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。     

基于数据融合模型的励磁系统参数辨识算法

确认真实可靠的发电机励磁系统参数对电力系统安全稳定分析具有重要意义.基于人工网络融合法,提出了一种基于数据融合模型的辨识算法实现对励磁系统的参数辨识.首先,使用灰狼算法、粒子群算法和遗传算法分别对励磁系统进行参数辨识.然后,利用人工神经网络算法对三种方法的辨识结果进行合成决策.最后,数据融合模型输出合成辨识值.仿真结果...     

基于实测数据的发电机调速系统参数辨识方法

结合当前电力企业广泛开展的发电机组参数实测工作,提出一种参数解耦辨识和整体辨识相结合的发电机调速系统启发式参数辨识方法。首先对能够解耦且具有输入输出量测数据的环节进行单独辨识;然后对其他难以解耦和获得输入输出数据的环节,与已辨识参数环节组成一个整体进行整体辨识;最后基于粒子群算法来寻找最优拟合值,即认为是辨识参数的估计值。通过初步应用证明,该方法能够应用于参数实测和模型验证,有助于提高发电机参数辨识效率。     

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。     

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。     

改进粒子群算法在异步电机静态参数识别中的应用

提出一种新的粒子群协同优化算法(PSCO).应用该粒子群协同优化算法实现异步电机静态参数辨识.在有噪声的情况下,该算法明显改善了标准粒子群算法和基于遗传的粒子群算法,在解决异步电机静态参数辨识问题时,存在识别参数准确性不高、辨识成功率低的问题.     

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。     

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.