基于粒子群优化算法的过程模型辨识

参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.     

基于混沌粒子群算法的火电机组热工过程辨识方法

针对火电厂热工过程的特点及其辨识方法的不足,以及粒子群(PSO)算法易早熟,且无法得到全局最优的问题,将粒子群早熟判断机制和混沌搜索序列添加到PSO算法中构成混沌粒子群优化(CPSO)算法,提出了基于CPSO算法的热工过程辨识方法,并将该方法应用于基于现场实测数据的热工过程模型辨识中。结果表明,该方法能够使粒子群快速摆脱局部极小值,提高了算法的收敛速度和收敛精度,取得了较好的辨识效果。     

PSO算法在过程模型参数辨识中的应用

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化（PSO）算法的模型参数辨识方法,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率,对火电厂热工过程进行参数辨识的仿真结果验证了本文所提出算法的有效性。     

基于粒子群算法的火电厂热工过程模型辨识

针对火电厂热工过程对象的特点及传统模型辨识的缺陷,将粒子群算法应用于热工过程模型的辨识,并在实现方法、参数选取等方面进行了改进,提高了辨识的精确性与快速性。通过仿真数据及以某台300MW机组锅炉烟气挡板控制为对象,对再热蒸汽温度系统进行辨识,证明了该方法的有效性和可靠性。     

基于遗传算法的热工过程辨识

针对热工过程对象的特点和模型辨识的需要,对热工过程对象模型进行了分类,并将遗传算法应用于热工过程模型的辨识,介绍了基于遗传算法的热工过程辨识的方法。同时利用Matlab的图形用户界面设计功能,编制了专用的模型辨识软件,并对典型的热工过程进行了辨识仿真研究。结果表明,基于遗传算法的热工过程辨识方法可以得到准确的辨识结果。     

基于标准粒子群算法对热工模型的辨识

针对热工系统建模中的模型辨识问题,采用标准粒子群算法去辨识热工系统的模型;介绍了粒子群算法和标准粒子群算法的基本思想,以及利用标准粒子群算法进行系统辨识的基本原理与计算方法,并且利用Matlab数学工具对该方法在火电厂生产过程中蒸汽变化量对汽包水位的影响的传递函数,以及送风量和引风量变化对炉膛负压影响的传递函数的系统辨识进行了仿真研究,得到了这两个系统的数学模型,仿真结果显示所得的这两个数学模型与实际的现场数据有一定的吻合性,对火电厂热工系统的研究以及运行操作人员具有一定的指导意义。     

基于改进微分进化算法的过程模型参数辨识

参数辨识是过程建模的基础,对于参数辨识问题提出了许多不同的方法.针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于改进微分进化(DE)算法的模型参数辨识方法,有效提高了参数辨识的精度和效率.对火电厂热工过程参数辨识的仿真研究验证了本文算法的有效性.结果表明,利用改进DE算法辨识过程模型参数,无论...     

基于数据融合模型的励磁系统参数辨识算法

确认真实可靠的发电机励磁系统参数对电力系统安全稳定分析具有重要意义.基于人工网络融合法,提出了一种基于数据融合模型的辨识算法实现对励磁系统的参数辨识.首先,使用灰狼算法、粒子群算法和遗传算法分别对励磁系统进行参数辨识.然后,利用人工神经网络算法对三种方法的辨识结果进行合成决策.最后,数据融合模型输出合成辨识值.仿真结果表明,基于融合模型的励磁系统参数辨识方法较单一辨识法具有更高的辨识精度与稳定性.     

电厂热工过程ARMA多参数辨识模型及应用

介绍有自回归滑动平均（ＡＲＭＡ）模型形式表示复杂的电厂热工过程的方法,其采用了样本自协方差函数和自相关函数估计模型参数。这种方法可用于多输入多输出过程众多参数离线辨识,属灰色系统辨识方法的一种。此法对多输入的对象辨识准确可靠,稍加修改,即可用于在线辨识。     

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点，将模糊自适应的思想引入QGA, 提出了模糊量子遗传算法(FQGA)。对典型函数测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法，并编制了专用的模型识别软件，对典型热工过程进行辨识，取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识，结果表明该方法是一种简单易行的辨识算法，具有实用价值。     

计及轴向传热的中低压单芯电缆导体温升状态空间模型

电力电缆导体温度可为线路载流量及运行状态的评估提供依据。然而,在当前电缆温度计算中,导体的轴向温度分布通常被忽略,无法准确描述电缆运行的热动态过程。为此,基于热平衡原理,在状态空间内提出了计及轴向传热的中低压单芯电缆导体的温升模型。为克服模型参数难以确定的问题,提出了基于粒子群优化算法的电缆热路参数辨识方法。为验证模型精度,建立了电缆温升实验平台,在不同电流下对空气中敷设电缆进行了轴向温升实验。计算结果与实验结果的对比表明,当电缆存在轴向温度梯度时,所提状态空间模型结果精度高于IEC60287标准模型,能够满足中低压单芯电缆导体在不同电流条件下的轴向温升计算要求。     

基于DSLPSO算法的超级电容参数辨识

针对超级电容模型多参数辨识问题以及传统辨识算法收敛精度差,收敛速度慢问题,提出基于动态自学习粒子群算法的超级电容参数辨识方法.根据超级电容等效电路模型,采用双线性变换进行离散化获得辨识模型,使用动态自学习粒子群算法辨识各分支的参数.仿真结果分析表明,与基本粒子群、自适应惯性权重粒子群对比分析,基于动态自学习粒子群算法的超级电容参数辨识方法收敛速度快、收敛精度高、全局寻优能力强,可以更准确地反映出超级电容的动态特性.     

