一种充电站的滤波方法、装置、设备及存储介质与流程

1.本发明涉及电网的技术领域，尤其涉及一种充电站的滤波方法、装置、设备及存储介质。


背景技术：

2.随着动力电池产业的发展，电动车已经打破传统的续航里程不足的瓶颈，并且，电动车可以有效环节传统燃料汽车存在的环境污染，资源短缺等问题，电动车的保有量不断上升，数量多达千万辆。
3.为满足电动车的充电需求，许多的新建的充电站陆续接入配电网运行，电动车的充电桩通过前级ac/dc(交流/直流)电路将电网的交流电转换为直流电，然后通过后级dc/dc(直流/直流)电路连接动力电池充电。
4.电动车的充电桩是非线性设备，会造成配电网的电压畸变，充电产生的谐波可能对变压器的寿命、电缆以及继电保护装置造成影响。


技术实现要素：

5.本发明提供了一种充电站的滤波方法、装置、设备及存储介质，以解决如何过滤电动车的充电站在充电时产生的谐波的问题。
6.根据本发明的一方面，提供了一种充电站的滤波方法，包括：
7.确定在充电站中接入混合有源滤波器，所述混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；
8.对所述配电网、所述混合有源滤波器与所述充电站建立各次谐波的等效电路模型；
9.在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数；
10.对所述等效电路模型设置约束条件；
11.对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值；
12.依据所述参数下的所述混合有源滤波器在所述充电站中执行滤波处理。
13.根据本发明的另一方面，提供了一种充电站的滤波装置，包括：
14.滤波器确定模块，用于确定在充电站中接入混合有源滤波器，所述混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；
15.模型构建模块，用于对所述配电网、所述混合有源滤波器与所述充电站建立各次谐波的等效电路模型；
16.目标函数构建模块，用于在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数；
17.约束条件设置模块，用于对所述等效电路模型设置约束条件；
18.参数优化模块，用于对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值；
19.滤波执行模块，用于依据所述参数下的所述混合有源滤波器在所述充电站中执行滤波处理。
20.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
21.至少一个处理器；以及
22.与所述至少一个处理器通信连接的存储器；其中，
23.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的充电站的滤波方法。
24.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行时实现本发明任一实施例所述的充电站的滤波方法。
25.在本实施例中，确定在充电站中接入混合有源滤波器，混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；对配电网、混合有源滤波器与充电站建立各次谐波的等效电路模型；在谐波抑制、无功补偿容量与成本的维度下对等效电路模型构建多个目标函数；对等效电路模型设置约束条件；对等效电路模型生成满足约束条件的参数、以优化多个目标函数的输出值；依据参数下的混合有源滤波器执行滤波处理。本实施例对电动车的充电站进行谐波建模，选用串联有源滤波器、并联无源滤波器的混合有源滤波器接入充电站，在谐波抑制、无功补偿容量与成本的维度下优化参数，能够全面的设计出既满足谐波抑制性能，又具有良好经济性的混合有源滤波器。
26.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
27.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1是根据本发明实施例一提供的一种充电站的滤波方法的流程图；
29.图2是根据本发明实施例一提供的一种混合有源滤波器的电路图；
30.图3是根据本发明实施例一提供的一种充电站的等效电路图；
31.图4是根据本发明实施例二提供的一种充电站的滤波装置的结构示意图；
32.图5是实现本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
33.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人
员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
34.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
35.实施例一
36.图1为本发明实施例一提供的一种充电站的滤波方法的流程图，该方法可以由充电站的滤波装置来执行，该充电站的滤波装置可以采用硬件和/或软件的形式实现，该充电站的滤波装置可配置于电子设备中。如图1所示，该方法包括：
37.步骤101、确定在充电站中接入混合有源滤波器。
38.在本实施例中，可以在电动车的充电站中接入混合有源滤波器hapf，如图2所示，混合有源滤波器包括在配电网串联接入的有源滤波器apf、在电动车的公共接入点pcc并联接入的无源滤波器ppf。
39.其中，有源滤波器apf也称有源电力滤波器，可通过产生补偿电流来中和谐波，有源滤波器apf的补偿特性灵活，对电力系统影响也很小。但成本较高，受容量的限制。
