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SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SA-PSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机d-q坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

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.     

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.     

基于最小二乘法的变压器三相漏感参数的辨识算法

提出了一种基于最小二乘法的变压器三相漏感参数的辨识算法,并通过试验证明了该算法的应用价值。     

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.     

基于小生境粒子群算法的永磁同步电机参数辨识

永磁同步电机的电磁参数会随着温度和磁路等因素的变化而变化,参数辨识的准确度对电机控制系统性能有重要影响,而传统的辨识算法存在收敛速度慢,辨识精度低等缺陷.针对该问题,可以采用一种基于粒子群算法的参数辨识方法.该方法输入参数测量简单,可同时对电阻、电感、磁链三个参数准确辨识,同时引入小生境技术和粒子群改进策略,可以克服基...     

基于量子粒子群算法的混杂系统参数辨识

针对电力电子电路的混杂系统模型的参数辨识问题,提出运用量子粒子群算法(QPSO)对电力电子电路中元器件的参数进行辨识,相对于传统的参数辨识,该方法能更加精确的辨识元器件.先测试函数证明算法的辨识性能,然后以非理想Boost电路为例,求解得到电路中所有关键元器件的特征参数值,在仿真中与基本算法和遗传算法(GA)比较,最后...     

基于粒子群优化算法的锂电池模型参数辨识

基于戴维南电池模型,采用粒子群优化算法进行离线参数辨识.粒子群优化算法作为一种高效并且简单的算法,在平衡全局优化能力和局部优化能力方面具有显著的优势.     

基于微粒群算法的感应电机参数辨识

提出一种基于微粒群优化算法(Particle Swarm Optimization Algorithm,简称PSOA)的感应电机参数辨识方法.该方法通过计算感应电机实际输出与模型输出的差值来对估计模型进行不断修正,从而辨识出感应电机参数.介绍感应电机的数学模型和PSOA的运行机理及特征.详细说明采用PSOA对感应电机进行参数辨识的步骤和过程,并通过实验证明了该方法的可行性和辨识结果的可信性.     

变压器绕组等效模型参数的频域辨识

利用变压器绕组的频率响应,在频域中借助最小二乘法中的Ｇａｕｓｓ－Ｎｅｗｔｏｎ辨识方法,可以方便、快速地辨识变压器等效模型的参数。并借助一台模型变压器进行了验证,误差很小。     

基于改进秃鹰搜索算法的变压器J-A模型参数辨识

在对变压器的精确建模中,铁磁材料特性的表示是一大关键点.J-A磁滞模型具有参数较少、物理意义清晰等优点,在研究中得到广泛应用.针对现有J-A模型参数辨识所使用的优化算法存在精度低、耗时久等问题,本文提出了一种基于改进秃鹰搜索算法,以实现对J-A磁滞模型参数的快速、精确辨识.该方法融合混沌映射、精英反向学习及自适应权重,...     

基于参数辨识的SCOTT变压器保护

牵引变压器电流差动保护的核心问题是励磁涌流和内部故障电流的识别,而目前的识别方法存在误动作的可能性,为此提出了一种用系统辨识理论作为变压器保护的新方法,并建立了三相—两相SCOTT牵引变压器保护的电气模型,依此为基础结合辨识理论提出了基于参数辨识的三相—两相SCOTT牵引变压器保护原理,通过仿真计算验证了该方法的可行性和有效性。结果表明参数辨识方法能有效区分牵引变压器内部故障与外部故障、励磁涌流等情况。研究结果有助于变压器差动保护制动策略的制定,可供变压器差动保护装置的开发借鉴。     

模拟退火粒子群优化算法在异步电动机参数辨识中的应用

分析了模拟退火算法和粒子群算法的优缺点,提出了一种利用两种算法优点的混合优化算法,并给出了详细应用步骤。利用异步电动机直接空载起动特性,对异步电动机动态数学模型参数进行了辨识,通过与其他几种算法辨识的结果进行比较,说明模拟退火粒子群优化算法有效地结合了模拟退火算法的全局寻优能力和粒子群算法的快速收敛的特点。     

变压器漏感参数的计算

由于变压器内部磁路本身的特点和励磁涌流波形受多种因素的影响,使得变压器差动保护存在多种误动的可能。功率差动原理、磁通特性识别法、等值电路参数鉴别法及基于变压器的回路方程法等摆脱了励磁涌流及过励磁的影响,实现了与差动保护不同的保护思路,但都要求预知原副边绕组电阻和漏感参数。绕组电阻可以通过测量得到,关于漏感尚无精确的求取方法。鉴于此种情况,本文提出了一种参数辨识方法,通过测量稳态瞬时电压和电流,利用最小二乘法能够快速准确辨识出原副边绕组漏感,为新型保护原理的推广奠定了基础。并且讨论了不同采样频率和截止频率下辨识结果的误差。通过电磁暂态仿真程序EMTP仿真和实际的变压器试验,验证了该算法的正确性,误差很小,具有极好的应用价值。     

变压器漏感参数的计算

由于变压器内部磁路本身的特点和励磁涌流波形受多种因素的影响,使得变压器差动保护存在多种误动的可能。功率差动原理、磁通特性识别法、等值电路参数鉴别法及基于变压器的回路方程法等摆脱了励磁涌流及过励磁的影响,实现了与差动保护不同的保护思路,但都要求预知原副边绕组电阻和漏感参数。绕组电阻可以通过测量得到,关于漏感尚无精确的求取方法。鉴于此种情况,本文提出了一种参数辨识方法,通过测量稳态瞬时电压和电流,利用最小二乘法能够快速准确辨识出原副边绕组漏感,为新型保护原理的推广奠定了基础。并且讨论了不同采样频率和截止频率下辨识结果的误差。通过电磁暂态仿真程序EMTP仿真和实际的变压器试验,验证了该算法的正确性,误差很小,具有极好的应用价值。     

变压器漏感参数的计算

由于变压器内部磁路本身的特点和励磁涌流波形受多种因素的影响,使得变压器差动保护存在多种误动的可能。功率差动原理、磁通特性识别法、等值电路参数鉴别法及基于变压器的回路方程法等摆脱了励磁涌流及过励磁的影响,实现了与差动保护不同的保护思路,但都要求预知原副边绕组电阻和漏感参数。绕组电阻可以通过测量得到,关于漏感尚无精确的求取方法。鉴于此种情况,本文提出了一种参数辨识方法,通过测量稳态瞬时电压和电流,利用最小二乘法能够快速准确辨识出原副边绕组漏感,为新型保护原理的推广奠定了基础。并且讨论了不同采样频率和截止频率下辨识结果的误差。通过电磁暂态仿真程序EMTP仿真和实际的变压器试验,验证了该算法的正确性,误差很小,具有极好的应用价值。     

一种基于变频器驱动的异步电机参数辨识方法

提出了一种简单有效、易于在变频器驱动下实现的异步电机参数离线辨识方法。无需直流、堵转、空载等复杂的实验,在异步电机的三相定子绕组中通入单相的脉冲电压,即可自动获得矢量控制系统所需的异步电机的所有参数。离线辨识算法采用最小二乘法,选取硬件容易实现且系统容易收敛的脉冲信号作为激励信号。针对不同的脉冲宽度信号,进行了仿真分析。最后将这种参数辨识方法运用到15 kW的感应电机中,实验结果很好地说明了该方法的正确性与合理性,为实际应用提供了很好的参考意见。