收線(xiàn)圈之間的互感M，
然后再推導(dǎo)出適應(yīng)度函數(shù)，本算法采用的適 應(yīng)度函數(shù)是效率與互感M的函數(shù)。所示方程組可根據(jù)基本電路定理對(duì)整個(gè)系統(tǒng)進(jìn)行分析推 導(dǎo)出來(lái)。其中山,代表線(xiàn)圈Li的電壓，；1為輸入電流，；。負(fù)載電流，本算法采用的適應(yīng)