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。     

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.     

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。     

基于改进遗传算法的非线性发电机励磁系统参数辨识

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,进行发电机励磁系统参数辨识测试是一项重要的工作。提出采用改进的GA遗传算法应用于发电机励磁系统的非线性参数辨识,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地辨识出发电机励磁系统参数估计值。实际发电机励磁系统参数测试试验结果表明,基于改进遗传算法的励磁系统参数辨识方法计算速度快,精度高,鲁棒性强,为非线性发电机励磁系统的参数辨识提供了一种有效的新方法。     

基于改进遗传算法的非线性发电机励磁系统参数辨识

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,进行发电机励磁系统参数辨识测试是一项重要的工作.提出采用改进的GA遗传算法应用于发电机励磁系统的非线性参数辨识,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地辨识出发电机励磁系统参数估计值.实际发电机励磁系统参数测试试验结果表明,基于改进遗传算法的励磁系统参数辨识方法计算速度快,精度高,鲁棒性强,为非线性发电机励磁系统的参数辨识提供了一种有效的新方法.     

同步发电机多步预测自校正励磁调节器

将多步预测自校正控制（Multi-step Predictive Self-Tuning Control）理论用于同步发电机励磁控制中来,选取多个状态量偏差的组合做为输出,用渐消记忆递推最小二乘法在线辨识同步发电机三阶非线性方程经线性化和离散化后的模型参数,并采用一种简单有效的方法离线确定b0（b0是前面提到的模型参数之一）。针对单机无穷大系统,设计出多步预测自校正励磁调节器（Multi-step Predictive Self-Tuning Excitation Regulator,MPSTER）。数字     

基于PMU的同步发电机在线参数辩识研究

针对同步发电机离线参数测量方法不能精确反映发电机运行特性,提出利用相量测量装置PMU实现对发电机运行参数的实时采集,从而实现发电机运行时参数的在线参数辨识。阐述了同步发电机5阶、3阶以及2阶数学模型及参数表示的物理含义;提出了利用PMU实时采集发电机机端电压、电流以及励磁电压、电流,在WAMS系统主站利用GA算法实现对发电机参数的在线辨识。辨识结果证明了发电机参数在线辨识的可行性和有效性,具有较高的理论价值和实际价值。     

同步发电机非线性模型的期望最大辨识

为实现在噪声干扰下的同步发电机非线性模型在线辨识,提出了同步发电机非线性模型的期望最大的辨识方法。首先,构建了考虑励磁调压器的同步发电机离散非线性状态空间模型,并将同步发电机参数辨识问题转化为期望最大的优化问题;然后提出量化评价系数比较实际系统量测值与参数变化的输出值的差异,并给出参数灵敏度筛选主导参数;同时,利用粒子滤波器和粒子平滑器构造同步发电机条件数据期望,并使用梯度搜索方法得到同步发电机的参数辨识算法。最后用仿真进行参数辨识实验,仿真结果验证所提方法的有效性。     

含有非线性环节的发电机励磁系统参数辨识

提出了一种基于遗传算法的励磁系统参数辨识方法,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,利用遗传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。该方法的优 点在于解决了目前电力系统中常用的辨识方法无法对非线性环节进行有效辨识的问题;且根据输 入输出采样数据直接在时域上进行参数辨识,方法简便,直接得到传递函数框图环节参数,无需转 换。在MATLAB下的数字仿真和现场试验结果均表明,该算法能较精确地辨识出包括非线性环 节在内的励磁系统模型各个环节的参数。     

交错磁极混合励磁同步发电机数学模型研究EI北大核心CSCD

交错磁极混合励磁同步发电机的导磁套筒、转子为实心结构,为准确计算发电机暂态性能,必须考虑实心结构的涡流效应。类似于电励磁发电机,该文将导磁套筒、转子的涡流效应集中等效为d轴与q轴阻尼绕组,建立考虑涡流效应的混合励磁发电机数学模型;然后,利用三维有限元法对该发电机频率特性进行分析,揭示该发电机瞬态参数L’d与L"d标幺值较大(分别为0.49与0.32),且L’d与Ld标幺值比较接近(Ld的标幺值为0.53)的特点,并从理论上分析得出,该发电机带整流负载时能够稳定运行;最后,通过试验验证了该发电机数学模型的正确性。     

