基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

基于混合算法的同步发电机参数辨识方法研究

提出一种同步发电机参数辨识的新方法:最小二乘法(LSM)和扩展粒子群优化算法(EPSO)相结合的混合算法。通过理论分析和算例验证得出这两种算法的优缺点,发现它们有很强的互补性,可将其综合使用,取长补短。仿真算例结果论证了该综合方法的可行性。     

基于粒子群-量子操作算法的同步发电机非线性模型参数辨识

为解决同步发电机三阶非线性模型参数辨识问题,在将参数辨识问题转化为非线性优化问题的基础上,引入粒子群优化(particle swarm optimization,PSO)算法.考虑到PSO收敛速度慢、参数辨识精度低,而量子粒子群优化(quantum particle swarm optimization,QPSO)算法收敛速度快、具有较好的全局搜索能力,将量子操作引入到PSO算法中,提出了粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)优化算法.仿真试验结果表明,与PSO算法、QPSO算法相比,PSO-QO算法收敛速度快、参数辨识精度高、算法更为稳定;与经典扩展卡尔曼滤波(extended Kalman filter,EKE)方法相比,PSO-QO具有更强的鲁棒性,尽管强噪声条件下参数辨识精度有所下降,但效果仍优于EKF.     

基于Park模型的同步发电机参数辨识

指出实用参数的非独立性可能导致基于实用模型的参数辨识的困难,提出直接基于Park 模型辨识电路参数,必要时转换为实用参数。分析基于Park模型的同步发电机参数的可辨识性问题。对于q轴电路参数来说,其参数是唯一可辨识的。但对于d轴电路参数来说,仅利用扰动前稳态及动态过程的数据时,其参数是无穷不可辨识的;如果再利用扰动后稳态,则d轴电路参数均可唯一辨识。提出在励磁参考电压上施加阶跃扰动,先根据前后稳态条件辨识出同步发电机的部分电路参数,然后根据动态过程数据采用蚁群算法辨识其余参数。在实时数字仿真系统(real-time digital simu- lator,RTDS)上进行测试,结果表明,与采用实用模型辨识实用参数相比,该文所提方法能有效地改善参数辨识精度及其平稳性。     

基于可观测量的同步发电机模型参数的频域辨识

对含有不可观测量的同步发电机模型基本参数进行辨识,需要求解复杂的微分方程组,增加了辨识难度。提出一种由可观测量表示的同步发电机阻抗矩阵传递函数模型,简化了参数辨识方法,减小了辨识的计算量。利用阻抗实部和虚部分开表征的辨识算法进行模型的可辨识性分析,研究表明,结合稳态方程后,所提模型的基本参数是唯一可辨识的,避免了参数多值性问题,且辨识过程与参数经验值无关,能有效防止出现由参数经验值误差引起辨识精度降低的问题。通过自适应滤波获得信号的频域信息,结合粒子群优化算法辨识得到同步发电机基本参数。算例仿真结果验证了所提模型的正确性和辨识算法的有效性。     

Prony法在同步发电机参数辨识中应用

提出在同步发电机短路试验中应用Prony法实现参数辨识。用Prony法对三相短路电流实测数据进行指数函数的最小二乘拟合,可确定同步发电机的大部分参数。同步发电机参数辨识分4步实现:确定Prony法中的拟合模型阶数、采样总数和采样间隔;对空载三相短路电流进行实测或录波;利用Prony法辨识三相短路电流中各分量对应的特征量;利用所得特征量辨识同步发电机参数。通过对算例发电机进行数值辨识,结果表明该方法的有效性。研究结果显示:取采样时间间隔约为2ms时,辨识效果好;辨识精度与算法中拟合模型阶数、采样时间间隔和采样总数有关,并受信号中噪声的影响,需加以改进。     

同步发电机参数辨识方法综述

综述了同步发电机参数辨识的方法，对比分析了这些方法的优缺点，为即将开展的同步发电机参数辨识工作奠定基础。     

同步发电机短路故障参数的扩充Prony算法辨识

针对同步发电机短路故障问题,在分析同步发电机短路电流信号特点的基础上,提出了基于扩充Prony算法的同步发电机三相短路电流分段分析方法,建立了同步发电机突然三相短路电路模型。通过仿真分析得到拟合误差曲线以及A、B两相短路电流的模态信息。仿真结果表明:算法能够有效的提取各相电流信号的幅值、频率、相位和阻尼参数等模态信息,信号拟合精确度在10-5以上,是一种有效的同步发电机短路电流分析算法。     

同步发电机参数辨识的蚁群算法及扰动分析

以发电机5阶实用模型为研究对象,利用励磁电压参考值的变化产生动态响应,采用蚁群算法辨识同步发电机参数,分析干扰的大小和类型对发电机参数辨识的影响.在RTDS仿真机组上验证了蚁群算法的可行性,结果表明,从扰动的大小上看,扰动越大,参数辨识的精度越高;从扰动的类型上看,白噪声激励下辨识精度较好,该激励更有利于激发同步发电机的次暂态过程;无论是哪种扰动方式,稳态参数的精度没有大的变化,改善的主要是次暂态参数的辨识精度.     

