首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于扩展粒子群优化算法的同步发电机参数辨识
引用本文:胡家声,郭创新,曹一家.基于扩展粒子群优化算法的同步发电机参数辨识[J].电力系统自动化,2004,28(6):35-40.
作者姓名:胡家声  郭创新  曹一家
作者单位:浙江大学电气工程学院,浙江大学电气工程学院,浙江大学电气工程学院 浙江省 杭州市 310027,浙江省 杭州市 310027,浙江省 杭州市 310027
基金项目:国家自然科学基金资助项目(60074040)
摘    要: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。

关 键 词:同步发电机  参数辨识  扩展粒子群优化算法
收稿时间:1/1/1900 12:00:00 AM
修稿时间:1/1/1900 12:00:00 AM

GENERATOR PARAMETER IDENTIFICATION BASED ON EXTENDED PARTICLE SWARM OPTIMIZATION METHOD
Hu Jiasheng,Guo Chuangxin,Cao Yijia.GENERATOR PARAMETER IDENTIFICATION BASED ON EXTENDED PARTICLE SWARM OPTIMIZATION METHOD[J].Automation of Electric Power Systems,2004,28(6):35-40.
Authors:Hu Jiasheng  Guo Chuangxin  Cao Yijia
Abstract:A new method of extended particle swarm optimization (EPSO) is presented and used to the generator parameter identification. Based on the original particle swarm optimization(PSO) method, EPSO method uses more particles' information to control the mutation operation and employs coefficients through the comparison of particles' fitness values, thus the convergence of the extended method is ensured. Under the condition of measurements of generator which are highly contaminated by noise, EPSO method possesses stronger capability of parameter identification than EP and PSO methods and has better integrated identification capability of parameters than EP method. Numerical simulation results demonstrate the conclusion.
Keywords:synchronous generator  parameter identification  extended particle swarm optimization (EPSO)
本文献已被 CNKI 维普 等数据库收录!
点击此处可从《电力系统自动化》浏览原始摘要信息
点击此处可从《电力系统自动化》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号