粒子群优化算法及其在发电机组调速系统参数辨识中的应用

准确可靠的发电机组调速系统模型参数对于电力系统稳定性分析非常重要,由于利用常规辨识方法(如最小二乘法)进行模型参数辨识时对试验条件要求较为苛刻,且很难对调速系统中大量存在的非线性环节参数进行辨识.本研究将目前正处于研究热点的粒子群算法引入发电机组调速系统模型参数的辨识过程研究,结果表明,利用粒子群理论进行模型参数辨识时...     

基于PSO算法的电液伺服调节环节参数辨识

鉴于汽轮机电液伺服调节环节大量存在的非线性环节,并且常规辨识方法很难对调速系统中大量存在的非线性环节参数进行辨识,从而难以得到准确的数学模型,本研究将粒子群优化算法引入参数辨识研究中,针对算法易早熟收敛的缺点,采用了基于双层进化的多粒子群优化算法,同时,通过现场实验研究对参数辨识的方法及效果进行验证.试验结果表明,利用多粒子群优化算法对建立的汽轮机电液调节系统执行环节的参数进行辨识能取得理想效果,满足工程应用的需求.     

基于遗传粒子群算法的光伏并网逆变器参数辨识

在并网光伏发电系统模型基础上,通过分析逆变器控制器结构,确定待辨识参数。提出一种基于遗传粒子群(GAPSO)算法的光伏并网逆变器参数辨识方法,同步辨识各控制参数。辨识结果与遗传算法和粒子群算法辨识结果的对比表明,GAPSO参数优化模型在辨识精度和收敛速度方面具有明显的优越性。最后对参数辨识模型的泛化能力进行评价,比较了3种不同扰动情况下的仿真曲线与测试曲线,验证了模型的适用性和准确性。     

基于全局信息融合粒子群算法的水轮发电机模型参数辨识

针对粒子群(PSO)优化算法辨识发电机模型参数时存在局部最优和后期收敛速度慢很难准确获取具有强泛化能力的模型参数的问题,提出了一种基于多粒子全局信息共享和变权重的全局信息融合PSO算法(GPSO),并通过IEEE3机9节点系统算例验证了该算法的有效性。结果表明,与常规PSO算法相比,该算法具有泛化能力强、辨识精度高和后期收敛速度快的优点。     

水轮机引水系统精细化模型参数辨识研究

由于传统的水轮机调速建模在引水系统部分无法较为准确地辨识参数,针对水力损失函数复杂的模型机理结构,通过黑箱辨识与曲线拟合的方法,搭建了水力损失函数精细化模型。通过改进型的粒子群算法对模型参数进行辨识,改善了粒子群算法收敛性与容易陷入局部最优等问题并用算例验证了模型与方法的有效性。     

SOC estimation of lithium battery based online parameter identification and AEKF

SOC的准确估计对提高电池的动态性能和能量利用效率至关重要,估计过程中,模型参数不准确以及系统噪声的不确定性都会对结果产生较大影响。为减小模型参数辨识和系统噪声对SOC估计精度的影响,本文采用二阶RC等效电路模型,结合自适应扩展卡尔曼滤波算法（AEKF）进行锂电池的SOC估计。用带有遗忘因子的最小二乘法对模型参数进行在线辨识,以减小由参数辨识引起的估计误差,AEKF可以对系统和过程噪声进行修正,从而减小噪声对SOC估计的影响。最后分别用EKF和AEKF进行SOC估计并比较其误差,结果表明,AEKF联合最小二乘法参数在线辨识具有更高的精度和更好的适应性。     

基于混合蛙跳算法的光伏阵列参数辨识方法

在建立太阳电池工程用简化模型的基础上,确定需辨识的参数,并将某光伏电站提供的实测数据划分为晴天、阴天、多云及阴雨4种天气类型。采用混合蛙跳算法(SFLA)对各天气状况下的模型参数进行辨识,并运用实测数据对辨识结果进行算例验证;随后将混合蛙跳算法与粒子群算法的辨识结果对比,进一步验证混合蛙跳算法的优越性,从而使简化模型输出与实测曲线更为一致。     

基于混合蛙跳算法的油纸绝缘变压器拓展德拜等值电路参数求解

为了更好地研究变压器油纸绝缘老化状态与拓展德拜等值电路参数之间的相关性,根据实测回复电压特征量参数等值电路模型,建立求解等值电路参数的数学模型,并将该模型转化为非线性优化问题,利用混合蛙跳算法的全局信息交换和局部深度搜索特性对拓展德拜等值电路参数进行参数辨识。通过两台变压器的辨识结果表明,与粒子群算法相比,由混合蛙跳算法辨识的电路参数计算获得的回复电压值与测量值具有更高的重合度,并能够准确地反映变压器油纸绝缘状态。     