基于深度强化学习的同步发电机最优励磁控制方法

常规的同步发电机最优励磁控制方法主要使用ARX(AutoRegressive with eXternal input)自回归各态经历模型生成控制传递函数,易受采样周期离散化作用影响,导致控制扰动过高,因此提出基于深度强化学习设计一种全新的同步发电机最优励磁控制方法。构建了同步发电机最优励磁控制模型,利用深度强化学习设计了同步发电机励磁模糊控制器,优化了同步发电机最优励磁控制参数,从而实现了同步发电机最优励磁控制。实验结果表明,同步发电机深度强化学习最优励磁控制方法在不同状态下的控制扰动均较低,说明控制效果较好,具有可靠性,有一定的应用价值。     

遗传算法的改进策略及其在非线性发电机励磁系统参数辨识中的应用

针对标准遗传算法收敛速度慢、易早熟等缺陷,通过对遗传策略的综合改进,提出了一种基于改进遗传算法的参数辨识方法。通过建立励磁系统原模型和标准模型,给原模型和标准模型施加相同的激励信号,以模型输出误差最小作为辨识目标,利用改进遗传算法对标准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标准模型参数。该方法的优点在于解决了传统的辨识方法无法对励磁系统非线性环节进行有效辨识的问题,实际励磁系统参数辨识结果表明,该方法具有较快的收敛速度和较高的辨识精度。     

基于电阻耦合法的发电机励磁系统参数辨识

提出了一种基于电阻的信号耦合法,可将伪随机信号或阶跃信号耦合到自动电压调节器（AVR）的机端电压反馈信号中,用于解决目前某些发电机励磁控制系统时没有预留测试信号输入端子而难以进行励磁系统参数辨识试验的问题。该方法已用于某实际385MW同步发电机励磁系统现场测试,并用遗传算法进行了参数辨识。校验结果证明了该方法的有效性。     

基于在线数据的发电机励磁系统参数辨识新方法

介绍了发电机励磁系统参数辨识原理及模型,从自并励静止励磁系统和无刷励磁系统两方面分析了基于在线数据的发电机励磁系统参数辨识原理,并论述了励磁系统输入信号处理方法。在此基础上提出了基于在线数据的发电机励磁系统参数辨识新方法,介绍了辨识步骤,并通过实例进行了验证。这一新方法有较高的辨识精度。     

基于准确度分析的汽轮机调节系统建模仿真软件

以Matlab/Simulink为平台,开发了汽轮机调节系统参数,实现了对原始数据的自动分析、分配、去噪和标幺等预处理;采用多项式拟合、最小二乘法、单纯形法、遗传算法、模拟退火法等多种算法,实现了模型参数的智能辨识;建立了考虑发电机侧影响的汽轮机调节系统模型,提高了仿真准确度;通过仿真品质参数偏差值的自动计算,实现了对模型参数准确度的定量定性分析。     

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。     

同步发电机实用参数分时段辨识研究

同步发电机在动态过程的不同时段起主导的实用参数不同。对比研究同步发电机实用参数在励磁扰动故障下的轨迹灵敏度特性,给出不同参数在不同时段内的灵敏度大小的不同。提出一种分时段辨识策略,即先利用励磁扰动前、后的稳态数据辨识同步发电机的稳态参数,然后分别根据次暂态和暂态时段数据辨识次暂态和暂态参数,最后以单机无穷大系统为例验证此方法的有效性。     

计及调速/励磁系统的同步发电机等效惯量辨识

对同步发电机的惯量辨识是电力系统功角/频率稳定分析的基础。本文提出利用二阶转子运动方程辨识高阶同步发电机模型等效惯量的方法。首先,提出含机电暂态、励磁、调速的同步发电机等效惯量辨识模型;其次,提出基于受控自回归滑动平均模型和可变遗忘因子最小二乘法的等效惯量辨识算法;最后,仿真比较等效前后同步发电机动态响应,验证了所提算法的准确性。结果表明,计及励磁和调速系统后,同步发电机等效惯量呈衰减趋势,故障初期大于转子惯量H,稳态值小于H。