基于人工鱼群和蛙跳混合算法的光伏阵列多场景参数辨识

光伏阵列模型的准确性对大规模光伏发电系统的并网运行与调度至关重要。在建立光伏阵列机理模型的基础上,采用人工鱼群和蛙跳混合算法对模型中的未知参数进行辨识,并将辨识结果与人工鱼群算法和蛙跳算法单独辨识的结果进行了对比分析,证明了混合算法兼具两种算法的优点,并能有效克服两种算法的不足,验证了其优越性和有效性。为使光伏阵列模型的输出与实际光伏电站任意1 d的实测曲线均能很好拟合,采用混合算法对不同场景下的参数进行了辨识,并采用任意2 d的实测数据对辨识结果进行了适应性验证,证明了辨识结果的准确性,进一步验证了混合算法的有效性和实用性。     

基于混合蛙跳算法的油纸绝缘变压器拓展德拜等值电路参数求解

为了更好地研究变压器油纸绝缘老化状态与拓展德拜等值电路参数之间的相关性,根据实测回复电压特征量参数等值电路模型,建立求解等值电路参数的数学模型,并将该模型转化为非线性优化问题,利用混合蛙跳算法的全局信息交换和局部深度搜索特性对拓展德拜等值电路参数进行参数辨识。通过两台变压器的辨识结果表明,与粒子群算法相比,由混合蛙跳算法辨识的电路参数计算获得的回复电压值与测量值具有更高的重合度,并能够准确地反映变压器油纸绝缘状态。     

基于改进混合蛙跳算法的氧量对象模型辨识

针对混合蛙跳算法易早熟、寻优精度低的缺陷,将混沌初始化和局部变异高斯因子引入混合蛙跳算法,进行种群初始化和局部搜索的改进。将改进后的混合蛙跳算法用于火电厂过程模型辨识,以某1 000 MW火电机组双输入单输出的尾部烟气含氧量模型为辨识对象进行系统辨识。结果表明:与混合蛙跳算法相比,改进的混合蛙跳算法种群遍历性更广,局部搜索更快,能够避免陷入局部最优解,全局寻优能力更强,寻优精度更高,收敛速度更快,稳定性更好。     

基于改进粒子群算法的水轮机调速系统建模

针对电力系统稳定计算分析软件中水轮机调速系统模型过于简单、粗略的问题,建立了水轮机调速系统非线性模型,并提出参数实测与改进的粒子群智能优化算法结合的模型辨识方法,获得了调速器模型参数、水轮机-引水道模型参数.现场实测数据的模型仿真结果验证了该模型辨识方法的准确性,该模型优于电力系统稳定计算软件中的模型,更符合实际.     

基于果蝇优化算法的汽轮机调节系统参数辨识

为了建立用于电力系统稳定计算的汽轮机调节系统的准确模型,通过现场试验的方法得到某电厂试验数据并进行了相关预处理,采用果蝇优化算法对该电厂汽轮机调节系统各环节的参数进行辨识,最后对辨识结果进行仿真校核,给出仿真曲线与实测曲线的对比结果,并计算出各误差指标.结果表明:所采用的果蝇优化算法适用于汽轮机调节系统参数辨识,经过仿真校核得到的模型与机组实际特性趋于一致,验证了该方法的实用有效性.     

基于改进混合蛙跳算法的协调控制系统优化

针对混合蛙跳算法寻优精度低、易陷入局部最优的缺陷,将混沌初始化和高斯变异因子引入混合蛙跳算法,经对某二阶被控过程的PID控制器参数优化验证后,表明改进后的算法寻优精度更高、收敛速度更快。结合实际工程实践要求,以1 000 MW机组协调控制系统为对象,采用改进混合蛙跳算法来寻优多变量PID控制器参数。仿真结果表明,与混合蛙跳算法寻优所得PID控制器相比,基于改进混合蛙跳算法的多变量PID控制器负荷跟随性更优、响应速度更快。     

