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。     

汽轮机调速系统参数辨识方法研究

为使电网稳定计算中所用的汽轮机调速系统模型技术参数准确可靠,文中以MATLAB软件开发平台及差分进化算法为基础,研发出了一套汽轮机调速系统仿真建模及参数辨识软件。软件提供了BPA、PSS/E、PSASP三种标准调速系统仿真模型以及模型自定义功能,能够根据汽轮机负荷扰动试验数据快速准确地计算出调速系统的各项性能参数,为电力系统仿真计算提供准确的参考数据。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础.针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解.理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度.     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础。针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解。理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度。     

基于斐波那契树辨识算法的区域电网调速系统参数辨识

当前电网中单通道输送功率占比较高,电网出现大功率扰动的概率增大,频率稳定问题重新引起人们的关注。针对目前电力系统频率特性仿真准确度不足的问题,引入具有全局和局部交替寻优特点的斐波那契树优化算法,用于区域电网调速系统参数整体辨识。通过限制树的结构深度、调整全局搜索策略等调整,提高全局寻优能力和收敛速度,使算法适用于参数辨识工作,形成斐波那契树辨识算法。基于实测频率响应曲线,运用该算法对区域电网原动机及调速系统参数进行整体辨识,并进行了多算法对比分析。仿真结果表明,斐波那契树辨识算法应用于此领域具有较好的适用性与优越性。     

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Prony算法的发电机励磁系统参数辨识

阐述了发电机励磁系统参数辨识的原理。基于Prony算法提出了一种工程上便于应用的发电机励磁系统参数辨识新方法。指出该方法的优点是根据励磁系统输入、输出响应信号直接在时域上实现参数的辨识。在Matlab/Simulink中的仿真结果表明,该算法能准确的辨识出励磁系统各个环节的参数,具有精度好、运算率高、程序通用性强等优点。     

汽轮机调速系统参数辨识软件设计

为了便于开展汽轮机调速系统仿真模型参数辨识工作,以MATLAB软件开发平台及差分进化算法为基础,研发了汽轮机调速系统参数辨识软件,通过仿真应用验证了该软件能够根据汽轮机负荷扰动试验数据快速计算出调速系统的各项性能参数,为电力系统稳定计算提供准确的仿真数据。     

基于协同进化算法的水轮机模糊PID调节系统研究

针对常规遗传算法在优化水轮机模糊PID调节系统的模糊规则时，对于模糊PID整定公式中的三个比例因子的确定采用手动调整的不科学性，本文提出了一种新的基于协同进化算法的参数自整定模糊PID控制算法，该方法采用协同进化算法同时优化模糊PID控制的模糊规则和模糊PID整定公式中的三个比例因子，通过模糊推理的方法求解PID参数的变化量，对PID参数进行自动整定，为了避免优化得到的模糊规则之间发生跳变，在目标函数中引入一光滑因子。仿真结果表明，该控制算法具有良好的静态、动态性能和很强的鲁棒性。     

智能优化算法在水轮机参数辨识中的应用

大力开发水电资源是解决我国能源供应紧张问题的重要途径。水轮机辨识多采用基于线性系统辨识理论的算法,由于缺乏对水轮机非线性因素的考虑,很难满足电力系统实际运行状况分析的需要。智能优化算法是水轮机辨识的最优斱法,本文将差分进化算法和粒子群算法成功应用于水轮机辨识中,幵针对智能优化算法存在的原理误差,提出将两种算法辨识得到的平均值作为辨识结果。仿真结果显示该策略辨识出的系统参数精确度高,误差小。     

TS-PSO算法在电力系统无功优化中的应用

为了解决粒子群算法(PSO)局部搜索能力较弱和存在早熟收敛的问题,提出了将禁忌搜索(TS)思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。改进后的算法综合了粒子群算法快速性、随机性和全局收敛的优点,还具有禁忌搜索局部寻优的能力。通过对IEEE-30节点测试系统、铜陵电网实际进行仿真计算,并与其它算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

基于混合混沌算法的电力系统无功优化

提出了一种基于混沌算法的主动禁忌混合混沌算法(RTSCOA),该算法结合了混沌算法的全局遍历性和禁忌算法的“记忆”功能,利用主动禁忌法的反馈机制控制管理禁忌表长度,能够有效地跳出局部极小点。分别对IEEE 6和IEEE 30节点进行仿真,并与标准遗传算法/改进遗传算法(SGA/AGA)进行比较,以证明该算法在电力系统无功控制中应用的有效性。经比较,该方法较其他算法在计算速度、寻优能力上有一定的提高。     

基于蚁群禁忌搜索混合算法的配电网重构

介绍了以最小化配电网网损为目标函数,以网络拓扑约束、潮流约束、运行约束以及辐射状约束为约束条件,在基本蚁群算法基础上的改进型蚁群禁忌混合算法在配电网重构中的应用,在IEEE 69节点系统的计算中,蚁群禁忌混合算法与禁忌算法相比提高了优化效果,从而证明了蚁群禁忌混合算法的实用性。     

基于遗传算法的热工过程辨识

针对热工过程对象的特点和模型辨识的需要,对热工过程对象模型进行了分类,并将遗传算法应用于热工过程模型的辨识,介绍了基于遗传算法的热工过程辨识的方法。同时利用Matlab的图形用户界面设计功能,编制了专用的模型辨识软件,并对典型的热工过程进行了辨识仿真研究。结果表明,基于遗传算法的热工过程辨识方法可以得到准确的辨识结果。     

基于朗道离散时间递推算法的转动惯量辨识研究

转动惯量辨识功能已经成为了高性能交流伺服系统的典型特征。基于加减速法的转动惯量测量方法过于依赖初始PID参数,辨识效果不佳。本文提出采用基于朗道离散时间递推算法的转动惯量辨识技术,提高转动惯量的辨识精度,同时加快辨识过程的收敛速度。     

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略：第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。     

基于非线性直接优化方法的发电机励磁系统参数辨识

励磁模型的准确程度对于电力系统仿真的准确性有显著影响。提出了一种新的、工程中容易实现的方法,即利用非线性直接优化法辨识微分方程形式的励磁模型参数。首先利用Matlab仿真与传统的最小二乘法比较验证算法有效性。然后利用动态信号记录装置,根据模型结构获得各个环节的时域内发电机阶跃试验数据,对1台300 MW汽轮发电机组的励磁系统分别进行分环节参数辨识和整体辨识。利用电力系统分析综合程序(power system analysis software package,PSASP)的用户自定义模型功能建立励磁模型进行相同的阶跃仿真,结果验证了辨识参数在电力系统仿真中的有效性。     

基于遗传算法的感应电动机稳态模型参数辨识

介绍了感应电动机传统的参数测试与识别方法,提出了基于遗传算法的感应电动机稳态模型参数辨识方法,利用实际所测的电动机电流和转速数据,结合感应电动机稳态模型电流特性方程,通过遗传算法进行曲线拟合得到电机稳态模型电流特性曲线及电机稳态模型各参数值。试验证明该设计参数辨识方法与传统测试方法相比,准确性和精度都有较大的提高,进一步验证了该设计方法的可行性和有效性。