40.无源滤波器ppf也称无源电力滤波器，其建立低阻抗通道，将电力系统中的谐波单独分离出来，主要对特定的谐波频率进行滤波，灵活性较差，但其结构简单、成本廉价。此外，无源滤波器ppf的谐波补偿性能易受到运行状态、系统阻抗和负荷变化的影响，可能会导致电力系统谐波放大。
41.混合有源滤波器hapf又称混合有源电力滤波器，其应用混合拓扑，结合和利用了无源滤波器ppf和有源滤波器apf的优点，比无源滤波器ppf和有源滤波器apf更稳定，成本也更低。在混合有源滤波器hapf中，无源滤波器ppf主要作用于谐波补偿，而有源滤波器apf改善了无源滤波器ppf的滤波特性，抑制了谐振。这种结构可以有效地降低有源滤波器apf的电容和额定值，从而解决了高成本的问题。
42.步骤102、对配电网、混合有源滤波器与充电站建立各次谐波的等效电路模型。
43.在本实施例中，可以在用户侧对充电站运行的三相的电压与电流进行在线监测，选取thd(total harmonics distortion，谐波畸变率)最大的运行工况进行分析，对实测数据进行fft(fast fourier transform，快速傅立叶变换)分析得到各次谐波的分量。
44.如图3所示，采用数据型驱动方式，基于实测数据将充电站建模等效为诺顿等效模型，记i
lh
为电动车的谐波负载l的第h次谐波的电流源常量等效值，v
lh
电动车的谐波负载l的第h次谐波的电压源常量等效值，r
lh
、x
lh
分别为电动车的谐波负载l的第h次谐波的等效电阻、电抗。由于超过50次的谐波含量极低，可忽略不计，故一般考虑h的数量n＜50。同时采集充电站配电网变压器0.4kv侧的电源背景谐波及其等效阻抗数据。0.4kv侧电压测量数据为电流测量数据为其中，v
sh
、i
sh
分别表示在
电源处测量的第h次谐波的电压分量、电流分量，i
sh
取k倍进行定义。l
sh
配电网侧的第h次谐波的电感，r
sh
、x
sh
分别为配电网侧的第h次谐波的电阻、电抗，x
l
为无源滤波器的电感在基频下的电抗，xc为无源滤波器的电容在基频下的电抗。
45.通过接口变压器将有源滤波器apf串联接入三相配电网中，控制有源滤波器apf输出电压为vh＝gi
sh
，在基频条件下，令增益g＝0，有源滤波器apf呈现零阻抗，同时在用户并网pcc点处并联接入无源滤波器ppf，建立配电网、有源混合滤波器hapf以及电动车的充电站三者之间在各次谐波的等效电路模型。
46.步骤103、在谐波抑制、无功补偿容量与成本的维度下对等效电路模型构建多个目标函数。
47.在本实施例中，针对等效电路模型进行电路的拓扑分析，选择谐波抑制、无功补偿容量、成本(即经济性能)等作为优化指标，建立多个目标函数，从而构建优化模型。
48.其中，目标函数是以函数形式来表示决策者追求的目标。
49.在一种设计中，在等效电路模型中，通过如下公式计算各次谐波的电压分量、电流分量：
[0050][0051]rtlh
＝r
shrlh-x
lh
x
sh
[0052]
x
tlh
＝x
shrlh
+x
lhrsh
[0053][0054]
其中，i
sh
为配电网在第h次谐波的电流分量，i
lh
为电动车的谐波负载在第h次谐波的电流源常量等效值；
[0055]vlh
为电动车的谐波负载在第h次谐波的电压分量，v
sh
为配电网在第h次谐波的电压分量；
[0056]rlh
为电动车的谐波负载在第h次谐波的等效电阻，r
sh
为配电网在第h次谐波的等效电阻；
[0057]
x
lh
为电动车的谐波负载在第h次谐波的等效电抗，x
fh
为配电网在第h次谐波的等效电抗，x
sh
为配电网在第h次谐波的等效电抗，x
l
为无源滤波器的电感在基频下的电抗，xc为无源滤波器的电容在基频下的电抗；
[0058]
g为有源滤波器的增益，h为谐波的次数，j为虚部。
[0059]
将电压分量与电流分量代入如下公式对公共接入点计算电压的第一总谐波畸变率、电流的第二总谐波畸变率：
[0060]
[0061][0062]
其中，thdv为公共接入点的电压的第一总谐波畸变率，thdi为公共接入点的电流的第二总谐波畸变率，i
sh
为配电网在第h次谐波的电流分量，v
lh
为电动车的谐波负载的第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，n为谐波的数量(即谐波的上限值)。
[0063]
在谐波抑制的维度下，将第一总谐波畸变率与第二总谐波畸变率代入如下公式中对等效电路模型计算谐波污染指标，作为目标函数：
[0064][0065]
其中，f1为第一个目标函数，hp为谐波污染指标，thdv为电压的第一总谐波畸变率，thdi为电流的第二总谐波畸变率。
[0066]
在另一种设计中，在无功补偿容量的维度下，通过如下公式对等效电路模型计算补偿谐波的负载功率因素，作为目标函数：
[0067][0068]
其中，厂2为第二个目标函数，pf为负载功率因素，g
l1
为电动车的谐波负载的基波等效电导，g
lh
为电动车的谐波负载在第h次谐波的电导，v
l1
为公共接入点的基波电压，i
l1
为公共接入点的基频电流，v
lh
为电动车的谐波负载在第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，i
sh
为配电网在第h次谐波的电流分量，h为谐波的次数。
[0069]
在又一种设计中，一方面，可以通过如下公式计算接入无源滤波器的第一子成本：
[0070]fppf
＝k1c+k2l
[0071]
其中，f
ppf
为接入无源滤波器的第一子成本，k1为无源滤波器单位电容的成本(即单位价格)，k2为无源滤波器单位电感的成本(即单位价格)，c为无源滤波器的电容，l为无源滤波器的电感。
[0072]
另一方面，可以通过如下公式计算接入有源滤波器的第二子成本：
[0073][0074]
其中，f
apf
为接入有源滤波器的第二子成本，k3为有源滤波器单位容量的成本，k4为有源滤波器的基础成本，i
sh
为配电网在第h次谐波的电流分量，n为谐波的数量。