一种基于遗传算法的光伏阵列参数辨识方法

提出一种基于遗传算法的参数辨识方法,在保证辨识精度的前提下,将光伏电池参数辨识后得到的多组结果收敛为一组参数值。依据光伏电池的I-U方程和参数特性,基于实测数据,通过参数辨识方法确定待求解参数的可行解范围;利用基本遗传算法辨识待求解的参数值,得到一组准确的辨识值;当出现部分数据辨识结果的误差较大时,利用一种基于混合遗传算法的参数辨识方法,提高这部分数据辨识结果的精度。基于实测数据,利用所提出的辨识方法确定参数值,通过预测结果与实测结果的比较,验证了该方法的准确性与实用性。     

基于IEHO算法的太阳电池模型参数辨识

针对传统太阳电池模型参数辨识方法存在精度低、收敛速度慢、易陷入局部最优等不足,提出基于改进象群游牧优化(IEHO)算法的太阳电池模型参数辨识方法。引入混沌初始化,改善初始种群质量,增强种群的遍历性;增加快速移动算子,使算法的收敛速度和全局搜索能力有较大提升;引入精英策略,用最优个体替代最差个体,加快算法寻优速度,缩短寻优时间。应用于太阳电池模型的参数辨识中,IEHO算法比其他算法得到的辨识结果更快更好。对不同光照条件下的太阳电池模型进行参数辨识,辨识结果与实测数据拟合度很高,表明IEHO算法能在不同环境下准确有效地进行太阳电池模型的参数辨识。     

混合蛙跳算法和投影寻踪模型的洪水分类研究

采用混合蛙跳算法优化投影寻踪模型对西江流域进行洪水分类的实例研究,并与其他优化算法进行比较.结果表明,混合蛙跳算法和投影寻踪模型进行洪水分类可行、有效.     

混合Box-Jenkins模型交替辨识及在电厂脱硝系统中的应用

混合的Box-Jenkins模型能够较好地表征含噪声干扰系统的特性,针对该模型提出了基于粒子群优化算法的过程模型与噪声模型交替估计辨识方法,避免了常规方法直接对过程模型和噪声模型共同辨识容易陷入局部最优的缺陷。仿真试验表明:交替估计算法可以达到对混合Box-Jenkins模型的精确辨识,其误差约为常规辨识的1/10。为验证方法的实用性,以某电厂机组烟气脱硝系统为对象,建立混合Box-Jenkins模型,利用粒子群算法进行交替辨识,所得过程模型与实际输出基本一致,取得了较好的参数辨识效果,该方法可应用到工业过程中这类系统的参数辨识。     

基于遗传算法的转桨式水轮机模型参数辨识

为准确测试转桨式水轮机参数,提出了一种转桨式水轮机数学模型的新表述方法,并探讨了基于遗传算法对新表述数学模型的参数辨识。算例与实际电站参数辨识结果表明,采用辨识参数的模型输出结果与现场实测数据(样本数据)具有较好的一致性,验证了该方法的正确性及在工程实际应用中的可行性,为转桨式水轮机模型参数辨识提供了一种新方法。     

基于IOLBBO算法的水轮机非线性模型参数辨识

为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。     

基于遗传粒子群算法的光伏并网逆变器参数辨识

在并网光伏发电系统模型基础上,通过分析逆变器控制器结构,确定待辨识参数。提出一种基于遗传粒子群(GAPSO)算法的光伏并网逆变器参数辨识方法,同步辨识各控制参数。辨识结果与遗传算法和粒子群算法辨识结果的对比表明,GAPSO参数优化模型在辨识精度和收敛速度方面具有明显的优越性。最后对参数辨识模型的泛化能力进行评价,比较了3种不同扰动情况下的仿真曲线与测试曲线,验证了模型的适用性和准确性。     

失速型水平轴风力发电机的气动参数辨识

本文对失速型水平轴风力机气动参数辨识的问题进行了研究。首先利用辨识算法，在假设风轮功率曲线的函数形式已知的前提下，利用测量的输入，输出数据，辨识出功率曲线函数的参数，然后利用辨识出的曲线参数预估系统风轮转速，并与测量的转速对比，以验证辨识模型的准确性。     

