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。     

基于改进粒子群的超超临界机组负荷控制系统模型辨识

针对火电厂负荷控制系统因强耦合性强非线性等特点而难以对其建立精确热工模型的问题,结合工程实际分析三输入三输出负荷控制对象的动态特性,将免疫算法(Immunity Algorithm,IA)的免疫记忆功能引入粒子群算法(Particle Swarm Optimization,PSO),形成免疫记忆粒子群算法(Immune Memory PSO,IM-PSO)并运用在超超临界火电机组负荷控制对象的模型辨识中。辨识结果表明IM-PSO相对于普通PSO收敛速度提高了50%,收敛精度提高了6.08%,改善了PSO易早熟、粒子后期相似度过高的缺点,同时也验证了IM-PSO对于大型火电机组负荷控制对象辨识的有效性。     

基于PMU实测小干扰数据的负荷闭环辨识方法

负荷建模是电力系统建模的重要部分,但是负荷模型的复杂性、非线性以及随机性增加了负荷建模的难度。提出了一种基于PMU实测小干扰数据进行负荷模型闭环辨识的方法。首先,建立了传递函数表达式下的负荷模型,并构建了应用于负荷模型辨识的闭环系统。而后提出基于预报误差法辨识负荷BJ模型的方法,通过数据预处理、模型阶次选择以及模型转换详细介绍该方法。最后,通过浙江电网220 kV华金变电站、太真变电站和清漾变电站的PMU实测数据的算例,验证了该方法在只有随机小干扰的情况下仍可以较为精确地辨识出负荷模型。     

基于遗传算法的电力系统综合负荷模型的建模与仿真

遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷。为此,引入一种改进的遗传算法用于电力负荷综合建模。该算法具有克服早熟、避免近亲繁殖和自适应的优良特性。应用建模实例表明,遗传算法辨识所得负荷模型的描述精度很高,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

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。     

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...     

变压器铁芯磁滞回线模型参数辨识

利用MATLAB遗传算法工具箱,由实验测得的磁滞回线,将模型参数分为2组,分别通过磁滞回线饱和特性和损耗特性的方法,对Jiles-Atherton（J-A）模型中的5个模型参数进行了辨识,并应用具体实例对该方法的有效性进行了仿真验证。仿真结果表明,所提方法能较好拟合磁滞回线。     

基于小波特征提取的可调节负荷辨识方法

可调节负荷辨识方法能够区别可再生能源并网的电力系统中各类具有调节特性的负荷。文章对各类典型可调节负荷特征进行了深入分析,提取可调节负荷的最大可调节速率、调节深度、最大可调节时间等特征参量。为了提高可调节负荷的辨识精度,利用DB小波变换提取小波能量值作为新增特征参量,在此基础上,提出一种基于小波特征提取的可调节负荷辨识方法,并采用模糊C均值聚类方法(FCM)进行负荷辨识。最后,对甘肃某地区典型综合负荷点进行仿真计算,验证了所提辨识方法可有效提高可调节负荷的辨识精度,对利用可调节负荷的调节能力消纳受阻风电具有重要的现实意义。     

用多项式逼近法拟合实测的凸轮型线

本文提出用多项式逼近法拟合进口样机实测的凸轮升程曲线。它的特点是能排除凸轮轴本身的加工误差和实测误差,从而得出切合实际而相当准确的升程、速度和加速度曲线,满足对进口样机的配气系统动力学分析的需要。本文用多项式逼近法拟合四种进口高速柴油机实测的进、排气凸轮升程曲线,解决了以往尚未解决而生产上又迫切需要解决的问题。     

柔性风力机系统模型参数辨识

应用现代系统辨识理论，采用ＡＲＭＡＸ的模型结构，利用预报误差法，辨识出某一工况点附近工作的柔性负力机系统的功能模型，将辨识模型仿真结果与系统实验测量数据相对比，并对不同数据段多次辨识，以检验系统辨识模型的可靠性，从而给出一种新的风机系统建模方法，最后将新方法与传统方法进行对比。     

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。     

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。     

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.     

基于不敏卡尔曼粒子滤波的动态电力负荷在线建模

电力负荷的时变性对电力系统实时动态仿真分析具有较大影响。为了提高实时动态仿真分析的精度，基于不敏卡尔曼粒子滤波提出一种动态电力负荷在线建模方法。针对一种指数型动态负荷模型结构，利用不敏卡尔曼粒子滤波算法对其参数进行在线辨识。通过这种方式，可以根据实时采集的量测数据在线修正动态负荷模型的参数，从而追踪电力负荷的实时变化特性。分别利用动态仿真平台和实际电力系统的量测数据进行仿真分析，结果表明了所提方法具有较高的在线参数辨识精度，并能对实际电力负荷的实时变化特性进行准确的描述。     

电站锅炉低NOx排放的参数辨识

阐述了参数辨识和神经网络的基本概念，针对某电厂600MW机组锅炉NOx排放状况，收集了大量有关锅炉运行参数、NOx排放量和锅炉效率等数据，建立了相应的数学模型，运用人工神经网络智能参数辨识方法，研究得出了NOx排放量与各运行参数以及锅炉效率的定量关系，为进一步提高锅炉运行的经济性，实现优化控制及低NOx排放提供了一种便捷的方法。图6表2参3     

MSMA传感器的建模及参数辨识研究

MSMA传感器是一种将机械力信号转化为感应电压信号的新型传感器,为了更好地实现MSMA传感器的应用,需要对其进行建模研究。由于传感器输入和输出之间呈现非线性关系,会增加建模的复杂性,并且需要辨识的未知参数较多。采用机理法结合电磁学理论建立了MSMA传感器的数学模型,并采用改进的粒子群算法对MSMA传感器数学模型的未知参数进行辨识。在辨识过程中,引入调节系数,对粒子的权重和最大速度进行动态调整,加快了算法的收敛速度,对社会学习因子进行改进,增强了算法的全局搜索能力。最后,将传感器数学模型计算的感应电压值与试验得到的感应电压值对比,验证了模型的正确性,也表明了该算法可以有效解决MSMA传感器数学模型的辨识问题。     

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。     

基于工况点线性模型的内燃机车柴油机在线辨识

建立了内燃机车柴油机各工况点及其附近的等效线性模型，用一系列等效的工况点线性模型描述了柴油机复杂的非线性特性。在分析柴油机闭环辨识条件的基础上，使用相关分析——最小二乘两步法，对装备在内燃机车上的12V180ZJ型柴油机进行了在线辨识。辨识试验与仿真结果表明，这种建模方法是合理可行的。该模型可用于柴油机控制系统的分析与设计。