[0075]
在成本的维度下，将第一子成本与第二子成本相加，得到在等效电路模型中接入混合有源滤波器的总成本，作为目标函数，表示如下：
[0076]
f3＝f
hapf
＝f
apf
+f
ppf
[0077]
其中，f3为第三个目标函数，f
hapf
为接入混合有源电力滤波器的总成本，f
ppf
为接入无源滤波器的第一子成本，f
apf
为接入有源滤波器的第二子成本。
[0078]
在本实施例中，多目标优化问题可以记为min(f1，-f2，f3)，其中，min是指优化目标函数的输出值，分别为使第一个目标函数的输出值最小，使第二个目标函数的输出值的负数最小，使第三个目标函数的输出值最小。
[0079]
步骤104、对等效电路模型设置约束条件。
[0080]
在实际应用中，对于无源滤波器(电感l和电容c)和有源滤波器(增益值g)的参数的选择，使得混合有源滤波器的设计在满足功率因数和成本效益等诸多约束条件的情况下，达到最佳的解决方案。
[0081]
在本实施例中，可以对等效电路模型(尤其为混合有源滤波器)设置约束条件，其中，约束条件是决策变量时满足的限定条件。
[0082]
示例性地，为了合理限制混合有源滤波器的规模，约束条件如下：
[0083]
a1≤g≤a2[0084]
b1≤xc≤b2[0085]
c1≤x
l
≤c2[0086]
其中，g为有源滤波器的增益，x
l
为无源滤波器的电感在基频下的电抗，xc为无源滤波器的电容在基频下的电抗，a1为常数，如0，a2为常数，如20，b1为常数，如0，b2为常数，如20，c1为常数，如0，c2为常数，如1。
[0087]
同时，为保证滤波效果，加入混合有源滤波器后，公用网侧应满足thdv≤d，其中，thdv为公共接入点的电压的第一总谐波畸变率，d为常数，如4％。
[0088]
滤波后各次谐波的电流分量均在指定的标准的允许范围内，i
sh
≤i
hmax
，i
sh
为配电网在第h次谐波的电流分量，i
hmax
为第h次谐波的电流分量的上限值。
[0089]
无功补偿后，公共接入点pcc处的电压应满足其中，v
l
公共接入点的电压，v
lh
为电动车的谐波负载在第h次谐波的电压分量，e1为常量，如0.95p.u.，e2为常量，如1.1p.u.。
[0090]
步骤105、对等效电路模型生成满足约束条件的参数、以优化多个目标函数的输出值。
[0091]
在本实施例中，可以在等效电路模型(尤其为混合有源滤波器hapf)中选择与滤波相关的参数，作为待优化的参数。
[0092]
示例性地，待优化的参数包括混合有源滤波器hapf中，无源滤波器ppf的电感l和电容c，以及，有源滤波器apf的增益g。
[0093]
通过目标函数与约束条件构建调整等效电路模型(尤其为混合有源滤波器hapf)参数的评估模型，可使用采用gurobi等商业求解器或细菌觅食优化算法、粒子群优化算法等群体智能优化算法对等效电路模型(尤其为混合有源滤波器hapf)的评估模型求解，得到等效电路模型(尤其为混合有源滤波器hapf)最优的参数。
[0094]
其中，约束条件会使得寻优的过程中对待优化的参数排除不可行的解、得到可行的解，或者，约束条件可以在寻优的过程中以惩罚项的方式加入到目标函数中。
[0095]
在本发明的一个实施例中，步骤105可以包括如下步骤：
[0096]
s11、初始化细菌种群。
[0097]
在本实施例中，可以初始化细菌种群s，以及，趋化阈值n
rc
、复制阈值n
re
、最大游动
步长ns、驱散阈值n
ed
、驱散概率p
ed
等参数。
[0098]
其中，细菌种群中的细菌包含混合有源滤波器的参数，例如，混合有源滤波器hapf中，无源滤波器ppf的电感l和电容c，以及，有源滤波器apf的增益g，等等，这些参数作为决策变量，其在初始化时，可在满足约束条件的取值范围内随机生成，从而生成初始的非劣解集。
[0099]
s12、判断细菌的迁徙次数是否大于预设的驱散阈值；若是，则执行s13，若否，则执行s14。
[0100]
在本实施例中，可以查询细菌当前的迁徙次数l，判断迁徙次数l是否大于驱散阈值n
ed
(l＞n
ed
)。
[0101]
s13、输出外部档案中的参数的数值。
[0102]
在迭代的过程中，外部档案存储已经找到的非支配解，以避免其被误判为被支配的解而被丢弃。当新的解被找到时，与外部档案中的解进行比较，以确定其支配关系和是否应该被加入到外部档案中。外部档案在寻优的过程中不断更新。
[0103]
如果迁徙次数l大于驱散阈值n
ed
，则可以从外部档案中选择的一组解，这些解通常被称为pareto(帕累托)最优解集，即pareto前沿上的一组非支配解(非劣解集)。
[0104]
s14、判断细菌的复制次数是否大于预设的复制阈值；若是，则执行s15，若否，则执行s16。
[0105]
如果迁徙次数l小于或等于驱散阈值n
ed
(l≤n
ed
)，则可以进一步查询细菌当前的复制次数k，判断细菌的复制次数k是否大于复制阈值n
re
(k＞n
re
)。
[0106]
s15、对各个细菌生成随机值；若随机值小于预设的驱散概率，则滤除细菌，随机生成一个新的细菌；若随机值大于或等于预设的驱散概率，则保留细菌；对细菌的迁徙次数累加一，对细菌的复制次数与细菌的趋化次数均置为零，返回执行s12。
[0107]
如果细菌的复制次数k大于复制阈值n
re
，则可以执行迁徙操作flimination dispersal，迁徙操作flimination dispersal是以一定概率发生的，此时，可以rand等函数在预设的概率范围(如[0，1])内对各个细菌生成一个随机数ln，将随机数ln与驱散概率p
ed
进行比较。
[0108]
如果某个细菌的随机数ln小于驱散概率p
ed
(ln＜p
ed
