基于改进微分进化算法的负荷模型参数辨识

为了提高电力系统中负荷模型的精确度,提出了一种改进的微分进化算法(IDE)以辨识负荷模型参数。采用不依赖于优化问题的控制参数自适应调整机制,同时考虑搜索速度和搜索精度,使算法摆脱后期易于陷入局部极值点的束缚,克服了微分进化算法参数调整困难的不足,提高了算法的寻优能力。将改进算法应用于静态负荷模型参数辨识的工程实例并与其他算法对比的结果表明,改进DE算法的全局搜索能力强,搜索精度高。     

基于改进DE算法的负荷建模参数辨识

负荷建模对电力系统运行及其控制起着重要的影响,主要有基于元件和基于量测两种建模方法.基于量测的负荷建模已广泛用于实践中,当考虑负荷的时变性后,基于量测的负荷建模即成为数学优化问题.因此,寻找到有效可靠的优化方法用于负荷建模参数辨识具有重要的现实意义.微分进化(DE)算法具有全局寻优能力,对初值不敏感,经改进后还可以加快收敛速度并防止出现早熟现象,因此可用于负荷建模参数辨识实践中.将DE算法用于负荷建模参数辨识实践中,在现有改进算法的基础上,借鉴遗传算法引入移民策略以防止早熟现象,通过对两个实测建模参数辨识实例的分析,表明经改进后的DE算法具有比改进遗传算法、蚁群算法和粒子群算法更好的性能.     

全局优化算法在Preisach磁滞模型参数辨识问题中的应用与性能对比

Preisach模型参数的快速辨识对实现考虑磁滞特性的电工装备有限元计算具有重要意义.该文结合显式Everett函数Preisach磁滞模型,提出一种基于改进速度可控粒子群算法的Preisach模型参数辨识方法,并对比分析全局优化算法在该问题应用的效率问题.首先,为了解决传统离散型Preisach模型因存储庞大Everett矩阵造成的计算效率低下问题,构建Everett函数的参数化显式表达式;其次,提出一种基于改进速度可控粒子群算法的Preisach模型参数辨识方法,并基于测量的硅钢片准静态磁滞回线,实现模型的参数辨识;最后,对比分析模拟退火算法、遗传算法与该文所提算法在模型迭代次数与计算时间、磁滞回线模拟准确度、参数辨识成功率三个方面的应用效率.结果表明,该文所提出的改进速度可控粒子群算法在Preisach模型辨识上同时兼具辨识精度高、收敛速度快、成功率高的特点.     

一种基于改进型樽海鞘群算法的光伏电池参数辨识方法

针对樽海鞘群算法(SSA)在光伏电池双二极管模型参数辨识时存在陷入局部最优,精度不高等问题,提出了一种基于改进型樽海鞘群算法的光伏电池参数辨识方法.在樽海鞘群算法的基础上加入精英反向学习与差分策略来辨识光伏电池双二极管模型的参数,将其与改进前的樽海鞘群算法进行仿真试验对比研究,结果表明改进后的算法能够提高光伏电池双二极管模型参数的辨识速度和精度,具有很好的实用性.     

基于粒子群优化算法的过程模型辨识

参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.     

基于改进鸡群算法的静止无功补偿器模型参数辨识方法

为获取准确的静止无功补偿器模型参数以满足电力系统日益精细化的仿真要求,提出一种基于改进鸡群算法的静止无功补偿器模型参数辨识方法。首先建立考虑各环节特性的静止无功补偿器数学模型;然后对鸡群算法进行改进,并应用于静止无功补偿器模型参数辨识;最后,针对多参数同时辨识引起的辨识结果不准确问题,提出一种基于参数敏感度的静止无功补偿器模型参数逐步辨识方法,为准确辨识静止无功补偿器模型参数提供了新的辨识策略。算例结果证明了所提方法的有效性和准确性。     

PSO算法在过程模型参数辨识中的应用

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化（PSO）算法的模型参数辨识方法,利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率,对火电厂热工过程进行参数辨识的仿真结果验证了本文所提出算法的有效性。     

基于模型参数辨识的并网逆变器健康监测方法

通过辨识并网逆变器中关键器件的健康特征参数实现逆变器的健康监测,提出了一种基于模型参数辨识的并网逆变器健康监测方法。首先,通过分析LCL并网逆变器的机理建立了其数学模型,介绍了基于龙格库塔的模型求解方法。然后,提出了基于改进灰狼优化算法的模型参数辨识方法。与其他优化算法辨识对比结果表明了改进灰狼优化算法的优越性和模型的准确性。为了克服实验中发现的参数耦合问题,提出了新的健康特征参数。最后,通过逆变器健康监测实验比较了特征健康参数的辨识值和真实值的变化程度与趋势,证明了方法的可行性与准确性。     

基于自适应卡尔曼滤波的负荷参数在线辨识方法

传统负荷模型参数辨识方法在数据获取、辨识精度和在线辨识上受到限制,且基于传统卡尔曼滤波的参数辨识算法易受噪声干扰,辨识结果不稳定.为此提出一种基于自适应卡尔曼滤波的负荷参数在线辨识算法.首先建立线性化的负荷模型,基于广域测量系统(WAMS)同步相量测量单元(PMU)测得的实时在线数据,运用预报误差法的思路,使用改进的S...     

