汽轮机旁路温度控制系统的优化

提出了基于差分进化算法参数辨识精确建模的Smith预估控制方案,利用焓值计算方法对汽轮机旁路温度主要扰动量进行前馈补偿,结合设备参数提出了采用基于能量平衡的精确前馈控制,保证了系统的抗扰动能力;通过采集现场实际运行数据,基于改进后的差分进化算法辨识得到控制对象的数学模型,提高了Smith预估器的补偿精度。仿真研究及现场应用结果表明,优化后的控制系统具有良好的稳定性、快速响应特性及控制精度,符合工程实际要求。     

超声波电动机二输入Hammerstein非线性建模

为给超声波电动机多变量控制系统的设计与分析提供必要基础,建立超声波电动机二输入Hammerstein非线性模型。将模型的静态非线性环节设计为Gauss函数,更准确地表述超声波电动机的非线性特性。采用改进差分进化算法,进行模型参数辨识,给出优化算法参数值的调试方法,以保证建模过程的有效性。模型计算结果与实验数据的对比表明,该模型精度较高,建模方法有效。     

基于差分进化算法的超声波电机Hammerstein非线性建模

特殊的机电能量转换过程,使超声波电机具有明显的非线性运行特性。本文建立超声波电机的Hammerstein非线性模型,为电机控制系统的设计与分析提供基础。基于实验数据,通过拟合确定模型的静态非线性环节为Guass函数。采用差分进化算法,对模型参数进行辨识。模型计算数据与实验数据的对比,表明模型精度较高,建模方法有效。     

基于差分进化的波浪能转换装置阵列优化

针对如何有效利用波浪辐射和散射以提升波浪发电系统效率的问题,提出采用差分进化算法对波浪能转换装置阵列进行优化排布。差分进化算法全局搜索能力强并且计算时间少;同时,差分进化算法在精度和收敛速度上没法两全且可能会陷入局部解,为了使优化结果更准确,引入了自适应变异算子的概念对差分进化算法进行改进,改进后的算法收敛速度相对较快而且结果准确度高。结合改进算法,分别针对不同浮子数目的阵列进行优化与对比分析。仿真结果表明,阵列规模越大,浮子之间的互补作用越大,波浪能转换装置的效率越高,这验证了所提阵列优化方案的有效性。     

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。     

基于变异机制的混合粒子群算法在永磁同步电机多参数辨识中的研究

针对永磁同步电机多参数辨识方法问题,在基于电机电压方程建立的非线性数学模型的基础上,给出了一种带有差分变异策略的粒子群优化算法实现对永磁同步电机定子电阻、dq轴电感和永磁体磁链的辨识。该算法为解决学习因子和惯性权重独立调整削弱了算法的智能性问题,提出状态因子来使惯性权重非线性调整,通过分析将学习因子表示为权重的logistic回归分析型函数,使其随权重动态调整;为解决电机的非线性模型带来种群多样性的丧失,引入差分进化算法中的交叉变异策略产生候选解,并融合交叉算子为提高算法的全局搜索能力创造了可能性。通过实验仿真,与两种改进的粒子群算法在不同工况下进行对比,验证该改进的算法对提高辨识精度和速度有一定效果,算法具有可靠的收敛性和鲁棒性。     

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...     

基于进化计算的类噪声负荷辨识改进方法

文章提出一种有别于传统负荷模型的非仿真模型辨识模型,并成功将其应用于电力系统日常负荷数据辨识,在此基础上从系统辨识角度定义为Hammerstein-Wiener模型,并从模型结构、算法初值策略、差分进化算法算子和基本性质等方面进行综合改进和证明。该方法显著提高了Hammerstein-Wiener模型的精度和算法的收敛速度,并证明其在优化过程中不会出现如以往模型优化中常出现的数值问题,经多角度分析验证,该完整有效的分析流程适用于类噪声负荷辨识,对负荷建模具有重要意义。     

基于化整为零策略和改进二进制差分进化算法的配电网重构

为缩减编码长度,提高计算效率,提出了基于化整为零策略和改进二进制差分进化算法的配电网重构方法。将开关根据其在环路中的位置进行分类,建立了环路–开关关联矩阵。应用化整为零策略将整个解空间划分成若干个子解空间,应用改进二进制差分进化算法直接对各子解空间进行并行搜索,比较所有子解空间的搜索结果即可找到重构问题的最优解。该方法缩短了开关方案的编码长度,改进二进制差分进化算法通过调整变异、交叉操作规则,避免了不可行解的产生。接入分布式电源的配电网仿真算例验证了该方法的有效性。     