)，则该细菌个体灭亡，从而滤除该细菌，并随机地在解空间的任意位置、在满足约束条件的取值范围内随机生成一个新细菌个体，这个新细菌个体与灭亡的细菌个体可能具有不同的位置，即不同的觅食能力。迁徙操作随机生成的这个新细菌个体可能更靠近全局最优解，这样更有利于趋向性操作跳出局部最优解和寻找全局最优解。
[0109]
如果某个细菌的随机数ln大于或等于驱散概率p
ed
(ln≥p
ed
)，则保留该细菌。
[0110]
在完成迁徙操作flimination dispersal时，对细菌的迁徙次数l累加一(l＝l+1)，对细菌的复制次数k与细菌的趋化次数j均置为零(k＝j＝0)。
[0111]
b16、判断细菌的趋化次数是否大于预设的趋化阈值；若是，则执行s17，若否，则执行s19。
[0112]
在本实施例中，可查询细菌当前的趋化次数j，判断细菌的趋化次数j是否大于趋化阈值n
rc
(j＞n
rc
)。
[0113]
s17、对细菌划分级别，对同一级别各个细菌计算拥挤距离，并按照级别与拥挤距
离对细菌进行排序。
[0114]
如果细菌的趋化次数j大于趋化阈值n
rc
(j＞n
rc
)，则可以执行复制操作reproduction，经过复制操作reproduction后、细菌种群大小不变。
[0115]
在具体实现中，可以对细菌种群的非劣解集进行分级，首先选出当前细菌种群的pareto最优解，即多优化目标下的非劣解集，记非劣解集为支配等级1，将支配等级中的解排除后，再从剩余细菌种群中选出pareto最优解，记非劣解集为支配等级2，以此类推，直到整个细菌种群被分级完毕。在各支配等级中，每个非劣解解当前等级中的其他任意解均互不支配，支配等级较前(数字较小)的解支配支配等级较后(数字较大)的解，从而完成非裂解分级。
[0116]
对于同一级的细菌个体，则可以对其解计算拥挤程度，以衡量细菌个体的优劣。
[0117]
示例性地，对于同一级的解，根据某一个目标函数厂m进行降序排列，sn记为排序后的第n个解，s
nlast
为最后一个解。
[0118]
设边界的解的目标距离为无穷大，那么，cdm(sn)＝cdm(s
nlast
)＝∞，因此，可以通过如下公式对同一级别中的各个细菌计算目标距离：
[0119][0120]
其中，sn为同一级别中第n个细菌，cdi为第i个目标函数fm对应的目标距离，为对目标函数fm的解降序排序后的第n+1个解，为对目标函数fm的解降序排序后的第n-1个解，为目标函数fm的、数值最大的解，为目标函数fm的、数值最小的解。
[0121]
将多个目标函数下的目标距离相加，得到同一级别各个细菌的拥挤距离。
[0122]
若目标函数的数量为三个，相应地，目标距离为三个，分别为cd1(sn)、cd2(sn)、cd3(sn)，那么，拥挤距离cd(sn)表示为：cd(sn)＝cd1(sn)+cd2(sn)+cd3(sn)。
[0123]
若完成了细菌种群的非裂解分级和计算解的拥挤距离，便可对细菌种群进行非支配排序，首先比较解的级别，级别较低的占优，即，对于不同级别的细菌，按照级别从小到大进行排序，对于同一级别的解，则拥挤距离较大的占优，即，对于同一级别的细菌，按照拥挤距离从大到小进行排序。
[0124]
s18、复制排序位于最大游动步长前一半的细菌，淘汰排序位于最大游动步长后一半的细菌；对复制次数累加一，将趋化次数均置为零，返回执行s14。
[0125]
根据排序，选择位于最大游动步长ns前一半(即前ns/2)的细菌个体进行复制，同时淘汰位于最大游动步长ns后一半(即后ns/2)的细菌个体。
[0126]
在完成复制操作reproduction时，对复制次数k累加一(k＝k+1)，将趋化次数j均置为零(j＝0)。
[0127]
s19、依据细菌种群中随机两个细菌之间的差异更新当前细菌的位置。
[0128]
如果细菌的趋化次数j小于或等于趋化阈值n
rc
(j≤n
rc
)，则可以执行趋向性操作chemotaxis，趋向性操作chemotaxis又称趋化搜索、趋化操作，表示细菌向有利于自身环境的区域移动，其中，一次趋向性操作包括翻转运动和游动运动。
[0129]
如果在趋向性操作使用随机的方式，搜索的效率较低，对此，在本实施例中，引入差分进化的方式对细菌种群进行更新，为细菌种群的翻滚运动提供更多的搜索方向。
[0130]
所谓差分进化，可以指遍历各个细菌，对当前细菌，可在细菌种群中随机选择两个细菌个体，计算随机两个细菌之间的差异，从而更新当前细菌的位置，这样子可以利用细菌种群的整体能力，尽可能多地产生不同的搜索方向。
[0131]
在具体实现中，可以通过如下公式计算翻滚系数：
[0132][0133]
其中，β(k，l)为第k次复制、第l次迁徙时的翻滚系数，l为迁徙的次数，k为复制的次数，n
re
为复制阈值。
[0134]
设定翻滚系数β随着复制循环的迭代进行自适应的改变，以增强其收敛行为，翻滚系数β从一个高的价值开始，设翻滚系数β初始值为1。搜索高探索的解空间的不同区域。经过多次执行繁殖循环后，当细菌进入有希望的区域时，自适应地减少，限制了变化的范围，以更高的分辨率搜索该区域。
[0135]
设随机在细菌种群中选择细菌i1、细菌i2，则可以通过如下公式更新当前细菌的位置：
[0136][0137]
其中，θ(i，j+1，k，l)为当前细菌i在第j+1次趋化、第k次复制、第l次迁徙时的位置，θ(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的位置，β(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的翻滚系数，θ(i1，j，k，l)为随机选择的细菌i1在第j次趋化、第k次复制、第l次迁徙时的位置，θ(i2，j，k，l)为随机选择的细菌i2在第j次趋化、第k次复制、第l次迁徙时的位置，ns为细菌种群。
[0138]
s20、依据目标函数判断细菌更新后的位置是否优于细菌更新前的位置；若是，则将细菌的参数写入外部档案中；将对趋化次数累加一，返回执行s16。
