基于布谷鸟算法的双向直流电子变压器谐振参数优化

目前通常使用基波分析法(FHA)结合试验迭代法对谐振参数进行设计。针对FHA法不够直观等问题,通过分析和研究不同谐振点区域内直流增益、直流输入阻抗、谐振变换器损耗与损耗率等谐振网络参数等与谐振变换器谐振频率特性的关系,进而得到变换器性能影响因数。针对试验法优化效果有限,利用布谷鸟搜索算法进行优化。该算法具有莱维(Lévy)飞行和巢寄生行为,可对存在不可导点的目标函数进行优化,具有更强的全局搜索能力,可避免陷入局部最优,且求解精度高。最后,搭建一台实验样机,通过实验验证了在宽输入电压下,可稳定输出电压;在全负载范围下,该优化设计方法优于FHA法。

基于量子粒子群的双向电子变压器输出端谐振参数优化

为了降低双向电子变压器输出端的DC-DC变换电路中的开关损耗,目前广泛采用的是电容-电感-电感-电容(CLLC)谐振电路。其中谐振参数的选取直接影响电子变压器的输出性能。为此,引入量子粒子群优化(QPSO)算法对谐振参数进行智能优化设计。该算法能够对存在不可导点的目标函数进行优化,通过引入量波动方程,增加了粒子搜索能力,解决了粒子群优化(PSO)算法局部收敛等问题。其优化过程首先利用谐振点分区法对变换器的参数进行建模,然后分析和研究谐振电感、励磁电感与谐振网络直流增益、输入阻抗角以及相对损耗率的直接关系,得到参数优化的约束条件。在此基础上,利用QPSO算法得到电路相对损耗最小的谐振网络参数。最后,以CLLC谐振变换电路为例,通过实验验证了在宽输入电压下、全负载范围内,该优化设计方法与传统基波分析法与时域法相比,效率均提高了1%左右,样机最高效率达97%,从而证明了所提优化方法的有效性。