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。     

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.     

基于电网动态特性的发电机主导参数辨识方法

为提高发电机动态参数辨识的准确性,提出一种基于电网动态特性的发电机主导参数辨识方法。首先,根据实测量对发电机进行解耦,构建了包含动态参数的同步发电机的离散非线性状态空间模型,据此给出了参数核平滑算法(kernel smoothing,KS)和祖先采样粒子吉布斯算法(particle Gibbs with ancestor sampling,PGAS),并将两种算法结合得到KS-PGAS算法;然后,基于Morris筛选方法,使用灵敏度因子判别动态参数变化对输出的影响程度,并筛选出第一摆最大功率与阻尼比两个特征量相对应的主导参数;最后,使用KS-PGAS算法先对第一摆最大功率对应的主导参数修正,再利用修正后的主导参数对阻尼比对应的主导参数进行修正。仿真结果证明了所提算法的有效性和优越性。     

基于PMU数据和时间序列模型的发电机参数识别

电力系统动态仿真的精度往往由同步发电机等元件模型及参数的精度所决定。在对同步发电机模型进行时间序列分析的基础上,提出了一套依靠同步相量测量单元对惯性时间常数、发电机转速调节常数以及涡轮调速器的时间常数等发电机动态参数进行识别的方法。该方法首先将发电机的经典模型和摇摆方程统一转换为一个时间序列模型,并利用线形参数辨识方法对此时间序列模型的参数予以辨识;最后通过求解发电机模型参数与时间序列模型参数的等式关系得到发电机的模型参数。对不同功率变化波形进行了仿真试验,按照本文方法计算得出的发电机参数与实际参数一致,验证了本文提出方法的有效性。     

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。     

基于饱和模型的同步发电机参数辨识研究

由于饱和效应对同步发电机的参数辨识有重要影响,因此在考虑饱和效应对d轴、q轴参数辨识影响的基础上,提出同步发电机参数辨识方法。对这一方法的辨识过程进行了介绍,并通过仿真算例确认,基于饱和模型的同步发电机参数辨识方法具有较高的精度,同时可以减小辨识过程中的计算量。     

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。     

基于时域仿真抛载法的同步发电机参数辨识方法

获取准确的发电机参数是提高电力系统仿真计算准确性的重要依据,有利于电网的安全稳定运行。应用抛载法对发电机的抛载过渡过程进行理论分析,基于时域仿真抛载法提出同步发电机参数的辨识方法。利用抛载法进行发电机现场试验,获得发电机空载、灭磁和d/q轴抛载试验数据并进行分析处理。模拟现场试验工况,建立发电机空载、灭磁及d/q轴抛载的时域仿真模型,将仿真结果与试验结果进行对比分析,辨识得到全套发电机参数。为验证提出参数辨识方法的有效性,建立发电机异步自励磁仿真模型并利用辨识参数与原厂提供参数进行异步自励磁工况仿真,将仿真结果与试验波形进行对比,表明辨识参数具有更高的准确性。     

考虑磁饱和效应的凸极同步电机参数辨识

针对凸极同步发电机的精确建模问题,研究同步发电机dq轴饱和的机理,采用动态饱和电感表述发电机电磁场非线性的特征,建立凸极同步发电机非线性磁场饱和模型,给出状态空间方程。通过凸极同步发电机的空载实验、转差法实验和静态频率响应实验,测得线性状态下发电机的电磁参数;以建立的数学模型和已测得的线性状态下的电磁参数为基础,辨识非线性状态下凸极同步发电机的电磁参数。研究结果表明所提方法能够有效辨识考虑磁饱和效应的凸极同步发电机参数,为精确控制提供更为可靠的依据。     

利用励磁电压扰动后的同步发电机参数辨识

基于Matlab/Simulink建立同步发电机系统在励磁电压发生扰动时的电气模型,并通过Park变换,快速Fourier分解（FFT）得到同步发电机实用参数辨识所需d轴和q轴电压、电流的基频分量和励磁电压等电气数据。然后根据汽轮同步发电机六阶电气模型以及对应的电气微分方程进行辨识,微分方程的求解采用改进Euler法。在寻优辨识中先计算稳态参数,从而减少待求参数的维数,再利用改进的粒子群算法寻优辨识暂态参数。仿真算例的计算结果验证了该方法的正确性。     