[0139]
在本实施例中，可以以目标函数作为参考，判断细菌更新后的位置是否优于细菌更新前的位置。
[0140]
在具体实现中，可以通过如下归一化的公式计算细菌在更新后的位置上的适应度：
[0141][0142]
其中，f
sum
为适应度，n为目标函数的数量，fm为第m个目标函数的权重，fm(x
ij
)为第i个细菌在更新前的位置上、第m个目标函数输出的数值，fm(x
ij+1
)为第i个细菌在更新后的位置上、第m个目标函数输出的数值。
[0143]
将适应度与零进行比较。
[0144]
若适应度小于零(f
sum
＜0)，则确定细菌更新后的位置是否优于细菌更新前的位置，则前进到新位置并按照此方向继续前进，更新细菌的位置和适应度，并将细菌的参数写
入外部档案中。
[0145]
进一步而言，每执行一个周期的迭代寻优后，求得细菌种群的非劣解集，将该周期形成的每个非劣解放入外部档案中，外部档案中存放细菌个体的上限设定为u
max
，若加入该周期的非劣解使得解的数量大于u
max
，则根据对细菌种群的进行非劣解的分级，对个体进行拥挤度的计算后排序，保留前u
max
个解。
[0146]
当适应度大于零(f
sum
＞0)或已经达到最大游动步长ns，则该次趋化操作结束，将对趋化次数j累加一(j＝j+1)。
[0147]
步骤106、依据参数下的混合有源滤波器在充电站中执行滤波处理。
[0148]
若完成诸如无源滤波器ppf的电感l和电容c、有源滤波器apf的增益g等参数的优化，则可以按照这些参数配置混合有源滤波器hapf，从而驱动混合有源滤波器hapf对充电站产生的谐波进行滤波处理。
[0149]
在本实施例中，确定在充电站中接入混合有源滤波器，混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；对配电网、混合有源滤波器与充电站建立各次谐波的等效电路模型；在谐波抑制、无功补偿容量与成本的维度下对等效电路模型构建多个目标函数；对等效电路模型设置约束条件；对等效电路模型生成满足约束条件的参数、以优化多个目标函数的输出值；依据参数下的混合有源滤波器执行滤波处理。本实施例对电动车的充电站进行谐波建模，选用串联有源滤波器、并联无源滤波器的混合有源滤波器接入充电站，在谐波抑制、无功补偿容量与成本的维度下优化参数，能够全面的设计出既满足谐波抑制性能，又具有良好经济性的混合有源滤波器。
[0150]
实施例二
[0151]
图4为本发明实施例二提供的一种充电站的滤波装置的结构示意图。如图4所示，该装置包括：
[0152]
滤波器确定模块401，用于确定在充电站中接入混合有源滤波器，所述混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；
[0153]
模型构建模块402，用于对所述配电网、所述混合有源滤波器与所述充电站建立各次谐波的等效电路模型；
[0154]
目标函数构建模块403，用于在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数；
[0155]
约束条件设置模块404，用于对所述等效电路模型设置约束条件；
[0156]
参数优化模块405，用于对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值；
[0157]
滤波执行模块406，用于依据所述参数下的所述混合有源滤波器在所述充电站中执行滤波处理。
[0158]
在本发明的一个实施例中，所述目标函数构建模块403还用于：
[0159]
在所述等效电路模型中，通过如下公式计算各次谐波的电压分量、电流分量：
[0160][0161]rtlh
＝r
shrlh-x
lh
x
sh
[0162]
x
tlh
＝x
shrlh
+x
lhrbh
[0163][0164]
其中，i
sh
为所述配电网在第h次谐波的电流分量，i
lh
为所述电动车的谐波负载在第h次谐波的电流源常量等效值；v
lh
为所述电动车的谐波负载在第h次谐波的电压分量，v
sh
为所述配电网在第h次谐波的电压分量；r
lh
为所述电动车的谐波负载在第h次谐波的等效电阻，r
sh
为所述配电网在第h次谐波的等效电阻；x
lh
为所述电动车的谐波负载在第h次谐波的等效电抗，x
fh
为所述配电网在第h次谐波的等效电抗，x
sh
为所述配电网在第h次谐波的等效电抗，x
l
为所述无源滤波器的电感在基频下的电抗，xc为所述无源滤波器的电容在基频下的电抗；g为所述有源滤波器的增益；
[0165]
将所述电压分量与所述电流分量代入如下公式对所述公共接入点计算电压的第一总谐波畸变率、电流的第二总谐波畸变率：
[0166][0167][0168]
其中，thdv为所述公共接入点的电压的第一总谐波畸变率，thdi为所述公共接入点的电流的第二总谐波畸变率，i
sh
为所述配电网在第h次谐波的电流分量，v
lh
为所述电动车的谐波负载的第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，n为谐波的数量；
[0169]
在谐波抑制的维度下，将所述第一总谐波畸变率与所述第二总谐波畸变率代入如下公式中对所述等效电路模型计算谐波污染指标，作为目标函数：
[0170][0171]
其中，hp为谐波污染指标，thdv为电压的第一总谐波畸变率，thdi为电流的第二总谐波畸变率。
[0172]
在本发明的另一个实施例中，所述目标函数构建模块403还用于：
[0173]
在无功补偿容量的维度下，通过如下公式对所述等效电路模型计算补偿谐波的负载功率因素，作为目标函数：
[0174][0175]
其中，pf为负载功率因素，g
l1
为所述电动车的谐波负载的基波等效电导，g
lh
为所述电动车的谐波负载在第h次谐波的电导，v
l1
为所述公共接入点的基波电压，i
l1
为所述公共接入点的基频电流，v
