電動汽車磁耦合無線充電系統的最大效率跟蹤方法技術方案

本發明專利技術公開了一種電動汽車磁耦合無線充電系統的最大效率跟蹤方法，首先通過初始電源激勵頻率推導出發射和接收線圈之間的互感，將適應度函數變為只與頻率有關的函數；將一般粒子群算法中的粒子群規模分開設定，分別為最大粒子群規模Nmax=30和最小粒子群規模Nmin=2，粒子群規模隨著迭代次數增加而逐漸減小。本粒子群算法減去冗余粒子，改變粒子群規模，精簡算法，加快了算法收斂速度。本發明專利技術粒子群算法不但使得粒子規模選取有據可依，且算法在搜索前期具有較大自我學習能力和社會學習能力，在搜索后期，加快收斂速度，算法搜索時間減小。

【技術實現步驟摘要】

本專利技術涉及電動汽車磁耦合無線充電系統最大效率尋找方法
，特別是磁 耦合共振無線電能傳輸系統中系統傳輸效率的搜索
，具體涉及一種電動汽車磁耦 合無線充電系統的最大效率跟蹤方法。
技術介紹
電動汽車的充電一直是研究的熱點，隨著電動汽車的發展，便捷多樣的充電方式 越來越受歡迎。而無線充電技術使用方便、安全，設備積塵較少，且無接觸損耗等問題，因此 在無線充電技術在電動汽車領域受到越來越多的關注。無線電能傳輸方式主要有3種：第 一種是電磁感應式；第二種是微波射頻式；第三種磁耦合共振式。第三種其基本思想基于 磁耦合共振原理實現：當電源激勵頻率達到一定值時，整個系統處于共振狀態，此時能夠實 現無線高效能能量傳輸。磁耦合共振式無線電能傳輸方式有傳輸距離遠，傳輸功率大的優 點，但該技術還在起步階段。 找到系統效率傳輸最優值，并找到在系統最大傳輸效率時系統的激勵頻率是當前 研究的熱點。粒子群算法在多峰函數值的尋找中具有優勢，但是針對于磁耦合無線電能出 輸系統來說，其系統效率函數會出現單個或兩個極值點，當出現單個極值點情況，用基本粒 子群算法對其搜索時，算法搜索后期會出現短暫停滯現象；對于算法本身來說，粒子規模過 大會導致算法進行多余的計算，占用計算時間，而較小的規模則導致粒子直接錯過全局最 優值，甚至找不到極值點。通過檢索文獻可知，一般粒子規模設在20-40之間，但粒子規模 的精確選取一直以來都是根據個人在解決問題時不停地嘗試試驗出來的，非常盲目。所以 針對以上情況，急需找到一種針對磁耦合無線電能傳輸系統本身特點的算法，解決系統最 優的效率尋找問題。如何針對于磁耦合無線供電系統中設計一種算法來迅速找到系統最大 效率以及相應的頻率點是亟待解決的問題。
技術實現思路
本專利技術解決的技術問題是提供了一種電動汽車磁耦合無線充電系統的最大效率 跟蹤方法，該算法采用的適應度函數隨著發射和接收線圈之間互感的不同而改變的，在算 法開始搜索前先確定了發射線圈和接收線圈之間的互感，使得適應度函數變為只與激勵頻 率有關的函數，然后用粒子群算法進行尋優計算。 本專利技術為解決上述技術問題采用如下技術方案，1、電動汽車磁耦合無線充電系統 的最大效率跟蹤方法，其特征在于：將一般粒子群算法中的粒子群規模分開設定，分別為最 大粒子群規模Nmax = 30和最小粒子群規模Nmin = 2,粒子群規模隨著迭代次數增加而逐 漸減小，其具體實施步驟為： (1)、初始化算法，包括設定粒子種群維數D，最大迭代次數MaxNum，同時限定粒子 最大速度v_，初始化慣性權重w ; (2)、直接設定粒子群最大規模Nmax為30和粒子群最小規模Nmin為2,隨機初始 化粒子的速度V和粒子的位置，設定初始粒子群規模為最大規模Nmax = 30,初始化迭代次 數 t = 1 ; (3)、采用適應度函數計算當前種群每個粒子的適應 度函數值匕，A表示第i個粒子的適應度函數值，其中 ω = 2 π f；，f；為當前激勵頻率，ω為激勵電源的角頻率，M 為發射和接收線圈之間的互感，L1, L2為發射線圈和接收線圈電感，C i，C2為電容，R s為電源 內阻，&為負載電阻，R i，私為回路中電阻； (4)、用A