新型电缆周围土壤热参数球形测量传感器

随着城市电网的发展,电力电缆使用量剧增,而电缆的工作状态受到其工作温度的影响,与电缆周围土壤热参数息息相关,因此有必要研制一种能够测量电缆周围土壤热参数的传感器以保证电缆的安全稳定运行。同时设计一种利用电感电容振荡(LC振荡)感应加热、PT100热电阻测温的空心球形传感器,相较于传统热探针能更好地考虑探头自热容和探头与土壤之间接触热阻的影响,最终通过Matlab非线性最小二乘拟合得出所测量土壤的热参数。     

有限元结合粒子群和微分进化算法应用于电缆电场优化

粒子群算法和微分进化算法是一类模拟自然界生物、生态系统等优胜劣汰行为的仿生智能算法,作为启发式随机算法,具有自适应、自组织、自学习等特点,能够解决传统计算方法难于求解的各类复杂问题。研究基于商业有限元软件平台,对单相和三相同轴电缆进行参数化编程,将有限元计算与粒子群算法和微分进化算法相结合,实现对电缆内部绝缘层最大电场强度的优化计算。这为有限元结合仿生智能算法应用于高压设备电磁场优化设计提供借鉴和启示。     

基于粒子群优化粒子滤波算法的SOC估算研究

准确的获得电池的荷电状态(SOC)有助于缓解汽车行驶过程中的里程焦虑。针对粒子滤波估算SOC中存在的粒子退化的问题,将粒子群算法与粒子滤波融合的改进粒子滤波算法(GPSO-PF)算法应用于SOC的估计。在迭代中不断优化粒子所处位置,从而解决了粒子贫化的问题,提高了SOC的估算精度。同时,针对SOC估算容易受到温度的影响,建立基于温度的等效电路模型,并将其应用于提出的SOC估算算法中。选取两节相同型号的磷酸铁锂电池,分别在不同工况下利用GPSO-PF算法估算SOC值,SOC的最大估算误差均低于0.72%。通过对比,与基于温度等效电路模型相结合后,GPSO-PF算法能够有效提高SOC的估算精度。     

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。     

基于粒子群算法的输电线路参数辨识

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,进行输电线路参数辨识测试是1项重要的工作.粒子群算法是近几年来迅速发展起来并得到广泛应用的1种新型模拟进化优化算法.在简要介绍粒子群算法的基础上,将其应用于输电线路的参数辨识,并给出了参数辨识过程的理论分析,算例表明该算法具有可行性和有效性,对电力系统的发展有一定意义.     

基于粒子群优化算法的PSS参数优化

粒子群算法(PSO-ω)是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的群体智能优化算法.基于单机无穷大系统模型,通过采用PSO-ω算法对电力系统稳定器(PSS)进行参数优化,以抑制低频振荡.该方法是以最优控制原理为基础,综合考虑PSS与励磁系统的性能,将PSS参数优化协调转化为带有不等式约束的优化问题,控制目标为系统输出按照最小误差跟踪给定值的能力(ITAE准则).用Matlab软件进行仿真,结果表明,利用该方法设计的PSS,它的稳定性有了较大的提高.     

基于粒子群优化算法的PSS参数优化

GOOSE是IEC61850对数字化变电站的重要贡献,其出发点是变电站自动化功能的分布式实现。通过深入分析IEC 61850标准针对GOOSE实时性所作的规定,提出了全方位实现GOOSE实时性的观点,即在确保GOOSE服务正确可靠的前提下,在发送端、交换机和接收端分别采取措施尽可能地提高GOOSE报文的实时性。分析了在交换机提高GOOSE报文传输实时性、在接收端提高GOOSE报文处理实时性的原理。提出了GOOSE发送端多优先级发送队列的方法,解决了发送端GOOSE报文的延迟性和不确定性问题。     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法-粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度.先以低频振荡范围内(0.1～2 Hz)PSS产生的附加阻尼转矩△Te与△ω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数.优化结果表明,HPSO算法可以有效地解决PSS参数优化问题.     

基于改进粒子群算法的水轮机调速器参数优化

PSO（粒子群算法）是一种随机全局优化技术.该算法简单,易实现,且功能强大.文章研究了水轮机PID调节器参数的优化问题,利用改进PSO对系统所处的不同状态和工况进行了PID参数寻优.仿真结果表明,此种PID控制器比常规PID有更好的动态调节特性和鲁棒性,不失为一种具有较好实用价值的PID参数优化方法.     