lh
为所述电动车的谐波负载在第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，i
sh
为所述配电网在第h次谐波的电流分量，h为谐波的次数。
[0176]
在本发明的又一个实施例中，所述目标函数构建模块403还用于：
[0177]
通过如下公式计算接入所述无源滤波器的第一子成本：
[0178]fppf
＝k1c+k2l
[0179]
其中，f
ppf
为接入所述无源滤波器的第一子成本，k1为所述无源滤波器单位电容的成本，k2为所述无源滤波器单位电感的成本，c为所述无源滤波器的电容，l为所述无源滤波器的电感；
[0180]
通过如下公式计算接入所述有源滤波器的第二子成本：
[0181][0182]
其中，f
apf
为接入所述有源滤波器的第二子成本，k3为所述有源滤波器单位容量的成本，k4为所述有源滤波器的基础成本，i
sh
为所述配电网在第h次谐波的电流分量，n为谐波的数量；
[0183]
在成本的维度下，将所述第一子成本与所述第二子成本相加，得到在所述等效电路模型中接入所述混合有源滤波器的总成本，作为目标函数。
[0184]
在本发明的一个实施例中，所述参数优化模块405还用于：
[0185]
s11、初始化细菌种群，所述细菌种群中的细菌包含所述混合有源滤波器的参数；
[0186]
s12、判断所述细菌的迁徙次数是否大于预设的驱散阈值；若是，则执行s13，若否，则执行s14；
[0187]
s13、输出外部档案中的所述参数的数值；
[0188]
s14、判断所述细菌的复制次数是否大于预设的复制阈值；若是，则执行s15，若否，则执行b16；
[0189]
s15、对各个所述细菌生成随机值；若所述随机值小于预设的驱散概率，则滤除所述细菌，随机生成一个新的细菌；若所述随机值大于或等于预设的驱散概率，则保留所述细菌；对所述细菌的迁徙次数累加一，对所述细菌的复制次数与所述细菌的趋化次数均置为零，返回执行s12；
[0190]
s16、判断所述细菌的趋化次数是否大于预设的趋化阈值；若是，则执行s17，若否，则执行s19；
[0191]
s17、对所述细菌划分级别，对同一级别各个所述细菌计算拥挤距离，并按照所述级别与所述拥挤距离对所述细菌进行排序；
[0192]
s18、复制排序位于最大游动步长前一半的所述细菌，淘汰排序位于最大游动步长
后一半的所述细菌；对复制次数累加一，将趋化次数均置为零，返回执行s14；
[0193]
s19、依据所述细菌种群中随机两个所述细菌之间的差异更新当前所述细菌的位置；
[0194]
s20、依据所述目标函数判断所述细菌更新后的位置是否优于所述细菌更新前的位置；若是，则将所述细菌的参数写入外部档案中；将对趋化次数累加一，返回执行s16。
[0195]
在本发明的一个实施例中，所述参数优化模块405还用于：
[0196]
通过如下公式计算翻滚系数：
[0197][0198]
其中，β(k，l)为第k次复制、第l次迁徙时的翻滚系数，l为迁徙的次数，k为复制的次数，n
re
为复制阈值；
[0199]
通过如下公式更新当前所述细菌的位置：
[0200][0201]
其中，θ(i，j+1，k，l)为当前细菌i在第j+1次趋化、第k次复制、第l次迁徙时的位置，θ(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的位置，β(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的翻滚系数，θ(i1，j，k，l)为随机选择的细菌i1在第j次趋化、第k次复制、第l次迁徙时的位置，θ(i2，j，k，l)为随机选择的细菌i2在第j次趋化、第k次复制、第l次迁徙时的位置，ns为细菌种群。
[0202]
在本发明的一个实施例中，所述参数优化模块405还用于：
[0203]
通过如下公式对同一级别中的各个所述细菌计算目标距离：
[0204][0205]
其中，sn为同一级别中第n个所述细菌，cdi为目标距离，为对所述目标函数fm的解降序排序后的第n+1个解，为对所述目标函数fm的解降序排序后的第n-1个解，为所述目标函数fm的、数值最大的解，为所述目标函数fm的、数值最小的解；
[0206]
将多个所述目标函数下的所述目标距离相加，得到同一级别各个所述细菌的拥挤距离。
[0207]
在本发明的一个实施例中，所述参数优化模块405还用于：
[0208]
通过如下公式计算所述细菌在更新后的位置上的适应度：
[0209][0210]
其中，f
sum
为适应度，n为目标函数的数量，fm为第m个目标函数的权重，fm(x
ij
)为第i个细菌在更新前的位置上、第m个目标函数输出的数值，fm(x
ij+1
)为第i个细菌在更新后的
位置上、第m个目标函数输出的数值；
[0211]
若所述适应度小于零，则确定所述细菌更新后的位置是否优于所述细菌更新前的位置。
[0212]
本发明实施例所提供的充电站的滤波装置可执行本发明任意实施例所提供的充电站的滤波方法，具备执行充电站的滤波方法相应的功能模块和有益效果。
[0213]
实施例三
[0214]
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0215]
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0216]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0217]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，如充电站的滤波方法。
[0218]
在一些实施例中，充电站的滤波方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的充电站的滤波方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行充电站的滤波方法。
