传统数值算法求解SHEPWM 消谐模型时对开关角度初值的选择依赖性较强，当初值选择不合适时，有可能导致算法不收敛。随着计算机技术的快速发展，使得利用智能优化算法对SHEPWM 消谐模型进行求解成为可能。智能优化算法可以在不需要初值的情况下，搜索到全局最优解或误差范围内最优解的近似解。文献[90，91]采用传统遗传算法（Standard Genetic Algorithm，SGA）对三电平逆变器SHEPWM 消谐模型进行求解，得出全调制度下的一组解，但是该算法迭代速度较慢，且容易发生早熟。文献[92]提出了一种蚁群优化算法（Ant Colony Optimization Algorithm，ACOA），该方法利用正反馈机制、分布式计算和启发式概率搜索方法同样得出一组角度解，但是这种算法的反馈时间长、效率较低。文献[93]将粒子群优化算法（Particle Swarm Optimization，PSO）应用到SHEPWM 方程组的求解之中，通过对粒子群的飞行速度和方向的实时更新，使进化朝着特定目标动态进行，搜索速度大幅提高，但是该算法对粒子飞行速度的选择依赖性较强，易造成局部收敛，得出的解不够精确。文献[94]提出一种细菌觅食算法（Bacterial Foraging Algorithm，BFA），对于非线性方程组的求解有很好的效果，但是它对步长的依赖性较强，有时会出现搜索停滞现象，导致算法过早收敛。
智能算法自身也存在一定的缺陷，需要有针对性地进行改进。考虑到SGA 具有鲁棒性能好、收敛性强、收敛速度快、更适合搜索全局最优解等优点，本节引入了一种多种群遗传算法[95]（MPGA）对SHEPWM 消谐模型进行求解，且针对低调制度下算法不收敛的问题，采用多波段SHEPWM 模式拓宽调制度。在不需要初值的情况下，得出了全调制度范围内所有开关角度解的轨迹。最后通过仿真实验研究验证了方法的正确性和可行性。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
