第18卷第1期2020年1月电电源学Supply报JournalofPower源学报Vol.18No.1总第Jan.202087期DOI院10.13234/j.issn.2095鄄圆愿园缘援圆园20援1.168中图分类号院TM72文献标志码院A干扰因素下无线电能传输频率控制算法研究杨建渊四川大学锦江学院电气与电子信息工程学院袁眉山620860冤摘要院为了提高无线电能传输WPT渊wirelesspowertransmission冤负载端接收功率以及效率袁增强传输的稳定性袁研究无线电能传输系统过耦合干扰因素下无线电能传输频率控制算法袁解决在该种干扰因素下频率引起的传输功率下降问题遥采用自适应频率跟踪WPT系统袁依据DSP控制DDS渊directdigitalsynthesis冤自动调节输出频率袁完成无线电能传输频率的自适应跟踪控制遥采用改进粒子群优化算法袁以进化因子和时间变动为依据进行自适应调整粒子的惯性权重和学习因子袁提高粒子寻求最优解的速度和粒子算法的搜索力袁获取无线电能传输系统功率和效率的最优值袁增强频率跟踪的速度和精度遥结合Zigbee袁向DSP中植入改进粒子群优化算法袁控制无线电能传输系统射频源频率袁完成无线电能传输系统功率和效率同步频率跟踪袁增强过耦合运行状态下无线电能传输负载端接收功率及效率遥实验表明袁该控制算法可在临界耦合点前提高无线电能传输系统整体功率袁且能提高无线电能传输系统效率袁系统发射端频率得到平稳控制袁性能得到改善遥关键词院干扰因素曰无线电能曰传输频率曰控制曰自适应曰粒子群优化算法ResearchonFrequencyControlAlgorithmforWirelessPowerTransmissionunderInterferenceFactors渊SchoolofElectricalandElectronicInformationEngineering,JinjiangCollege,SichuanUniversity,Meishan620860,China冤粤遭泽贼则葬糟贼院Toimprovethereceivedpowerandefficiencyattheloadendofwirelesspowertransmission渊WPT冤andYANGJianenhancethetransmissionstability,aWPTfrequencycontrolalgorithmunderanover鄄couplinginterferencefactorisstudiedtosolvetheproblemoftransmissionpowerdeclinecausedbyfrequencysplittingundersuchaninterferencefactor.AnadaptivefrequencytrackingWPTsystemisusedtoautomaticallyadjusttheoutputfrequencyaccordingtodirectdigitalsynthesis渊DDS冤controlledbyDSP,thuscompletingtheadaptivetrackingcontrolofWPTfrequency.Byusingtheimprovedparticleswarmoptimization渊PSO冤algorithm,theinertiaweightandlearningfactorareadaptivelyadjustedba鄄sedontheevolutionaryfactorandtimechanges,therebyimprovingthespeedofparticlesinseekingtheoptimalsolutionefficiency,andenhancingthespeedandprecisionoffrequencytracking.Inaddition,combinedwiththeZigbee,theimprovedPSOalgorithmisintroducedtoDSPtocontroltheWPTsystem爷sRFsourcefrequencyandtrackthepoweroftheimprovetheoverallpoweroftheWPTsystembeforethecriticalcouplingpoint,improveitsefficiency,controlthetransmittingendfrequencysmoothly,andimprovethesystemperformance.tion渊PSO冤algorithmKeywords:interferencefactor;wirelesspower;transmissionfrequency;control;adaptive;particleswarmoptimiza鄄andthesearchingcapabilityofthePSOalgorithm,obtainingthepoweroftheWPTsystemandtheoptimalvalueofWPTsystemaswellasthesynchronousfrequency.Inthisway,thereceivedpowerandefficiencyattheloadendofWPTcanbeenhancedintheover鄄couplingoperationstate.Experimentresultsshowthattheproposedcontrolalgorithmcan随着电能产业的不断发展袁电能成为人类赖以收稿日期院2019鄄09鄄26曰修回日期院2020鄄01鄄20基金项目院四川省科技资助项目渊2017JY0022冤生存且不可替代的必要能源袁在社会生活尧现代工ProjectSupportedbyScienceandTechnologyProjectofSi鄄chuanProvince渊2017JY0022冤第1期杨建:干扰因素下无线电能传输频率控制算法研究169业等各领域中的应用也越来越广泛[1]方面袁通常使用传统的输电线路袁但传统输电方式遥在电能传输已无法满足人类对电能的需求遥近年来袁无线电能传输WPT渊wirelesspowertransmission冤技术得到了快速发展袁该技术在安全性尧灵活性和环境保护方面都比传统的输电方式更具有优势袁不仅改善了导线杂乱和电源线经常插拔现象的出现袁而且充电也更加简单便捷[2]自适应频率跟踪遥WPT系统被广泛应用于无线电能传输领域袁研究表明袁当传输距离降低至规定的最小值时袁系统会处于过耦合状态袁在该干扰状态下系统会产生野2个谐振频率冶袁这2个谐振频率点附近的负载接收功率较高袁系统谐振频率经过耦合状态时会发生[3]干扰导致工作频率和谐振频率不一致袁为避免时对系统产生袁提高负载接收功率和效率袁需要对无线电能传输系统频率进行监测遥由此袁本文研究了干扰因素下无线电能传输频率控制算法袁该算法在系统频率的跟踪和检测方面具有突出的优势袁对未来无线电能传输技术的发展具有深远意义[4]遥1自适应频率跟踪WPT系统无线电能传输系统主要存在高频逆变式尧功率放大式等高频电源问题遥高频逆变式的高频功率高袁工作效率低且频率的可调节性弱曰功率放大式在工作效率方面优于高频逆变式袁频率调节方法简单袁实现方法较成熟[5]大式应用广泛遥自适应频率跟踪袁因而功率放WPT系统是无线电能传输系统的关键部分袁主要由DSP控制电路尧直接数字合成DDS渊directdigitalsynthesis冤控制电路和无线通信传输部件构成袁详细结构如图1所示遥功率检测部件通过检测的功率运算获取系统传输效率袁无线信号发射端将传输效率信号反馈到射频信号源中的DSP中袁DSP控制电路依据获取的功率和效率袁采用植入的改进粒子群算法自适应调整系统信号源输出频率袁有效解决频率引起传输功率下降的干扰问题袁提高无线电能传输系统的传输功率和效率遥源频率可通过DDS实现袁相比于高频逆变电源袁其传输效率高袁传输频率还具有可调节性能遥自适应频率跟踪WPT系统通过DSP控制DDS袁使其形成3.7~5.7MHz信号以用作系统射频信号源遥直接数字合成的频率会达到22MHz袁普通功率运算放大器的摆率无法满足这一要求[6]生变形袁因此需要使用二级电流放大电路来满足本袁导致输出波发系统要求袁该二级电流型放大电路通过XST13050形成袁其带宽尧最大输出电流尧摆率分别为415MHz尧0.15能量转换为直流电能A尧6.8kV/滋s遥袁并发送至负载AC/DC模块将无线传输的袁在负载端经过功率检测模块检测自身功率和功率变量