[0219]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出
装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0220]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0221]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0222]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0223]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0224]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0225]
实施例四
[0226]
本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序在被处理器执行时实现如本发明任一实施例所提供的充电站的滤波方法。
[0227]
计算机程序产品在实现的过程中，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，
诸如java、smalltalk、c++，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0228]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0229]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种充电站的滤波方法，其特征在于，包括：确定在充电站中接入混合有源滤波器，所述混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；对所述配电网、所述混合有源滤波器与所述充电站建立各次谐波的等效电路模型；在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数；对所述等效电路模型设置约束条件；对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值；依据所述参数下的所述混合有源滤波器在所述充电站中执行滤波处理。2.根据权利要求1所述的方法，其特征在于，所述在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数，包括：在所述等效电路模型中，通过如下公式计算各次谐波的电压分量、电流分量：r
tlh
＝r
sh
r
lh-x
lh
x
sh
x
tlh
＝x
sh
r
lh
+x
lh
r
sh
其中，i
sh
为所述配电网在第h次谐波的电流分量，i
lh
为所述电动车的谐波负载在第h次谐波的电流源常量等效值；v
lh
为所述电动车的谐波负载在第h次谐波的电压分量，v
sh
为所述配电网在第h次谐波的电压分量；r
lh
为所述电动车的谐波负载在第h次谐波的等效电阻，r
sh
为所述配电网在第h次谐波的等效电阻；x
lh
为所述电动车的谐波负载在第h次谐波的等效电抗，x
fh
为所述配电网在第h次谐波的等效电抗，x
sh
为所述配电网在第h次谐波的等效电抗，x
l
为所述无源滤波器的电感在基频下的电抗，x
c
为所述无源滤波器的电容在基频下的电抗；g为所述有源滤波器的增益；将所述电压分量与所述电流分量代入如下公式对所述公共接入点计算电压的第一总谐波畸变率、电流的第二总谐波畸变率：谐波畸变率、电流的第二总谐波畸变率：其中，thd
v
为所述公共接入点的电压的第一总谐波畸变率，thd
i
为所述公共接入点的电流的第二总谐波畸变率，i
sh
为所述配电网在第h次谐波的电流分量，v
lh
为所述电动车的谐
波负载的第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，n为谐波的数量；在谐波抑制的维度下，将所述第一总谐波畸变率与所述第二总谐波畸变率代入如下公式中对所述等效电路模型计算谐波污染指标，作为目标函数：其中，hp为谐波污染指标，thd
v
为电压的第一总谐波畸变率，thd
i
为电流的第二总谐波畸变率。3.根据权利要求2所述的方法，其特征在于，所述在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数，包括：在无功补偿容量的维度下，通过如下公式对所述等效电路模型计算补偿谐波的负载功率因素，作为目标函数：其中，pf为负载功率因素，g
l1
为所述电动车的谐波负载的基波等效电导，g
lh
为所述电动车的谐波负载在第h次谐波的电导，v
l1
为所述公共接入点的基波电压，i
l1
为所述公共接入点的基频电流，v
lh
为所述电动车的谐波负载在第h次谐波的电压分量，v
l1
为基波电压的有效值，i
s1
为基波电流的有效值，i
sh
为所述配电网在第h次谐波的电流分量，h为谐波的次数。4.根据权利要求2所述的方法，其特征在于，所述在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数，包括：通过如下公式计算接入所述无源滤波器的第一子成本：f
ppf
＝k1c+k2l其中，f
ppf
为接入所述无源滤波器的第一子成本，k1为所述无源滤波器单位电容的成本，k2为所述无源滤波器单位电感的成本，c为所述无源滤波器的电容，l为所述无源滤波器的电感；通过如下公式计算接入所述有源滤波器的第二子成本：其中，f
apf