基于改进粒子群算法的热工模型辨识

现阶段对于热工模型辨识精度不高和传统粒子群算法(PSO)早熟的情况,推出了一种崭新的算法,这种算法用于解决最优化问题。它对于不同维度上的粒子具有不一样的惯性权重,而同一维度上的惯性权重表示为线性衰减变化,此方法有一定的创新性和实用性。混沌惯性衰减权重的粒子群算法能够精确地得到系统的传递函数模型,把这种方法运用在循环流化床热机组的主蒸汽温度模型辨识中,辨识结果表明了该方法的合理性和优越性,取得了较好的辨识结果。对火电厂热工控制的研究有一定的参考价值。     

基于改进粒子群算法的水轮机调速系统建模

针对电力系统稳定计算分析软件中水轮机调速系统模型过于简单、粗略的问题,建立了水轮机调速系统非线性模型,并提出参数实测与改进的粒子群智能优化算法结合的模型辨识方法,获得了调速器模型参数、水轮机-引水道模型参数.现场实测数据的模型仿真结果验证了该模型辨识方法的准确性,该模型优于电力系统稳定计算软件中的模型,更符合实际.     

Inverse radiation analysis using repulsive particle swarm optimization algorithm

In this study, an inverse radiation analysis is presented for the estimation of the radiation properties for an absorbing, emitting, and scattering media with diffusely emitting and reflecting opaque boundaries. The repulsive particle swarm optimization (RPSO) algorithm, which is a relatively recent heuristic search method, is proposed as an effective method for improving the search efficiency for unknown radiative parameters. To verify the performance of the RPSO algorithm, it is compared with a basic particle swarm optimization (PSO) algorithm and a hybrid genetic algorithm (HGA) for the inverse radiation problem in estimating the various radiation properties in a two-dimensional irregular medium, when the temperatures are given at only four measurement positions. A finite-volume method is applied to solve the radiative transfer equation of a direct problem to obtain measured temperatures. RPSO is proven to be quite a robust tool for simultaneous estimation of multi-parameters even in a strongly-coupled environment.     

基于区间建模的新能源电网无功优化策略

  目的  新能源发电具有间歇性和随机性,其功率为不确定性数据,会造成电网电压和频率的变化,对电力系统安全运行构成威胁。为保证大规模新能源并网后电网电压的安全,考虑新能源发电波动不确定性,提出一种基于区间建模的新能源电网无功优化策略。  方法  该策略采用区间数描述无功优化模型中的不确定参数,进而建立区间无功优化模型,采用基于优化场景的区间潮流算法求解区间潮流方程,获取状态变量区间,确定控制变量的可行性,在此基础上采用改进的粒子群优化算法求解区间无功优化模型,在粒子群算法中加入局部搜索环节和离散变量交叉处理操作以提高算法寻优能力。为了验证所提方法的有效性和优越性,分别采用IEEE 14节点和IEEE 30节点算例进行仿真计算,与自适应遗传算法和普通粒子群算法进行对比分析。  结果  仿真结果表明:与自适应遗传算法和普通粒子群算法相比,采用改进粒子群的区间无功优化策略具有更快的收敛速度,更强的寻优能力,并且可有效处理模型中离散变量。  结论  所提策略可有效解决区间无功优化问题,能保障大规模新能源并网后电网电压的运行安全。     

基于DESAPSO混合算法的MMC-HVDC系统控制参数优化

针对传统外环控制器比例积分(PI)参数的选择需要经过长时间的调试且在大扰动下难以实时调节控制可能导致系统持续振荡的问题,提出了一种基于差分进化模拟退火粒子群优化混合算法(DESAPSO)的MMC-HVDC系统控制参数优化方法。基于MMC-HVDC系统的数学模型,在Matlab/Simulink平台上搭建MMC-HVDC系统仿真模型,采用时间绝对误差积分(ITAE)指标构建PI参数优化的目标函数,利用DESAPSO混合算法对PI参数进行优化。通过对比原参数、基于差分进化算法、模拟退火粒子群优化算法与差分进化模拟退火粒子群优化混合算法的优化结果,验证了该方法在MMC-HVDC控制系统参数优化中的有效性与优越性。     

基于MOPSO算法的垂向混合产流模型参数多目标优化

针对水文过程模拟模型的复杂性及校准参数的准确性问题,提出一种相对较新的全局优化算法——多目标粒子群优化(MOPSO)算法定义多个目标函数,并引入Pareto前沿解概念,扩大了采样空间,提高了算法的运算速度和鲁棒性,进而对垂向混合产流模型进行模拟。实例应用结果表明,与单目标算法相比,多目标算法能较准确地模拟水文过程的多方面因素,提高了优化结果的精度。     