袁再通过无线信号传输装置Zigbee发送至DSP控制范围内Zigbee接收端袁DSP感应功率及功率变量信号[7]发起改进粒子群算法进行迭代计算袁计算过程促使系统射频信号功率放大渊DSP袁源器DDS冤AC/DC负载功率检测部件负载功率无线信号接收端无线信号检测及发射端渊a冤系统结构10,CLK14n10,CLK14pB10,CLK15nA10,CLK15pD1710渊PGMC17PB1710渊PGM2F17PA1710渊PGM1冤F17PDPC170冤E1817F1910渊CRC_ERROR冤10渊ASD0冤冤G1710渊DATA10渊nSD0冤G1710渊DATA0H19ASD010渊DATA1冤F20nCS010渊DATA2冤G19DATA010渊DATA3冤H2010渊DATA4冤J23V3.3L23F23DATAUDCLK010渊RDYnBSY冤10渊DATA5冤10渊DATA6冤7冤冤G22nCSO1DATA2H24DCLKASD167DCLKVCC015NcsVCC8VCC29G2410T/DQ5T/DQ2T/DQ1T10袁DQS10T/DQS5T/10渊INIT-DONE冤D243ASDINCNCNC1045NCNCGNDNC11NC126NC131410T/DQ5T/DQ2T/DQ1TB25E19PD1910T/DQ5T/DQ2T/DQ1TC20D19PB20E20PE1910T/DQ5T/DQ2T/DQ1T20PC20VCCEPCSS116N20PDPE2020渊b冤功率放大器电路图1自适应频率跟踪WPT系统结构及功率放大器电路Fig.1StructureofadaptivefrequencytrackingWPTsystemandcircuitofpoweramplifier170电源运行产生功率袁当迭代至27次后满足收敛条件袁此时产生的最佳频率作为从无线传输到迭代完成这段距离的最佳源频率遥系统采用无线信号传输装置Zigbee的工作频率尧波特率尧工作频道尧传输距离分别为2398MHz尧9588尧Channel0尧2.5常由发射端和接收端构成袁发射端和功率检测模块m遥Zigbee通信模块通同时受控于负载端MCU袁接收端受控于DSP遥图2为Zigbee具体硬件电路遥复位电路DDS模块电源DSP光耦隔离Zigbee模块换压电路Zigbee模块换负光载电压A/D耦检测隔离MCU压电源复位电路图2Zigbee硬件电路Fig.2HardwarecircuitofZigbee2功率和效率同步频率跟踪粒子算法首先对种群进行随机初始化袁然后依据设置条件进行迭代袁粒子迭代时对2个目标以设置条件进行跟踪袁该目标可看成是2个野极值冶院一个野极值冶为粒子寻求到的最优解渊pBest冤袁另一个野身和整个种群会根据寻求到的最优解来更新其位极值冶为整个种群寻求到的最优解渊gBest冤袁粒子自置[8]遥假定1个搜索区为d维袁粒子群中包含了n个粒子袁第i个粒子到了空间位置可表示为Xi=渊xi1x值函数中获取适应值袁噎袁x,i2id冤袁i=1袁2袁噎袁袁n以该适应值为依据判定袁将该空间位置代入到适应xi优劣曰第i个粒子经历所有位置中的最优位置可表示为XEi=渊xei1袁xei2袁噎袁xeid可看成是其个体的历史最优位置冤袁i=1袁2袁噎袁袁其适应值也是个n袁该最优位置体最优适应值袁可用Fi表示曰每个粒子的飞行速度可表示为Vi个体经历的历史最优位置可以看成是整体历史最=渊vi1袁vi2袁噎袁vid冤袁i=1袁2袁噎袁n袁所有粒子学报总第87期优位置袁可表示为XTg粒子寻求两个野极值=渊XTg1冶过程中袁XTg2袁袁改变自身参数噎袁XTgd冤遥vxid=wvid+c1r1渊xeid-xid冤+c2r2渊xegd-xid冤渊1冤id=xid式中院c+vid渊2冤1和c2为粒子加速度常数袁c1曰w为惯性权重的加权系数=c2=2曰r1和r2为在[0,1]间取值的常数袁代表粒子的运行习惯[9]粒子群计算过程中袁取值范围为袁初始种群的优劣与最终的[0.1袁0.9]遥收敛结果有直接关系遥当选择劣质初始种群时袁可能促使算法刚开始就寻求到局部最优袁导致算法无法收敛到全局寻优遥为了避免初始种群选择不当时对最终收敛结果造成的不利影响[10]的粒子群算法遥用V袁选择混沌映射获取初始种群i和Xi表示