基于粒子群算法的VSC-HVDC控制参数优化

随着大功率电力电子技术的发展,电压源型直流输电得以实现,为了简化这种新型的直流输电方式控制器设计和提高系统鲁棒性,采用了结合PI控制器的双闭环控制。以两端均为有源网络的电压源型直流输电系统为研究对象,以Matlab/Simulink为研究平台,利用粒子群优化算法,对VSC控制器参数进行了优化。建立直流输电的暂态数学模型,据此分析其控制器结构,选定需要优化的控制参数。将粒子群算法程序与直流输电仿真模型结合进行仿真计算,通过多次迭代得出优化的控制器参数,并与原始参数进行系统性能对比,验证该方法的可行性。     

基于粒子群算法的输电线路参数辨识

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行输电线路参数辨识测试是1项重要的工作.粒子群算法是近几年来迅速发展起来并得到广泛应用的1种新型模拟进化优化算法.在简要介绍粒子群算法的基础上,将其应用于输电线路的参数辨识,并给出了参数辨识过程的理论分析,算例表明该算法具有可行性和有效性,对电力系统的发展有一定意义.     

Synchronous Machine Parameters Evaluation with a Hybrid Particle Swarm Optimization Algorithm

This article presents a novel methodology for the determination of synchronous machine parameters from the sudden short-circuit (SCC) test. Records of armature and field currents transient behavior are used to evaluate the d-axis equivalent circuit, including the rotor characteristic reactance, and the traditional synchronous machine parameters. The method is based on the evolutionary computer algorithm, the hybrid particle swarm optimization (HPSO). The developed program has been successfully applied into two large salient pole synchronous machines test data.     

基于变异机制的混合粒子群算法在永磁同步电机多参数辨识中的研究

针对永磁同步电机多参数辨识方法问题,在基于电机电压方程建立的非线性数学模型的基础上,给出了一种带有差分变异策略的粒子群优化算法实现对永磁同步电机定子电阻、dq轴电感和永磁体磁链的辨识。该算法为解决学习因子和惯性权重独立调整削弱了算法的智能性问题,提出状态因子来使惯性权重非线性调整,通过分析将学习因子表示为权重的logistic回归分析型函数,使其随权重动态调整;为解决电机的非线性模型带来种群多样性的丧失,引入差分进化算法中的交叉变异策略产生候选解,并融合交叉算子为提高算法的全局搜索能力创造了可能性。通过实验仿真,与两种改进的粒子群算法在不同工况下进行对比,验证该改进的算法对提高辨识精度和速度有一定效果,算法具有可靠的收敛性和鲁棒性。     

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。     

改进粒子群算法在永磁同步电动机参数识别中的应用

应用改进粒子群优化算法(IPSO)来识别异步起动永磁同步电动机起动时的动态模型参数.永磁同步电动机异步起动时的电机动态模型采用状态微分方程表示.与遗传算法(GA)和标准粒子群算法(SPSO)相比较,仿真试验表明改进粒子群算法明显提高了识别参数的准确性,同时表明改进粒子群算法能更好地识别永磁同步电动机起动时动态模型的参数.     

基于改进粒子群算法的水轮机调速器参数优化

PSO（粒子群算法）是一种随机全局优化技术.该算法简单,易实现,且功能强大.文章研究了水轮机PID调节器参数的优化问题,利用改进PSO对系统所处的不同状态和工况进行了PID参数寻优.仿真结果表明,此种PID控制器比常规PID有更好的动态调节特性和鲁棒性,不失为一种具有较好实用价值的PID参数优化方法.     

基于粒子群优化模糊控制器永磁同步电机控制

电动汽车由于没有噪声,没有废气污染而受到城市居民的欢迎。而永磁同步电机在交流电机中具有很高的转动惯量,从而在电动汽车中广泛应用。该文提出了一种新的永磁同步电机控制策略,即利用粒子群算法对模糊控制器的3个比例因子参数ka、kb、ku进行全局优化,充分发挥模糊控制器的鲁棒性。为了验证该方法的有效性,利用Matlab仿真工具进行仿真验证,观察控制系统的一阶动态响应。结果表明,系统具有很强的鲁棒性,能够很好的跟踪负载变化,动态响应快,速度跟随准确;利用DSPF240仿真器搭建实验电路,并将整个优化过程分为3个阶段,减少计算量,以提高运算速度,实验结果初步验证了粒子群优化方法在电动汽车领域应用的可行性。