群体智能的系统辨识

概括了系统辨识的方法,重点介绍了最小二乘法、群体智能算法中的粒子群算法和改进的粒子群算法,给出了估计模型的选择方法,并结合某1000MW火电机组实例,运用两种方法进行了系统辨识和仿真.仿真结果表明,最小二乘法可以完成对系统的辨识,但存在较大偏差;采用粒子群算法辨识结果良好.     

基于改进闭环子空间的水电机组参数辨识方法

以往的开环辨识方法仅适用于水电机组并大网模型,系统并入孤网或小网或空载运行时应采用闭环辨识。具有较好辨识效果的预测形式简约子空间闭环辨识方法(PARSIM-K)充分利用了马尔克夫参数矩阵的Toeplitz结构,通过奇异值分解降阶和线性投影获取模型参数,但需要选择合适的时域参数,目前尚无一般的方法。为此,建立了带有频率噪声的水轮机调速系统模型,提出基于粒子群优化算法参数优化的PARSIM-K。该方法利用粒子群优化算法优化时域参数p、f,提高了辨识精度。与传统开环方法相比,所提方法能够克服噪声的影响,更加简便、安全、实用。仿真结果表明,与未优化参数的方法相比,所提方法辨识的模型参数误差更小、模型精度更高。     

Iterative identification methods for a class of bilinear systems by using the particle filtering technique

This article mainly studies the iterative parameter estimation problems of a class of nonlinear systems. Based on the auxiliary model identification idea, this article utilizes the estimated parameters to construct an auxiliary model, and uses its outputs to replace the unknown noise-free process outputs, and develops an auxiliary model least squares-based iterative (AM-LSI) identification algorithm. For further improving the parameter estimation accuracy, we use a particle filter to estimate the unknown noise-free process outputs, and derive a particle filtering least squares-based iterative (PF-LSI) identification algorithm. During each iteration, the AM-LSI and PF-LSI algorithms can make full use of the measured input–output data. The simulation results indicate that the proposed algorithms are effective for identifying the nonlinear systems, and can generate more accurate parameter estimates than the auxiliary model-based recursive least squares algorithm.     

基于MDPSO的永磁直驱风力发电机参数辨识

针对永磁直驱风力发电机的多参数辨识问题以及传统参数辨识方法的收敛精度差、收敛速度慢等问题,提出了引入平均最优位置变量的自适应空间搜索向量的改进粒子群算法(MDPSO),对永磁直驱风力发电机参数辨识。根据永磁直驱风力发电机定子电压电流模型,进行pade近似并降阶处理后进行离散化,建立直驱风力发电机辨识模型;引入自适应空间搜索向量和平均最优位置变量改进粒子群算法;应用提出的MDPSO辨识直驱风力发电机定子绕组的电阻、电感和磁链等参数。算例仿真结果表明,提出的辨识算法具有精度高、计算速度快、稳定性高等特点,从而验证了建立的直驱风力发电机辨识模型及辨识算法的有效性。     

风电场集电网络等值模型结构分析及参数辨识

风电场集电网络等值建模的难点在于如何获得结构简单、普适性强且精度较高的模型结构。针对该问题,首先采用REI等值方法构建了集电网络等值模型结构。其次针对该REI等值模型存在结构复杂、参数较多且难以辨识的缺点,基于理论分析提出了集电网络简化等值模型的构建方法,并通过时域仿真验证了所提风电场集电网络等值模型的可行性。最后以某实际风电场为例,采用粒子群优化算法对集电网络等值模型进行了参数辨识。进一步将参数辨识值与解析值进行了对比,结果表明所提风电场集电网络等值模型有较好的精度和适应性。     

基于改进粒子群算法的开关磁阻电机本体优化

针对开关磁阻电机多变量、高非线性以及传统设计过程无法快速而准确获得最优方案的问题,提出一种基于Kriging模型和改进粒子群算法的参数优化策略。首先建立多目标优化模型,采用田口正交方法进行敏感性分析,依据灵敏度大小将优化变量分为两个子空间;其次为提高多目标粒子群算法的收敛速度和全局寻优精度,引入天牛须搜索算法中环境感应机制和遗传算法中交叉变异策略;最后建立Kriging模型,利用改进粒子群算法对两个子空间参数进行迭代寻优。实验结果表明,优化后的转矩脉动减少23%,平均转矩提高2.3%,在大幅度减少转矩脉动情况下保持了较大平均转矩。结论是改进的粒子群算法与Kriging模型相结合策略适用于开关磁阻电机优化过程,可显著提高优化效率,保证求解精度。     

基于内点法和离散粒子群算法的输电网参数辨识

准确的电网参数是调度平台能量管理系统进行电网安全稳定分析和控制决策的重要基础。以残差加权最小绝对值(WLAV)为目标函数,能有效抑制不良数据对参数辨识结果的影响,采用现代内点法对WLAV进行求解,收敛性好。针对传统参数辨识的系统矩阵条件数过大,易出现程序发散的特点,将原-对偶内点法和离散粒子群(DPSO)算法相结合,给出了一种输电网参数辨识方法,仿真结果表明该方法在计算速度和数值稳定性方面具有明显的优势。     

改进粒子群算法在异步电机静态参数识别中的应用

提出一种新的粒子群协同优化算法(PSCO).应用该粒子群协同优化算法实现异步电机静态参数辨识.在有噪声的情况下,该算法明显改善了标准粒子群算法和基于遗传的粒子群算法,在解决异步电机静态参数辨识问题时,存在识别参数准确性不高、辨识成功率低的问题.