进化规划方法在电力系统静态负荷模型辨识中的应用

为克服传统的基于梯度寻优的辨识方法容易陷入局部极小值的不足，提出了电力系统静态负荷模型参数辨识的进化规划方法。进化规划方法是一种与遗传算法类似的模糊进化优化方法，能以较大的概率搜索到全局最优点。实际算例辨识结果显示了该方法的有效性和准确性。     

线性回归分析法和进化规划法在幂函数负荷模型辨识精度中的比较研究

针对传统的线性回归分析法在幂函数参数辨识寻优时容易陷入局部极小值,不能有效克服负荷建模中存在的非线性和不连续性等不足,分析了进化规划在幂函数参数辨识中的应用,通过仿真算例对上述两种方法的辨识精度进行比较分析,结果表明进化规划能够实现全局搜索,适合解决多极值的非线性优化问题.     

同步发电机参数辨识的模拟进化方法

目前解决同步电机参数辨识最有效的途径是在线辨识。但人们经常会遇到不同试验或同一试验时辨识所得参数相差较大, 即所谓参数辨识不稳定。本文认为其原因有两方面： 一是参数是否可辨识; 二是参数辨识方法是否合适。本文在前文献［５］ 分析了同步发电机模型参数可辨识性的基础上, 以模拟进化方法为工具, 提出了全局性好、鲁棒性强的辨识方法。针对浙江衢化热电厂进行的实际应用表明, 进化策略法具有较高的精度和较少的计算量, 适合于同步电机参数辨识     

基于差分进化小波神经网络的多维非线性系统辨识

提出一种基于差分进化小波神经网络(DE-WNN)的多维非线性系统辨识方法。利用差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高小波神经网络的学习精度和收敛速度。将该方法应用于多维非线性系统的辨识,并与RBF神经网络和遗传小波神经网络的辨识结果进行了比较,实验结果表明,差分进化算法优化的小波神经网络隐层节点为6,迭代次数为30,网络训练时间为0.58s,辨识均方误差达到1.02×10?4,所提出的方法具有更高的辨识精度和收敛速度,能够更好的辨识出多维非线性系统。     

基于粒子群游算法的同步发电机参数辨识

将一种新的进化算法－粒子群游应用于发电机参数辨识，根据粒子群游算法的特点，提出了一种同步发电机参数辨识的计算框架，算例表明，这种参数辨识算法无需提取电机数学模型，直接利用稳定计算程序，简单实用、具有可行性。     

基于改进微分进化算法的过程模型参数辨识

参数辨识是过程建模的基础,对于参数辨识问题提出了许多不同的方法.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,提出了一种基于改进微分进化(DE)算法的模型参数辨识方法,有效提高了参数辨识的精度和效率.对火电厂热工过程参数辨识的仿真研究验证了本文算法的有效性.结果表明,利用改进DE算法辨识过程模型参数,无论...     

基于混合算法的短期负荷预测模糊建模

结合最小二乘（LS）辨识以及一种基于进化规划（EP）和粒子群优化（PSO）的混合进化算法EPPSO,针对对温度比较敏感的夏季负荷,提出一种3阶段短期负荷预测（STLF）算法。在第1阶段,应用LS设计模糊基函数网络（FBFN）完成STLF模糊空间划分;第2阶段,首先拓展FBFN成一阶Sugeno模糊模型,然后应用EPPSO调节其前件参数同时训练后件参数,最后将前述模型用于STLF得出的预测误差看做一个新的时间序列,并仅用气象因素对其进行辨识,可以用回归模型表示该辨识模型,进而应用LS进行辨识。文中提出的STLF模糊建模策略主要贡献于受气象因素影响较大的夏季负荷。仿真部分对浙江省电力公司的实际负荷进行了预测,与其他方法的比较结果证明该方法具有良好的预测性能。     

模拟进化优化方法在电力系统中的潜在应用──美国电力研究协会有关的研究项目简介

简要介绍了３种模拟进化优化方法，即遗传算法，进化规划与进化策略，之后较为详细地介绍了美国电力研究协会的有关研究项目，以供国内有关研究机构与研究人员参考。     

适用于电机辨识建模的改进差分进化算法

针对采用标准差分进化算法进行超声波电动机辨识建模存在的算法不够稳健、建模效率低等问题,对差分进化算法的变异操作进行改进,并设计自适应系数来调节优化进程。电机模型辨识应用表明,该改进差分进化算法表现更稳健,建模精度和建模效率更高,更适合电机辨识建模应用。     

两种智能算法在感应电动机参数辨识中的应用

针对传统方法对感应电动机参数辨识的准确度低及收敛速度慢等特点,采用粒子群算法和差分进化算法进行辨识。以感应电动机实际输出电流和电气模型的观测电流之间的差值,通过智能优化算法对电气模型不断进行修正,不断对电气模型中的参数进行更新,从而辨识出感应电动机参数。通过实验,与传统的最小二乘法辨识的结果对比,两种算法都能在允许误差范围内准确辨识出感应电动机参数,差分进化算法得到的结果更为准确。     

采用微分进化算法和径向基函数神经网络的热工过程模型辨识

在热工过程模型辨识中,被控对象动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,这使得难以对其建立比较精确的模型。为了达到精确建模的目的,提出一种基于微分进化算法和径向基函数神经网络的辨识方法。该方法采用基于能量分布正交最小二乘学习算法的径向基函数(radial basis function,RBF)神经网络,通过改进的微分进化算法,对神经网络辨识系统进行参数优化,使RBF神经网络能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,在采用改进的RBF网络对热工复杂对象进行辨识时,通过微分进化算法进一步确定其最佳参数,可以取得更好的辨识效果。     

基于差分进化法的锂电池模型参数辨识算法研究

基于二阶RC等效电路模型,采用差分进化法对模型参数进行离线辨识.相比于传统的最小二乘法辨识电池模型参数模型,差分进化法的鲁棒性好、辨识精度高,因此被广泛应用于求解优化问题.     

