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Jaya-DA算法的太阳电池模型参数辨识

为提升太阳电池模型参数辨识的准确率,该文提出基于Jaya算法与蜻蜓算法相融合的辨识方法,运用Jaya算法进行初步全局搜索,并结合蜻蜓算法进行局部搜索最优解,使算法收敛精度得到有效提升.研究结果表明:运用Jaya-DA算法求得太阳电池模型的电流均方根误差为9.861×10-4,相较于单一使用Jaya算法、蜻蜓算法、人工蜂...     

基于Walsh变换的水轮机调节系统参数辨识

连续系统辨识方法在电力系统辨识理论研究与工程应用中具有重要意义,针对连续系统辨识的难点,通过积分变换将信号微分项进行积分运算消除误差,考虑Walsh变换的快速特性和积分变换特性,提出基于Walsh变换的电力系统参数辨识方法,并进行了水轮机调节系统参数辨识试验。结果表明,该方法有效,参数辨识精度高,抗干扰能力强。     

基于收缩因子改进PSO算法的J-A磁滞模型参数辨识

变压器铁心磁滞特性的准确预测及其模型参数可靠辨识,一直是国内外学者们研究的难点问题。针对现有主流磁化(Jile-Atherton,J-A)模型存在的辨识参量多、计算时间长、容易陷入局部最优解等问题,提出一种基于收缩因子改进粒子群优化(Particle swarm optimization,PSO)算法的J-A磁滞模型参数辨识方法。研究建立以磁感应强度为输入变量的J-A静态磁滞逆模型,提出考虑包含涡流损耗、异常损耗因素下的动态磁滞模型;针对传统PSO算法计算精度低、不易于快速寻优的问题,提出基于收缩因子改进的PSO优化算法,可实现J-A磁滞模型关键参量的快速辨识。所提算法克服了传统粒子飞行速度的限制,兼具全局寻优和局部寻优的特点,易于实现J-A磁致模型的快速参数辨识。通过仿真算例分析,验证了所提改进PSO算法在不同磁密峰值工况下的应用可靠性,且迭代收敛速度和精度均优于传统PSO算法。     

基于WOA-LM算法的变压器油纸绝缘等效模型参数辨识

为实现有效、准确地评估变压器油纸绝缘系统老化状态,在极化去极化电流法的基础上,结合扩展德拜模型,设计搭建了油纸绝缘测量系统,进行试验并求解得到去极化电流曲线,提出了一种基于鲸鱼优化算法(WOA)与Levenberg-Marquardt(LM)算法的融合算法进行油纸绝缘系统扩展德拜模型参数辨识,并建立了扩展德拜模型.与其...     

汽油机进气道油膜模型参数辨识算法的研究

为寻求较为理想的油膜模型参数辨识算法,从随机误差相关性出发,分别推导最小二乘辨识和基于夏氏偏差修正法辨识的计算过程;并以燃油阶跃补偿标定试验为参考,比较了最小二乘辨识和基于夏氏偏差修正法辨识效果.结果表明考虑相关随机误差的夏氏辨识在辨识效果上明显优于最小二乘辨识,且比起受工况及温度影响较大的燃油阶跃补偿标定试验在数据离散程度方面有一定的优势.基于辨识算法对油膜模型参数的辨识结果相对而言更贴近真实模型参数值,为油膜模型参数辨识提供了理论依据.     

模型水轮机转轮出口处几何参数的算法及应用

基于水轮机流量调节方程及单位参数的定义,导出了具有线性特性的水轮机特征方程.在此基础上,采用线性数据拟合方法,并利用模型水轮机综合特性曲线,求出了水轮机转轮出口处的平均过流断面面积和平均半径等几何参数,能用于使用内特性法研究水轮机的过渡过程及近似求出模型水轮机出口处的平均流速和扩展水轮机的高效率区域特性曲线.     

基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识

针对分布式光伏发电系统广泛接入配电网,导致电力系统潮流计算速度和精度较低的问题,提出一种基于混沌海鸥优化算法的含光伏发电系统负荷模型参数辨识模型。首先,在综合负荷模型的虚拟母线上接入等效光伏发电系统的负荷模型,从而建立配电网广义负荷模型;之后,提出一种将混沌优化与海鸥优化相结合的优化算法,基于该算法完成配电网的等值,并在此基础上进行含光伏发电的综合负荷模型参数辨识。最后,通过仿真表明该文提出的算法,相比于传统的粒子群算法和单一海鸥优化算法,在计算精度和收敛速度等方面具有优越性,并可应用于负荷模型的参数优化。     

基于MMPSO算法的风电场多机等值模型参数辨识

为了解决基于容量加权法的风电场等值模型参数难以充分反映风电场全部运行状态的问题,文章针对多机等值模型进行了参数辨识。首先,以电网侧故障为激励,根据各等值机组参数的轨迹灵敏度大小区分关键参数和一般参数。然后,采用改进的多粒子群优化算法分步辨识电气与控制器部分的关键参数。最后,通过仿真分析了各等值机组参数轨迹灵敏度大小与输出功率的关系及其变化规律,得到了参数修正后具有更优动态性能的多机等值模型。     

水轮机及其调速系统建模与参数辨识方法

介绍了时域法、频域法和遗传算法等常用的电力系统模型辨识方法。以现场试验数据为基础,分别用PLPF法和遗传算法对水轮机及调速系统进行了参数辨识,结果表明遗传算法能较准确地辨识出系统各个环节的数学模型,仿真曲线更接近实际,体现了遗传算法在非线性模型辨识方面的优越性。     

水文模型参数优选的改进粒子群算法参数分析

借鉴竞争演化和多种群混合进化的思想,对粒子群算法(PSO)进行改进,提出了序列主-从种群混合进化的粒子群算法(SMSE-PSO).鉴于优选水文模型参数算法的有效性与算法控制参数有关,为评价SMSE-PSO算法不同控制参数对优化性能的影响,结合水文模型参数优选的特点提出采用正交试验设计的方法分析.结果显示,正交法较好地识别了关键影响因素并提出可能的最优方案,SMSE-PSO算法能较好地应用于复杂多参数水文模型的参数识别研究中.     