基于量子粒子群算法的混杂系统参数辨识

针对电力电子电路的混杂系统模型的参数辨识问题,提出运用量子粒子群算法(QPSO)对电力电子电路中元器件的参数进行辨识,相对于传统的参数辨识,该方法能更加精确的辨识元器件.先测试函数证明算法的辨识性能,然后以非理想Boost电路为例,求解得到电路中所有关键元器件的特征参数值,在仿真中与基本算法和遗传算法(GA)比较,最后...     

基于粒子群算法的负荷模型参数辨识研究

针对负荷模型的稳定性直接影响电力系统分析计算的可靠程度问题,提出了将粒子群算法与分散协调控制相结合的负荷模型参数辨识方法。该负荷模型参数辨识方法根据负荷节点的电压变化情况,通过粒子群优化对含负荷控制的目标函数进行校正,使得模型参数在辨识迭代过程中获得全局最优值,达到负荷模型的最佳稳定性,并通过计算机仿真证实所提出方法能够提高负荷模型的稳健性。     

基于粒子群优化算法的永磁同步电机参数辨识

提出了一种对永磁同步电机的直轴电感、交轴电感和定子电阻进行辨识的粒子群优化(PSO)算法。该算法具有快速、稳定的收敛性,不需要电压源逆变器和闭环控制策略,容易实现。通过PSO算法的实验结果,证明了PSO算法的有效性。     

基于混合粒子群优化算法的PSS参数优化

将一种新的进化算法—粒子群优化算法(PSO)应用到电力系统稳定器(PSS)参数优化当中,文中使用引入交叉操作的混合粒子群优化算法(HPSO),可以获得更好的全局搜索能力和收敛速度。先以低频振荡范围内(0.1~2Hz)PSS产生的附加阻尼转矩ΔTe与Δω尽可能同相位为目标优化PSS超前-滞后环节参数;再以小扰动时发电机功率和角速度振荡最小为目标整定PSS放大倍数。优化结果表明,HPSO算法可以有效地解决PSS参数优化问题。     

基于粒子群算法的控制器参数稳定域寻优

针对确定参数及带纯延迟模型,提出一种优化比例微分积分控制器参数设计方法。利用广义Hermite-Biehler定理获得使闭环系统控制器的稳定域,在该稳定域内,运用粒子群优化算法寻找基于指标函数的优化的控制器参数。仿真结果表明：该算法对高阶及带纯延迟对象具有良好的控制性能,且对模型的不确定因素有较好的适应性。     

基于协同粒子群算法的PMSM在线参数辨识

在永磁同步电动机的参数辨识中,辨识算法过于复杂和待辨识参数相互耦合的问题始终未得到彻底的解决。在保持粒子群算法简单易实现优点的基础上,提出了一种基于协同粒子群算法在线辨识永磁同步电动机的电气参数Rs,L,Ψf和机械参数J,TL。仿真结果表明该算法能准确地在线辨识待辨识的5个电机参数,解决了5个参数相互耦合而造成的辨识不准问题,验证了算法的有效性。     

基于改进粒子群算法的励磁系统参数辨识

励磁系统模型参数的求取一般采用频域测试方法,但是电力系统是一个非线性系统,因此频域测试方法需要做线性化处理,而时域辨识方法中的参数模型辨识方法也存在线性化处理的问题。利用时域非参数模型辨识的方法,对待测系统受到阶跃扰动时,记录被调量的变化曲线,辨识出非线性特性,用动态拟合技术,利用被测信号采用改进的粒子群算法,根据目标函数,动态调整粒子飞行速度的惯性权重,从动态曲线求取模型参数,实现参数辨识。试验证明,新的算法能够很好地平衡调节粒子群算法的局部搜索与全局搜索的能力,克服了基本粒子群算法容易陷入局部最优的缺     

基于小生境粒子群算法的永磁同步电机参数辨识

永磁同步电机的电磁参数会随着温度和磁路等因素的变化而变化,参数辨识的准确度对电机控制系统性能有重要影响,而传统的辨识算法存在收敛速度慢,辨识精度低等缺陷.针对该问题,可以采用一种基于粒子群算法的参数辨识方法.该方法输入参数测量简单,可同时对电阻、电感、磁链三个参数准确辨识,同时引入小生境技术和粒子群改进策略,可以克服基...     

基于粒子群优化算法的锂电池模型参数辨识

基于戴维南电池模型,采用粒子群优化算法进行离线参数辨识.粒子群优化算法作为一种高效并且简单的算法,在平衡全局优化能力和局部优化能力方面具有显著的优势.