面向故障暂态建模的光伏并网逆变器控制器参数辨识

为了构建电网故障情况下高可信度的光伏电源暂态等效模型,为含光伏电源的电网故障特性分析和继电保护研究奠定基础,提出了一种面向故障暂态建模的光伏并网逆变器的控制器参数辨识方法。该参数辨识方法以差分进化算法为基础,不仅可以辨识出PI调节器参数,也能准确辨识出限幅环节参数,以弥补现有控制器参数辨识方法的不足,从而确保光伏电源故障暂态建模的准确性。建立了PI调节器参数和限幅环节参数的分阶段辨识流程,并采用理论计算方法确定了初始种群中各解向量的初始值,以加快待辨识参数收敛到真实值的速度,提高控制器参数的辨识效率。     

负荷模型参数辨识的粒子群优化法及其与基因算法比较

粒子群优化法(PS算法)具有全局性能好、搜索效率高等优点。文中应用该算法进行电力系统负荷模型的参数辨识，并将其与模拟进化算法进行比较，发现PS算法在计算时间、全局性方面均有比较明显的优势。讨论了PS算法中用以调节全局搜索和局部搜索关系的权重ω与搜索效率之间的关系，并给出了适用于电力系统负荷参数辨识的ω值。提出了一种利用PS算法的收敛快速性来提高全局性能的工程实用方法，并对工程实例进行辨识，收到了良好效果。     

基于专家经验的进化规划方法及其在无功优化中的应用

在对进化规划方法进行深入研究的基础上，针对其在求解大规模无功优化问题时，存在的计算过程长、难以满足约束条件的问题，结合系统电压无功调节的专家经验，提出了一种新的变异算法，以对常规进化规划方法的随机变异操作进行本质上的改善。实际算例结果表明，该方法具有计算速度快、搜索效率高、实用性强的突出优点。     

电力系统动态等值的在线测辨研究（II）：辨识方法及仿真检验

动态等值的同调等值法和模式等值法大都用于离线分析,在线动态安全分析了常需要对外部系统作在线的实时动态等值。由于系统的结构,运行工况多变,一般不可能离线先作等值后再在线调用,因此,在可辨识性分析的基础上,引进全局性好,鲁棒性强的进化策略辨识方法用于电力系统动态等值的在线测辨,华中电网的实际仿真应用表明：进化策略法具有较高的精度和较少的计算量,适合于动态等值参数辨识。     

3区域互联电力系统动态等值的辨识方法

对大型电力系统采用动态等值可以显著降低计算量，并能突出主要特征。动态等值的同调等值法和模式等值法大都用于离线分析，在线动态安全分析常需要对外部系统作在线的动态等值，这时需要采用辨识等值方法：先确定系统等值模型，模型参数通过辨识获得。现代电力系统中越来越多的区域形成互联，对多区域互联电力系统的动态等值研究变得尤为重要，但以往的文献都是针对2区域系统。文中给出了3区域互联电力系统的动态等值模型，分析了模型的可辨识性，从理论上证明了：充分利用扰动前、后的稳态条件和动态过程，等值模型中所有参数均是可以辨识的。在可辨 识性分析的基础上，运用进化策略法进行模型的参数辨识，最后通过系统仿真加以验证，算例结果表明了等值模型的有效性和其参数辨识的可行性。     

模拟进化优化方法在电力系统中的应用综述（中）

模拟进化优化方法在电力系统中的应用综述（中）文福拴，韩祯祥（浙江大学电机系３１００２７·杭州）２模拟进化优化方法在电力系统中的应用模拟进化优化方法在电力系统中的应用方面已经做了不少工作，涉及到电力系统规划、运行与控制的很多领域。下面对这方面的研究工作...     

伺服系统的离线惯量辨识方法

针对传统离线惯量辨识方法计算精度不高,应用场合受限的问题,提出了一种改进的离线惯量辨识方法。该方法采用加减速指令规划在辨识过程中引入了转矩积分的计算方式,消除了负载与摩擦的影响,提高了辨识结果的精确度。建立了伺服系统离线惯量辨识的计算模型。对所提方法进行了试验验证。结果表明,该方法可以有效提高辨识结果的精确度,在带负载的场合同样适用。     

混沌变异进化规划在水轮机调速器PID参数优化中的应用

针对水轮发电机组非线性时变系统导致调速器在线最优参数难以整定的特点，将混沌动力学引入到进化规划的变异算子中，提出了一种混沌变异进化规划方法。该方法突破了传统的用固定分布的随机数实现变异的思想，采用类随机的确定性方法来构造变异算子，通过对实际系统的仿真，该算法能有效实现PID参数最优整定，系统具有稳定、超调量小、响应快等特点。