为接入所述有源滤波器的第二子成本，k3为所述有源滤波器单位容量的成本，k4为所述有源滤波器的基础成本，i
sh
为所述配电网在第h次谐波的电流分量，n为谐波的数量；在成本的维度下，将所述第一子成本与所述第二子成本相加，得到在所述等效电路模型中接入所述混合有源滤波器的总成本，作为目标函数。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值，包括：s11、初始化细菌种群，所述细菌种群中的细菌包含所述混合有源滤波器的参数；s12、判断所述细菌的迁徙次数是否大于预设的驱散阈值；若是，则执行s13，若否，则执
行s14；s13、输出外部档案中的所述参数的数值；s14、判断所述细菌的复制次数是否大于预设的复制阈值；若是，则执行s15，若否，则执行s16；s15、对各个所述细菌生成随机值；若所述随机值小于预设的驱散概率，则滤除所述细菌，随机生成一个新的细菌；若所述随机值大于或等于预设的驱散概率，则保留所述细菌；对所述细菌的迁徙次数累加一，对所述细菌的复制次数与所述细菌的趋化次数均置为零，返回执行b12；s16、判断所述细菌的趋化次数是否大于预设的趋化阈值；若是，则执行s17，若否，则执行s19；s17、对所述细菌划分级别，对同一级别各个所述细菌计算拥挤距离，并按照所述级别与所述拥挤距离对所述细菌进行排序；s18、复制排序位于最大游动步长前一半的所述细菌，淘汰排序位于最大游动步长后一半的所述细菌；对复制次数累加一，将趋化次数均置为零，返回执行s14；s19、依据所述细菌种群中随机两个所述细菌之间的差异更新当前所述细菌的位置；s20、依据所述目标函数判断所述细菌更新后的位置是否优于所述细菌更新前的位置；若是，则将所述细菌的参数写入外部档案中；将对趋化次数累加一，返回执行s16。6.根据权利要求5所述的方法，其特征在于，所述依据所述细菌种群中随机两个所述细菌之间的差异更新当前所述细菌的位置，包括：通过如下公式计算翻滚系数：其中，β(k，l)为第k次复制、第l次迁徙时的翻滚系数，l为迁徙的次数，k为复制的次数，n
re
为复制阈值；通过如下公式更新当前所述细菌的位置：其中，θ(i，j+1，k，l)为当前细菌i在第j+1次趋化、第k次复制、第l次迁徙时的位置，θ(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的位置，β(i，j，k，l)为当前细菌i在第j次趋化、第k次复制、第l次迁徙时的翻滚系数，θ(i1，j，k，l)为随机选择的细菌i1在第j次趋化、第k次复制、第l次迁徙时的位置，θ(i2，j，k，l)为随机选择的细菌i2在第j次趋化、第k次复制、第l次迁徙时的位置，n
s
为细菌种群。7.根据权利要求5所述的方法，其特征在于，所述对同一级别各个所述细菌计算拥挤距离，包括：通过如下公式对同一级别中的各个所述细菌计算目标距离：
其中，s
n
为同一级别中第n个所述细菌，cd
i
为目标距离，为对所述目标函数f
m
的解降序排序后的第n+1个解，为对所述目标函数f
m
的解降序排序后的第n-1个解，为所述目标函数f
m
的、数值最大的解，为所述目标函数f
m
的、数值最小的解；将多个所述目标函数下的所述目标距离相加，得到同一级别各个所述细菌的拥挤距离；所述依据所述目标函数判断所述细菌更新后的位置是否优于所述细菌更新前的位置，包括：通过如下公式计算所述细菌在更新后的位置上的适应度：其中，f
sum
为适应度，n为目标函数的数量，f
m
为第m个目标函数的权重，f
m
(x
ij
)为第i个细菌在更新前的位置上、第m个目标函数输出的数值，f
m
(x
ij
+1)为第i个细菌在更新后的位置上、第m个目标函数输出的数值；若所述适应度小于零，则确定所述细菌更新后的位置是否优于所述细菌更新前的位置。8.一种充电站的滤波装置，其特征在于，包括：滤波器确定模块，用于确定在充电站中接入混合有源滤波器，所述混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；模型构建模块，用于对所述配电网、所述混合有源滤波器与所述充电站建立各次谐波的等效电路模型；目标函数构建模块，用于在谐波抑制、无功补偿容量与成本的维度下对所述等效电路模型构建多个目标函数；约束条件设置模块，用于对所述等效电路模型设置约束条件；参数优化模块，用于对所述等效电路模型生成满足所述约束条件的参数、以优化多个所述目标函数的输出值；滤波执行模块，用于依据所述参数下的所述混合有源滤波器在所述充电站中执行滤波处理。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的充电站的滤波方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行时实现权利要求1-7中任一项所述的充电站的滤波方法。

技术总结
本发明公开了一种充电站的滤波方法、装置、设备及存储介质，该方法包括：确定在充电站中接入混合有源滤波器，混合有源滤波器包括在配电网串联接入的有源滤波器、在电动车的公共接入点并联接入的无源滤波器；对配电网、混合有源滤波器与充电站建立各次谐波的等效电路模型；在谐波抑制、无功补偿容量与成本的维度下对等效电路模型构建多个目标函数；对等效电路模型设置约束条件；对等效电路模型生成满足约束条件的参数、以优化多个目标函数的输出值；依据参数下的混合有源滤波器执行滤波处理。本实施例能够全面的设计出既满足谐波抑制性能，又具有良好经济性的混合有源滤波器。又具有良好经济性的混合有源滤波器。又具有良好经济性的混合有源滤波器。


技术研发人员：王伟杰 徐远途 华耀 董富德 黄荣杰 陈伯韬 薛博文 张培培 赵文 郭景宇 朱德强 梁健辉 杨浩 阮灿华 盘倩 钟芬芳 盘荣波 李炳坤
受保护的技术使用者：广东电网有限责任公司清远供电局
技术研发日：2023.07.11
技术公布日：2023/10/8