test表示第i個粒子截止到第t次迭代時搜尋到的最優適應度函數值，用 ^ gtest表示截止到第t次迭代時，全部粒子搜索到的最優適應度函數值，在粒子群算法開始 迭代之前，設定fi bf3St= 〇，f i gbf3St= 〇,將步驟（3)中得到的粒子適應度函數值f ;和個體極 值^ test及全局極值f i gtest相比較，如果f i f i best，男P 么 f i best f i， Pi= X i，口;表示適應 度函數值為A test的粒子位置，X i是所對適應度函數值為f i粒子的位置，如果f f i gtest， 那么fi gbest= f i，Pg= X i，Pg是粒子種群中全局最優值為f i gbest的粒子位置； (5)、按公式 Npresent= N max-(N max-N min) *t/(MaxNum)更新 粒子群規模，其中Npresent為粒子群當前規模，Nmax為最大粒子群規模， Nmin為最小粒子群規模，MaxNum為最大迭代次數，t為當前迭代次數，按公式!和公式if1 = .< + V;+1更新各個粒 子的速度和位置，然后令迭代次數t = t+Ι，轉向步驟（6)，其中Vlt+1代表t+Ι次迭代第i個 粒子的速度，代表當前第t次迭代第i個粒子的速度，c JP c 2代表學習因子，rand代表之間的隨機數，P1表示適應度函數值為f i test的粒子位置，P ,是粒子種群中全局最優 值為A gtest的粒子位置，X Λ1代表t+Ι次迭代第i個粒子位置，X ^代表第t次迭代第i個 粒子當前位置，w代表慣性權重； (6)、根據公式計算粒子適應度函數值的方差之 和，favg為全部粒子適應度函數值的平均值，其中如果有（f ^favg) >1，則a = max (^favg)，否 貝1J，a = 1，判斷方差是否等于0或者粒子群算法是否達到最大迭代次數，如果否，則轉向步 驟（3)，如果是則轉向步驟（7); (7)、輸出搜索到的全局最優值pg，pg是粒子種群中全局最優值為f i gbest的粒子位 置，即搜索到的最優值對應的頻率值； (8)、用電流傳感器檢測負載電流i2的峰值，設△為設定的最大電流峰值波動范 圍，i2_為所檢測的負載電流峰值，i2_(k)為負載的第k個電流周期電流峰值，i2_(k+l) 為負載的第k+i個電流周期的電流峰值，判斷|i2_(k+i) I-Ii2niax(k) |>Δ是否成立，如果判 斷結果為是，則轉向步驟（1)，算法重啟，如果判斷結果為否，算法轉向步驟（7)。 本專利技術方法使粒子規模隨迭代次數增加逐漸減小，在算法開始前期，粒子群規模 設定較大值，使得算法進行全局搜索，不會漏掉全局最優值，在算法搜索后期，若是一般粒 子群算法會出現短暫停滯現象，而此時，本算法因為精簡了粒子群規模，除去了冗余粒子， 就使得算法在后期不會出現短暫停滯現象，并且收斂速度加快，減少算法搜索時間；且通過 檢索文獻發現，粒子群規模一般設在20-40之間，但粒子規模精確選取不確定，而是根據個 人經驗設定。本算法設定粒子最大規模和最小規模，使粒子規模隨迭代次數的增加逐漸由 最大規模Nmax = 30減小到最小規模Nmin = 2,解決了算法規模選取不精確的問題。另外， 本專利技術算法采用的適應度函數隨著發射和接收線圈之間互感的不同而改變的，在算法開始 搜索前先確定了發射線圈和接收線圈之間的互感，使得適應度函數變為只與激勵頻率有關 的函數，然后用粒子群算法進行尋優計算。另外，本算法設定負載電流是否變化作為重啟條 件，并且當檢測電流發生變化時，算法開始重啟，重新搜索系統傳輸效率的最大值對應的頻 率。【附圖說明】 圖1本專利技術粒子群優化算法流程圖； 圖2為一般粒子群算法尋優結果仿真圖； 圖3為本專利技術粒子群優化算法尋優結果仿真圖； 圖4為粒子群規模隨迭代次數增加減小圖。 具體實施方法 結合附圖詳細描述本技術的具體內容。本文檔來自技高網...

