论文部分内容阅读
级联功率变换器凭借调压能力强的优势,近年来在电动汽车、太阳能发电等领域得到了广泛应用。但级联结构的控制复杂,传统的效率优化方法很难适用该类变换器的高频应用。遗传算法(Genetic Algorithm,GA)作为一种黑盒优化算法,可在电路模型未知的情况下实现特定目标的快速优化,为级联变换器的效率优化带来了新选择,但仍有两个问题需要解决:其一,如何使GA控制环路与其他控制环路协调工作,避免系统发生失调;其二,如何加速算法收敛速度并避免其陷入局部最优解,以满足变换器高频工作的需求。本文以前级为Buck-boost拓扑、后级为LLC拓扑的级联功率变换器(IBBLLC)为优化对象,针对问题一:首先,由于相移的改变容易使IBBLLC系统发生失调、死区时间与后级LLC的零电压开通(ZVS)有关,本文通过损耗分析和工作模态分析确定了以上两种待优化参数的边界,防止在GA优化过程中系统发生失调;其次,为了协调比例-积分-微分(PID)控制环路和GA优化环路,本文通过设置定时器的中断服务函数使GA能够得到准确的效率反馈。针对问题二:本文在遗传算法中加入改进的精英选择策略,保证在迭代过程中出现的最高效率对应的个体始终被保留,避免陷入局部收敛,同时提高了收敛速度。本文基于MATLAB-simulink仿真平台验证了以上解决方案的可行性,仿真结果表明:本文改进的方法使系统失调率显著降低;在425V/380W的条件下,优化的GA相比传统GA收敛后的效率提高2%,缓解了局部收敛问题,并且收敛速度提高了50代。在仿真验证的基础上,本文在1440W/1MHz-IBBLLC样机上进行了实测验证,结果表明:在260V输入电压下,优化的GA在200代以内实现了效率优化,系统的平均效率提高了1.15%。