[发明专利]一种基于哈里斯鹰算法的储能双向变流器控制参数整定方法

权利要求书

1.一种基于哈里斯鹰算法的储能双向变流器控制参数整定方法，其特征在于：包括以下步骤：

S1：初始化哈里斯鹰种群，设置哈里斯鹰优化算法的群体大小为N，维度为D,最大迭代次数为maxiter,根据搜索空间每一维的上界和下界，初始化每个个体；

S2：计算种群中所有哈里斯鹰的适应度值fitness，选取并记录种群中适应度最佳的哈里斯鹰并把它的位置设为当前猎物位置；

S3：位置更新过程中模拟哈里斯鹰的捕食行为，主要分为探索阶段、探索与开发转换阶段和开发阶段；首先通过更新猎物逃逸能量E，然后根据逃逸能量E和生成的随机数执行搜索或开发行为中对应的位置更新策略；

S4：探索阶段：哈里斯鹰随机栖息在某些位置，并等待根据两种策略探测猎物；每种栖息策略的机会q均等，则具体位置公式为：

式中：X(t),X(t+1)分别为当前和下一次迭代式时个体的位置；t为迭代数；X_rand(t)为随机选出的个体位置；X_rabbit(t)为猎物位置，即拥有最优适应度的个体位置；r₁、r₂、r₃、r₄、q都是[0,1]之间的随机数；q用来随机选择要采用的策略；X_m(t)为个体平均位置，其公式如下：

式中：X_k(t)为种群中第k个个体的位置；N为种群规模；

S5：搜索与开发的转换阶段：HHO算法根据猎物的逃逸能量在搜索和不同的开发行为之间转换，逃逸能量定义为：

式中：E₀是猎物的初始能量，为[-1,1]之间的随机数，每次迭代时自动更新；t为迭代次数；T为最大迭代次数；当|E|≥1时进入搜索阶段,当|E|1时进入开发阶段；

S6：开发阶段：在此阶段中，哈里斯鹰对前一阶段中发现的预定猎物进行突袭；但是，猎物经常试图逃脱危险；假设r是猎物在突袭前逃脱的机会，成功逃脱，r0.5或未成功逃脱，r≥0.5；

当r≥0.5且|E|≥0.5时，此时的位置更新公式为：

X(t+1)＝ΔX(t)-E|JX_rabbit(t)-X(t)|

ΔX(t)＝X_rabbit(t)-X(t)

式中：ΔX(t)表示猎物位置与个体当前位置的差值；J为[0,2]之间的随机数；

当r≥0.5且|E|0.5时，此时的位置更新公式为：

X(t+1)＝X_rabbit(t)-E|ΔX(t)|

当r0.5且|E|≥0.5时，通过以下两个策略实施；当第一个策略无效时，执行第二个策略；第一个策略更新公式为Y＝X_rabbit(t)-E|JX_rabbit(t)-X(t)|；第二个策略更新公式为Z＝Y+S×LF(D)；其中，D为维度，S是一个D维的随机向量，LF为Levy飞行函数，公式如下：

式中：l、m为0到1内均匀分布的随机数；β是取值为1.5的常数；因此该阶段位置更新策略最终如下：

当r0.5且|E|0.5时，采用以下策略进行狩猎，位置更新公式如下：

Y＝X_rabbit(t)-E|JX_rabbit(t)-X_m(t)|

Z＝Y+S×LF(D)

S7：计算位置更新后的个体适应度，并与猎物适应度值进行比较，若位置更新后的个体适应度值优于猎物，则以适应度值更优的个体位置作为新的猎物位置；

S8：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，则重复步骤S2到S7；当算法迭代次数达到最大迭代次数时，输出当前猎物位置作为目标的估计位置；

S9：根据S8求得的最优结果，即猎物位置，再分别把它对应的维度数据代入储能双向变流器的控制器中。