基于可量测量的同步发电机参数时域辨识

同步发电机模型中不可观测量的存在使得发电机参数辨识困难。在派克模型的基础上,推导出一种状态量均为量测量的同步发电机参数辨识模型,基于该模型提出用直接积分最小二乘原理来辨识发电机参数,并采用分步辨识策略进行辨识。采用所提模型和算法,所有状态量均可直接由积分求取,避免了求解复杂的微分方程,简化了参数辨识方法,提高了辨识效率,而且降低了噪声对辨识结果的影响。利用MATLAB进行算例仿真,将所提模型与派克模型和某文献模型进行对比,结果表明所提模型和算法正确、简单且精度高。     

基于无速度传感器矢量控制的电机工程参数辨识

风力发电系统中发电机控制是比较重要的环节,各种风力发电机的控制算法在一定程度上依赖于准确的电机参数。首先分析了永磁同步发电机的数学模型及其控制策略,在分析一种基于锁相环模型和模型参考自适应原理的PMSG无速度传感器矢量控制方法的基础上,提出一种具有较强工程应用价值的永磁同步发电机的参数辨识方法。最后给出了各参数辨识的仿真模型和仿真结果。仿真研究结果验证了该控制方法的正确性和可行性。     

遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用遗传算法不断优化调整标准模型中的参数,最终得到满足误差要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数。与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高。实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果。     

基于灵敏度分析的同步发电机参数分步辨识策略

分析得到各种扰动中各同步发电机参数会表现出不同的轨迹灵敏度和平均灵敏度特征,基于此提出一种同步发电机参数分步辨识策略,将发电机各参数的影响进行解耦分解,针对不同激励方式和状态,寻找各参数自身灵敏度最大的扰动模式进行辨识。进一步提出仅含下阶跃、脉冲和短路3种试验的简化辨识策略。仿真结果显示,所提策略能够较好地解决辨识参数较多和一些参数灵敏度较低所引起的辨识困难问题,尤其是瞬态和超瞬态参数辨识精度较低的情况,辨识结果优于传统发电机参数辨识方法。     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

基于APSO算法的发电机励磁系统参数辨识

针对传统辨识方法不能辨识励磁系统非线性环节的缺点,提出了一种基于自适应粒子群优化(APSO)算法的发电机励磁系统参数辨识的方法.通过建立待辨识励磁系统的传递函数结构模型,以励磁系统的实际输入作为模型的输入,以实际励磁系统和模型的输出误差最小作为目标函数,利用APSO算法对模型参数进行优化调整,最终得到满足误差要求的励磁系统参数.该方法根据输入输出采样数据直接在时域上进行参数辨识,无需经过FFT变换,方法简便,并且有效解决了励磁系统非线性环节难以有效辨识的问题.仿真结果表明,APSO算法具有较快的收敛速度和较高的辨识精度.     

基于改进粒子群算法的永磁同步风力发电机优化设计

根据离网型小功率永磁同步风力发电机的运行特性,结合场路耦合的方法,设计一台小功率永磁同步风力发电机。为了有效减小发电机起动阻力矩,以发电机齿槽转矩为目标,运用回归型支持向量机实现电机电磁模型的非线性回归建模;基于该非参数模型,利用带压缩因子粒子群算法进行寻优,获取电机的最优结构参数,仿真结果表明了优化设计的正确性。     

大型发电机突然三相短路试验数据分析和动态参数辨识

高速采样和高精度数字化自动测试仪器应用于大型同步发电机测试,需要计算机辅助分析程序自动分析数据和辨识电机的参数。为了提高参数辨识精度,本文提出了一种全新的动态参数辨识方法,即根据短路电流中衰减分量的性质,推导出优化组合模型分时段采用非线性最小二乘回归方法直接辨识发电机参数的原理。另外,还根据IEEE Std-115和GB／T-1029有关发电机突然三相短路电流波形处理方法实现对短路电流上下包络线的拟合以计算大型同步发电机的动态参数。并开发了利用突然三相短路试验数据辨识大型同步发电机动态参数的计算机辅助分析软件。通过实际电机的测试数据处理,验证了软件及算法的实用性。