Thermal modeling of a solid oxide fuel cell and micro gas turbine hybrid power system based on modified LS-SVM

For a solid oxide fuel cell (SOFC) integrated into a micro gas turbine (MGT) hybrid power system, SOFC operating temperature and turbine inlet temperature are the key parameters, which affect the performance of the hybrid system. Thus, a least squares support vector machine (LS-SVM) identification model based on an improved particle swarm optimization (PSO) algorithm is proposed to describe the nonlinear temperature dynamic properties of the SOFC/MGT hybrid system in this paper. During the process of modeling, an improved PSO algorithm is employed to optimize the parameters of the LS-SVM. In order to obtain the training and prediction data to identify the modified LS-SVM model, a SOFC/MGT physical model is established via Simulink toolbox of MATLAB6.5. Compared to the conventional BP neural network and the standard LS-SVM, the simulation results show that the modified LS-SVM model can efficiently reflect the temperature response of the SOFC/MGT hybrid system.     

PSO及SM-PSO算法在Jensen模型参数求解中的应用

针对传统的求解Jensen 模型敏感指数的回归分析法（LR）存在的有偏估计和拟合精度不高等问题,利用粒子群算法（PSO）和单纯形法—粒子群算法（SM-PSO）分别对模型的敏感指数进行求解并与传统方法进行对比。结果表明,回归分析法、PSO算法和SM-PSO算法所得模型计算的相对产量与实际相对产量的平均相对误差分别为3.1%、1.8%和1.4%,说明PSO算法和SM-PSO算法均优于传统算法,尤其是SM-PSO算法收敛速度更快、拟合精度更高,是一种有效的求解Jensen 模型敏感指数的方法。     

Design of a cost-effective on-grid hybrid wind–hydrogen based CHP system using a modified heuristic approach

An economic model and optimization procedure is developed in this paper for grid-connected hybrid wind–hydrogen combined heat and power systems for residential applications in northeastern Iran. The model considers various significant factors: energy production cost, electrical trade with local grid, electrical power generation from the wind/hydrogen energy system, thermal recovery from the fuel cell, and maintenance. Also, various tariffs for purchasing and selling electrical energy from the local grid are considered for the hybrid system operation. The optimization objective is to minimize the system total cost subject to relevant constraints for residential applications. To achieve this aim, an efficient optimization method is proposed based on particle swarm optimization. The proposed algorithm performance is compared with that for the imperialist competition algorithm. The results show that the hybrid system is the most cost-effective for the residential load, and the results of the proposed algorithm are more promising than those for the alternative algorithm.     

基于粒子群算法的PERT网络优化问题研究

针对工程项目PERT网络计划工期-费用优化问题,尝试引入粒子群算法。在保证不陷入局部最优的前提下,为提高收敛速度,用线性规划方法建立数学模型,并采用了改进的PSO算法。实际算例的仿真结果表明,该方法具有收敛速度快、运算简单、易于实现等优点。     

基于云PSO-SVM的汽轮机转子故障诊断研究

为提高汽轮机转子故障诊断的准确率和识别效率,提出基于云粒子群优化算法(CPSO)优化支持向量机(SVM)的故障诊断方法。首先利用补充总体平均经验模态分解(CEEMD)对转子振动信号进行分解,利用能量法筛选出更为有效的固有模态分量(IMF)并计算对应的排列熵(PE)作为故障特征值;其次将云理论引入到粒子群优化算法(PSO)中得到CPSO算法,通过CPSO算法优化SVM得到诊断模型。在ZT-3试验台对汽轮机转子常见4种故障(正常状态、转子不平衡、转子不对中和动静碰磨状态)状态进行模拟实验,获取故障数据后进行故障识别研究。研究表明:在相同测试样本的条件下,CPSO-SVM诊断模型的识别准确率为95%,比PSO-SVM诊断模型提高了5%,运行时间为22.055 s,比PSO缩短了14.5 s。研究结果验证了CPSO-SVM算法在汽轮机转子故障诊断方面的优越性。     

基于粒子群蚁群混合算法的配电网故障后重构研究

针对粒子群算法在配电网故障恢复中容易陷于局部干扰和蚁群算法计算速度慢的缺点,提出了适用于配电网故障后重构的基于粒子群蚁群的混合算法,确定了配电网重构时的潮流计算方法和目标函数,根据配电网的网孔对配电网的支路进行分组、编码,并简化网络;最后采用粒子群算法、蚁群算法、混合算法共三种算法对IEEE33节点系统进行了故障后的重构仿真分析,仿真结果验证了混合算法在配电网故障后重构应用中的有效性。