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。     

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。     

基于差分进化算法的开关磁阻电机转矩脉动抑制

针对开关磁阻电机(switched reluctance motors,SRM)转矩脉动大的问题,提出一种基于差分进化算法的开关磁阻电机转矩控制方法。利用差分进化算法的优秀寻优能力,将其应用到转矩分配函数开关角在线寻优过程中,直接将转矩脉动作为优化目标来确定最佳开关角。以1台12/8极开关磁阻电机为研究对象,构建了以DSP为控制核心的转矩控制系统实验平台,实验结果证明了基于差分进化算法的控制方法能有效抑制开关磁阻电机转矩脉动。     

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。     

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。     

基于改进DE算法的负荷建模参数辨识

负荷建模对电力系统运行及其控制起着重要的影响,主要有基于元件和基于量测两种建模方法.基于量测的负荷建模已广泛用于实践中,当考虑负荷的时变性后,基于量测的负荷建模即成为数学优化问题.因此,寻找到有效可靠的优化方法用于负荷建模参数辨识具有重要的现实意义.微分进化(DE)算法具有全局寻优能力,对初值不敏感,经改进后还可以加快收敛速度并防止出现早熟现象,因此可用于负荷建模参数辨识实践中.将DE算法用于负荷建模参数辨识实践中,在现有改进算法的基础上,借鉴遗传算法引入移民策略以防止早熟现象,通过对两个实测建模参数辨识实例的分析,表明经改进后的DE算法具有比改进遗传算法、蚁群算法和粒子群算法更好的性能.     

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度.根据模糊集方法从帕累托前沿中选择最优折衷解.以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性.     

基于cosh函数的Preisach磁滞模型参数辨识与验证

除了导热、介电等物理特性之外,电工磁性材料的磁滞特性精确建模是电磁设备优化设计的共性基础问题。建立准确的磁滞数学模型,对设计电机、变压器等设备至关重要。基于Preisach模型,用cosh函数来代替Preisach分布函数,同时引入Everett函数建立解析形式的磁滞数学模型。利用BH-Loop分析仪,对电机中常用材料50WW600进行实验。应用差分进化算法,以磁滞回线计算值与实验值之间的方差为适应度函数,辨识了模型的三个参数。通过所建模型的仿真值与实测曲线的对比,验证了模型的准确性,可以有效地模拟铁磁材料的静态磁滞回线。     

基于改进PSO算法的光伏阵列MPPT研究

由于光伏组件的P-V特性是单峰非线性曲线,由它组成的光伏阵列的发电功率易受温度、光照强度等外界环境因素的影响,导致实际工程中光伏发电效率大大降低,因此追踪最大功率点(Maximum Power Point Tracking, MPPT)使光伏发电系统的发电功率一直处于最大功率点,对提高系统整体的发电效率有着十分重要的意义。引用进化差分算法对传统的粒子群算法(PSO)的寻优过程进行差分进化选择,并将非线性策略与改进后的PSO算法相结合。通过仿真计算分析,改进后的PSO算法相较于传统的PSO算法能够更快速、更准确地找到部分阴影情况下的最大功率点,进而提升了光伏系统的发电效率。     

自适应差分进化算法在光伏组件模型参数辨识中的应用

针对光伏组件模型参数辨识精度低和传统优化算法参数辨识过早收敛的问题,提出了基于自适应缩放因子和自适应交叉变异概率的差分进化算法对两种常用太阳能电池单元模型进行参数辨识,把辨识参数代入模型与实测数据进行拟合,用拟合效果好的一种太阳能电池单元模型作为光伏组件模型的基础,并用自适应差分进化算法对光伏组件模型的参数进行辨识,辨识结果的均方根误差为1.402e-2,辨识精度更高,全局收敛能力更强,并对辨识后的模型与实际测量数据进行拟合,其拟合相对误差是5.73e-4。计算电流平均绝对误差为2.11e-3,结果明显优于粒子群算法(POS),遗传算法(GA),模式搜索算法(PS),并在不同环境下验证了所提方法的有效性。这对光伏发电系统最大功率点跟踪控制和功率预测具有实际意义。     

一种改进的差分进化算法与电解电容器参数辨识

针对差分进化算法在参数辨识时容易陷入局部最优、辨识精度需要优化等问题,改进的算法在原有选择、变异、交叉操作的基础上,引入随机游走策略,加强了算法的局部搜索能力,提高了种群的多样性.以等效串联电阻(ESR)和等效阻抗(Z)的实测值与预测值为基础构造目标函数,采用改进算法优化目标函数,对两个复杂程度不同的电解电容器模型进行参数辨识,得到参数辨识结果以及ESR和阻抗Z预测值.通过仿真表明,改进的算法是有效的,并且在经典模型下改进的算法预测精度始终维持在5％优于传统算法的14％.