基于T-S模型的自组织模糊辨识算法研究

针对复杂非线性动态系统的模糊建模问题 ,基于 T- S模型提出一种自组织模糊辨识算法。改进后的算法简化了前提结构辨识的过程 ,并使前提参数辨识和结论参数辨识同时完成 ,极大地减少了参数辨识和结构辨识的计算量 ,能够保证在线辨识的要求。大量的仿真结果表明该算法具有收敛速度快、辨识精度高、稳定性好的特点 ,便于工程应用。     

基于改进混沌粒子群的PEMFC模型参数辨识

基于质子交换膜燃料电池(PEMFC)电堆的输出特性及相关电化学反应建立输出特性模型,提出改进混沌粒子群优化(CPSO)算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能,然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明,相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO-χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE),CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213,平均相对误差为2.339%;电堆2的均方根误差为0.481,平均相对误差为1.243%,充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。     

基于四川电能质量监测系统与改进粒子群算法的负荷模型参数辨识方法研究

负荷模型的参数识别决定着总体测辨法的精度。在四川地区电网广域测量系统工程基础上,提出了基于改 进粒子群算法的负荷模型参数辨识方法。改进粒子群算法结合了传统粒子群算法和多曲线差分拟合方法,新方法既 有粒子群算法的全局搜索能力又有多曲线拟合差分方法的局部搜索能力,能够有效地提高收敛速度。通过对模拟电 能质量监测系统所获取的数据仿真,结果表明采用改进粒子群算法可以提高负荷模型辨识精度,并降低模型参数的 辨识时间。     

基于改进DE算法的负荷建模参数辨识

负荷建模对电力系统运行及其控制起着重要的影响,主要有基于元件和基于量测两种建模方法。基于量测的负荷建模已广泛用于实践中,当考虑负荷的时变性后,基于量测的负荷建模即成为数学优化问题。因此,寻找到有效可靠的优化方法用于负荷建模参数辨识具有重要的现实意义。微分进化（DE）算法具有全局寻优能力,对初值不敏感,经改进后还可以加快收敛速度并防止出现早熟现象,因此可用于负荷建模参数辨识实践中。将DE算法用于负荷建模参数辨识实践中,在现有改进算法的基础上,借鉴遗传算法引入移民策略以防止早熟现象,通过对两个实测建模参数辨识     

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RLS法的锂离子电池离线参数辨识

提出一种基于递推型最小二乘法(RLS)算法改进的离线参数识别方法,采用RLS法作为离线参数辨识的初值,以解决离线辨识初值选择的限制,并能保证辨识结果的精度。采用RLS算法辨识参数,获取模型参数,仿真电压和实验电压最大误差达100 m V,但耗时仅120 s。采用Simscape模型的离线参数辨识方法,最大误差58 m V,耗时1. 8 h;利用RLS算法获取初值,用离线参数辨识方法,最大误差为31 m V,平均误差15 m V,耗时0. 5 h。辨识精度与辨识速度都有明显的提升。     

基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨.针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识.该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算...     

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.     

基于遗传算法的联合循环机组建模和参数辨识

随着联合循环机组的不断增加,其对电力系统稳定性的影响也逐步得到重视,建立符合联合循环机组复杂非线性特性并易于通过参数测试获得的数学模型具有重要的现实意义.文中从模型参数辨识的角度出发,在经典联合循环机组非线性模型的基础上,提出了适用于参数测试和辨识的联合循环机组数学模型结构,针对参数辨识的特点提出了基于遗传算法的改进参数辨识算法,并将其应用于某400 MW联合循环机组的参数测试建模.基于遗传算法参数辨识所建立的联合循环机组数学模型的仿真结果与实测信号相一致,证明了所提出的模型和建模方法的可行性与有效性.     

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...     

一种改进的差分进化算法与电解电容器参数辨识

针对差分进化算法在参数辨识时容易陷入局部最优、辨识精度需要优化等问题,改进的算法在原有选择、变异、交叉操作的基础上,引入随机游走策略,加强了算法的局部搜索能力,提高了种群的多样性.以等效串联电阻(ESR)和等效阻抗(Z)的实测值与预测值为基础构造目标函数,采用改进算法优化目标函数,对两个复杂程度不同的电解电容器模型进行参数辨识,得到参数辨识结果以及ESR和阻抗Z预测值.通过仿真表明,改进的算法是有效的,并且在经典模型下改进的算法预测精度始终维持在5％优于传统算法的14％.