初始种群粒子的速度和位置袁设置Vi和Xi均在渊0,1冤间取值袁将初始值位置和速度映射到相关搜索区域袁有X渊i,d冤=4.4+兹渊2x渊i,d冤-1冤渊3冤V渊i,d冤=4.4+兹渊2v渊i,d冤-1冤渊4冤式中袁兹为当前迭代次数遥通过以上混沌映射步骤获取初始种群袁且该初始种群在设定的搜索空间[7.5袁9.5]标准粒子群算法的惯性权重和学习因子的取中产生遥值通常为确定值或与迭代次数呈现负相关性[11]在一定的弊端遥当接近最优值时袁由于惯性权重随袁存着迭代次数的增加而降低袁导致粒子飞行速度减慢袁全局最优值收敛速度下降曰惯性权重降低会直接影响种群多样性袁导致算法陷入局部最优[12]了避免惯性权重引起局部最优问题袁本文采用自适遥为应调整惯性权重和学习因子袁改进粒子群算法的速度和精度遥设为当前迭代次数兹=m兹'曰m为总迭代次数曰兹'为兹在[0,1]区间的映射曰不同时期自适应调整惯性权重的系数棕'渊兹'冤表示为扇设设设设设0.80臆兹'臆0.1棕'渊兹'冤=缮设设设设-2设设设兹'+0.1兹'+1.20.1<0.4<兹兹''臆0.4臆0.7渊5冤墒
设设依据式渊5冤1中不同时期的划分0.7<兹'臆1.0袁棕不仅可自适应第1期杨建:干扰因素下无线电能传输频率控制算法研究171调整惯性权重系数袁还可以在算法初期使算法具有多样性以促进种群搜索[13]数以减小算法陷入局部最优的可能性曰算法中期降低惯性权重系曰算法后期提高惯性权重系数以加快最优个体收敛最优解速度遥为判断种群优化过程中的进化状态袁需要计算搜索区内所有粒子的适应值袁以下为具体计算步骤院首先袁获取当前状态下粒子间平均距离袁即粒子间的平均欧几里得距离袁其公式可表示为di=n1-1j=i,j移n屹1姨移D蓸xk-xk2k=1ij蔀渊6冤然后袁根据式渊6冤获得的平均距离筛选出搜索区域内的最优个体和最差个体袁当前种群进化状态的进化因子参数酌可表示为酌=ddmaxv--ddminmin沂[0,1]渊7冤式中袁dv尧dmax和dmin分别为种群中最优粒子与其他粒子间的距离尧当前粒子与搜索区域中其他粒子的最大距离和最小距离遥最后使用迭代粒子群算法袁粒子群算法的收敛阶段和聚集阶段分别表示为扇设设设设设00臆酌臆0.3袁0.7臆酌臆1琢1渊酌冤=缮设设设设设设设110酌-30.4臆0.3臆酌酌臆0.5臆0.4渊8冤墒设设扇设-5酌+30.5臆酌臆0.7设琢设2渊酌冤=缮设设1-5酌+1.50臆0.2臆酌臆0.2设设设渊9冤墒
设设通过式渊8冤0和式渊9冤袁0.4臆酌臆0.4种群缓慢收敛到最优解所酌臆1在区域袁经过数次迭代后实现全局最优的获取遥当粒子群在收敛阶段就陷入了局部最优状态时袁为了粒子算法依然收敛到全局寻优袁可通过跳出阶段促使粒子算法跳出局部最优袁促进粒子算法继续迭代寻求全局最优[14]扇设遥跳出阶段的公式可表示为设琢设3渊酌冤=缮设设510臆酌臆0.6设设设墒
设设从式渊8冤耀0酌-30.6臆酌臆0.9式渊10冤0.9臆来看酌袁臆1.0渊10冤粒子算法的收敛过程直接影响着权重进化系数袁琢可看成当前种群进化状态的判定参数遥惯性权重直接影响着粒子寻求最优解的速度袁继而影响粒子算法的搜索力遥为了保证惯性权重随种群迭代做自适应调整袁本文需要惯性权重值以进化因子和时间变动为依据进行自适应更新遥改进的惯性权重可用公式表示为w'=1+1.532e1-3.23琢渊酌冤棕'渊兹'冤沂[0.3,0.9]渊11冤本文采用的改进粒子群算法不仅提高了粒子的惯性权重袁而且对粒子学习因子也有一定的改进遥当使用粒子算法搜索时袁可通过提高前阶段搜索速度来避免粒子算法陷入局部最优状况遥在搜索的前期阶段袁由于c1和c2是粒子加速度常数袁因此可设置c1值较大袁c2值较小袁促进种群向自身最优值学习袁改善全局搜索能力曰在搜索后期阶段袁可设置c1值较小袁c2值较大袁增强粒子算法向全局最优聚集能力袁确保算法可收敛到全局最优遥改进后的粒子学习因子可为c1=1.4+1.2cositerm仔max渊12冤c2=2.1-1.2cosm仔袁m和iteritermax渊13冤式中max分别为迭代次数和最大迭代次数袁以这两个公式为依据获取1臆m臆0.47itercmax袁且c1>2曰当时0.47itermax臆m臆0.47粒子群算法也被改进itermax重和学习因子被改进后袁袁c1