基于敏感度分析的汽轮机及调节系统参数辨识

为了解决传统汽轮机及调节系统参数辨识方法周期长、适应性差等问题,基于系统参数对输出响应的影响程度(参数轨迹敏感度),采用粒子群算法,提出了一种"粗细结合"的参数辨识策略。该辨识策略根据模型中待辨识参数对评价指标参数的敏感度大小,提出参数"粗调节"和"细调节"区域,有效定位各参数的变化范围,以提高辨识算法的寻优效率。分别以理论参数下的响应数据和某300MW机组实测数据进行参数辨识,相较传统多参数辨识方法的结果表明,提出的"粗细结合"参数辨识策略在寻优速度和辨识精度上均具有明显的优势,既保证了整体模型的精确性,又确保了中间环节参数的合理性。该辨识策略为汽轮机及调节系统的参数辨识提供了一种新的高效辨识手段。     

基于自适应竞争聚类的多输人多输出热工过程模糊辨识

针对多输入多输出（MIM0）热工过程的非线性、强耦合、变工况及参数时变等特点,提出了一种基于系统输入输出数据和模糊自适应竞争聚类的模型辨识新方法．该方法首先依据系统的各个典型运行工况,使用模糊自适应竞争聚类对输入输出数据进行聚类划分,并对T—S模糊模型进行结构辨识,以确定系统的模型结构和参数;然后采用最小二乘递推算法对模型后件参数进行辨识,同时对结构辨识参数进行精确修正．将所提出的模型辨识方法用于锅炉一汽轮机非线性系统的模型辨识,仿真结果验证了该方法的有效性．     

基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识

针对当前大部分智能算法在求解质子交换膜燃料电池模型参数辨识问题时易陷入局部最优,导致参数辨识精度低、模型泛化能力差等问题,提出一种基于改进鸡群优化算法的质子交换膜燃料电池模型参数辨识方法。首先,引入Tent映射策略初始化种群,提高种群的均匀性和遍历性;其次,设计基于个体进食速度的自适应惯性权重,改善母鸡个体寻优效率,平衡算法的开发与探索能力;然后,利用Levy飞行策略的长短跳跃特点对小鸡位置进行随机更新,增强算法的全局最优搜索能力。最后,通过4组测试函数验证了该算法的优越性,并将算法应用于H-12电堆的参数辨识问题中。结果表明：相比于鲸鱼优化算法、花卉授粉算法等算法,该算法具有更高的参数辨识精度,所辨识出的模型具有更强的泛化能力。     

基于多项式逼近的负荷模型参数辨识方法

针对传统负荷模型参数辨识方法计算过程繁琐,计算时间长的难点,提出了一种基于多项式逼近的负荷模型参数辨识方法.通过多项式逼近的配点法构造能显式描述负荷计算功率与负荷模型参数间关系的多项式逼近函数,将复杂的负荷模型参数辨识问题转化为简单的显式参数最优化问题,并通过非线性规划算法求得使多项式逼近功率与实测功率最接近的负荷模型...     

基于FOA和LS-SVM的风电场风速预测研究

针对目前最小二乘支持向量机选取核参数和惩罚因子的各种方法尚存在着一定的局限性,文章采用果蝇优化算法对参数进行优化选择,提出了基于果蝇优化算法与最小二乘支持向量机结合的风速混合预测方法。对新疆某风电场为期5天的240个(采样间隔0.5 h)实测风速值进行了仿真测试,利用建立的预测模型,对第5天的风速值进行预测,预测结果的平均绝对百分比误差仅为8.32%。将其与单纯的LS-SVM模型和基于网格搜索优化的LS-SVM模型的预测结果作了对比,仿真结果验证了基于果蝇优化算法和最小二乘支持向量机混合预测模型的可行性和果蝇算法对最小二乘支持向量机参数优化的有效性。     

基于实测数据的电缆桥架有限元模型修正

对电缆桥架有限元模型中螺栓连接的复杂结构进行了简化处理,基于实测数据对电缆桥架有限元模型进行了修正。应用ANSYS有限元分析软件对电缆桥架结构进行模态分析,提取了X、Y向整体振型的第1阶模态频率。为验证模型,设计了白噪声激励试验,利用随机子空间法进行模态识别,得到结构的实测频率。采用虚拟材料弹性模量对螺栓参数进行修正。修正前有限元模型模态频率与实测频率的相对误差X向为1.3%、Y向为26.7%,修正后有限元模型模态频率与实测频率的相对误差X向为0.04%、Y向为2.2%。采用修正后的电缆桥架模型进时程分析,并对模拟结果与实测结果进行了比较,结果表明修正后的有限元模型模拟结果与实测结果吻合较好,能更真实地反映结构动力特征。