基于LS-QPSO的单相LCL逆变器参数辨识研究

电子电路参数辨识方法常采用递推最小二乘(RLS)算法,但RLS算法往往有较长的暂态过程,待估参数之间的耦合也会降低辨识精度。这里通过将预测时刻顺延的方法改进算法的优化目标,从而提高了算法的灵敏度和抗干扰能力。通过对量子粒子群优化(QPSO)算法进行深入研究,将优化目标与QPSO算法相结合提出最小二乘(LS)-QPSO算法,算法具有良好的并行性,建立了单极倍频调制方式的基于LCL滤波器的单相并网逆变器的近似离散化混杂系统模型,并将两种算法应用于电路参数辨识,在实际应用中验证了所提算法的低暂态过程和高精确度的辨识能力。