【技術保護點】
電動汽車磁耦合無線充電系統的最大效率跟蹤方法，其特征在于：將一般粒子群算法中的粒子群規模分開設定，分別為最大粒子群規模Nmax＝30和最小粒子群規模Nmin＝2，粒子群規模隨著迭代次數增加而逐漸減小，其具體實施步驟為：(1)、初始化算法，包括設定粒子種群維數D，最大迭代次數MaxNum，同時限定粒子最大速度vmax，初始化慣性權重w；(2)、直接設定粒子群最大規模Nmax為30和粒子群最小規模Nmin為2，隨機初始化粒子的速度v和粒子的位置，設定初始粒子群規模為最大規模Nmax＝30，初始化迭代次數t＝1；(3)、采用適應度函數計算當前種群每個粒子的適應度函數值fi，fi表示第i個粒子的適應度函數值，其中ω＝2πfr，fr為當前激勵頻率，ω為激勵電源的角頻率，M為發射和接收線圈之間的互感，L1，L2為發射線圈和接收線圈電感，C1，C2為電容，Rs為電源內阻，RL為負載電阻，R1，R2為回路中電阻；(4)、用fi?best表示第i個粒子截止到第t次迭代時搜尋到的最優適應度函數值，用fi?gbest表示截止到第t次迭代時，全部粒子搜索到的最優適應度函數值，在粒子群算法開始迭代之前，設定fi?best＝0，fi?gbest＝0，將步驟(3)中得到的粒子適應度函數值fi和個體極值fi?best及全局極值fi?gbest相比較，如果fi≤fi?best，那么fi?best＝fi，pi＝xi，pi表示適應度函數值為fi?best的粒子位置，xi是所對適應度函數值為fi粒子的位置，如果fi≤fi?gbest，那么fi?gbest＝fi，pg＝xi，pg是粒子種群中全局最優值為fi?gbest的粒子位置；(5)、按公式Npresent＝Nmax?(Nmax?Nmin)*t/(MaxNum)更新粒子群規模，其中Npresent為粒子群當前規模，Nmax為最大粒子群規模，Nmin為最小粒子群規模，MaxNum為最大迭代次數，t為當前迭代次數，按公式vit+1=w*vit+c1*rand*(pi-xit)+c2*rand*(pg-xit)]]>和公式xit+1=xit+vit+1]]>更新各個粒子的速度和位置，然后令迭代次數t＝t+1，轉向步驟(6)，其中代表t+1次迭代第i個粒子的速度，代表當前第t次迭代第i個粒子的速度，c1和c2代表學習因子，rand代表[01]之間的隨機數，pi表示適應度函數值為fi?best的粒子位置，pg是粒子種群中全局最優值為fi?gbest的粒子位置，代表t+1次迭代第i個粒子位置，代表第t次迭代第i個粒子當前位置，w代表慣性權重；(6)、根據公式計算粒子適應度函數值的方差之和，favg為全部粒子適應度函數值的平均值，其中如果有(fi?favg)>1，則a＝max(fi?favg)，否則，a＝1，判斷方差是否等于0或者粒子群算法是否達到最大迭代次數，如果否，則轉向步驟(3)，如果是則轉向步驟(7)；(7)、輸出搜索到的全局最優值pg，pg是粒子種群中全局最優值為fi?gbest的粒子位置，即搜索到的最優值對應的頻率值；(8)、用電流傳感器檢測負載電流i2的峰值，設Δ為設定的最大電流峰值波動范圍，i2max為所檢測的負載電流峰值，i2max(k)為負載的第k個電流周期電流峰值，i2max(k+1)為負載的第k+1個電流周期的電流峰值，判斷|i2max(k+1)|?|i2max(k)|>Δ是否成立，如果判斷結果為是，則轉向步驟(1)，算法重啟，如果判斷結果為否，算法轉向步驟(7)。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：王萌，孫長興，施艷艷，郭彩霞，梁潔，
申請(專利權)人：河南師范大學，
類型：發明
國別省市：河南;41