非线性马斯京根模型参数优化的混沌模拟退火法

提出了用混沌模拟退火法估计非线性马斯京根模型参数的优化算法。该算法将混沌优化的粗搜索、细搜索的两阶段搜索规则与模拟退火的启发式规则相结合进行参数的优化估计,既保证了解的全局最优性,又保证了最优解的精度。通过实例计算,并与文献方法计算的结果对比分析,表明该方法具有适应性强、求解精度高的特点。     

基于改进PSO-ELM算法的混凝土坝变形非线性监控模型

针对混凝土坝变形模型高度非线性问题,将极限学习机(ELM)用于混凝土坝变形监控模型的构建中,由于极限学习机的精度受输入权值和隐含层阈值的影响,引入改进的粒子群算法(PSO)进行最优求解,从而建立基于改进PSO-ELM算法的混凝土坝变形非线性监控模型。实例应用结果表明,该模型不仅可行、有效,且具有较强的学习能力和泛化能力。     

基于地震动土压力非线性分布的集中参数法研究

为简化结构与土体之间接触面的相互作用,提出采用集中参数法进行分析,即在满足Mononobe-Okabe理论基本假设的前提下,给出了在有土体表面均布荷载作用下地震加速度沿挡土墙高度均匀与线性分布的地震动土压力非线性分布,类比水体附加质量原理,推导了基于给出的地震作用下非线性动土压力分布的附加质量计算公式,给出了土体附加刚度在集中参数中的模拟,并进行了算例验证。结果表明,采用集中参数法模拟在地震作用下土体对挡土结构的作用简便、有效、实用。     

基于改进深度强化学习的智能微电网群控制优化方法

针对微电网群控制的经济效益、负荷波动以及碳排放问题,提出一种基于改进深度强化学习的智能微电网群运行优化方法.首先,计及分布式电源、电动汽车及负荷特性,提出微电网的系统模型.然后,针对微电网群的运行特点,提出4个系统优化目标和5个约束条件,并且引入分时电价机制调控负荷运行.最后,利用改进深度强化学习算法对微电网群进行优化...     

基于超平面原型聚类的水轮机调速系统模糊模型辨识

针对水轮机调速系统的辨识难题,提出了1种基于超平面原型聚类的T-S模糊模型辨识方法.基于局部模糊模型线性度的重要性,推导出1种基于超平面的模糊聚类算法.该算法以优化局部模型线性度为目标,进行模糊模型前提结构辨识,能使局部模型具有良好的线性度;它应用变尺度混沌优化方法搜索最优聚类结果,避免陷入局部极小;应用最小二乘法实现模糊模型结论参数辨识.以某水电厂水轮机调速系统为对象,采用该方法建立了T-S模糊模型,并对其进行了辨识和对比试验.结果表明:建立的T-S辨识模型具有较高的辨识精度及较强的泛化能力,提出的模型辨识方法有效可行.     

基于改进型蚁狮混合优化系统模型负荷可调节能力预测

为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行...     

基于改进Burgers模型的片岩蠕变特性研究

云南省澜沧江流域发育有大量软硬岩互层的倾倒变形体,对于水电工程中近坝库岸边坡的长期稳定性存在巨大威胁。为了揭示倾倒变形体中片岩夹层的蠕变特性,采用YSJ-01-00岩石三轴流变试验机对片岩进行三轴压缩蠕变试验。结果表明,片岩初始蠕变速率随应力水平的抬升和围压的增加而增大,从0h-1到最高0.11h-1;偏应力14~18 MPa为片岩进入蠕变变形的阈值;片岩长期强度平均仅为其瞬时强度的0.69倍。在传统的Burgers模型的基础上,引入一个非线性粘塑性体,并基于S-M算法和通用全局优化法对蠕变试验曲线进行辨识,求解模型参数。对比试验曲线和拟合曲线,分析模型参数,从而证明改进的Burgers模型能够准确地描述片岩的蠕变特性。     

基于参数线性化率定法的HBV模型的优化算法及应用

针对以误差平方和最小为目标函数率定非线性函数参数会增加不相关局部优值的问题,提出了基于参数线性化率定法的HBV模型的优化算法,给出了该法的优化过程,并将其应用于大型（建溪）、中型（富水水库）、小型（对河口水库）流域中对日模拟中敏感性参数进行率定。结果表明,该方法率定效果较好,率定参数合理,与初值选取无关,率定结果基本一致,未出现不稳定现象,且循环次数少、精度高、适用范围广。     

基于遗传算法的汽轮机非线性调节系统的参数辨识研究

简要介绍了遗传算法应用于参数辨识的基本思想，并将其应用于汽轮机非线性调节系统的参数辨识，结果表明，采用遗传算法可准确地辨识系统中死区，限幅等非线性发生部位和参数，辨识结果准确可靠，相对误差在2%以内，与传统的辨识方法相比，具有辨识精度高，收敛速度快的优点，结合计算机仿真，可以实现系统的性能预测，控制优化，状态监测与故障诊断。