基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量,辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

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。     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量，辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

基于小波变换和矩阵束算法的同步电机参数辨识

为了精确检测同步电机参数,提出了一种小波变换和矩阵束相结合的新算法。该方法运用小波变换对短路电流进行消噪处理,提高其信噪比。运用矩阵束算法提取预处理后的短路电流各分量的频率和阻尼,然后对短路电流各分量的幅值和相位使用最小二乘法进行估计,进而实现同电机参数的辨识。针对在不同信噪比下的短路电流采样数据,分别运用TLS-ESPRIT算法和该方法进行同步电机参数辨识,仿真结果表明,与TLS-ESPRIT算法相比,该方法采用的数据样本数较少。在信噪比大于30 dB时,该方法具有更高的计算精度;在信噪比低于30 dB     

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。     

利用励磁电压扰动后的同步发电机参数辨识

基于Matlab/Simulink建立同步发电机系统在励磁电压发生扰动时的电气模型,并通过Park变换,快速Fourier分解（FFT）得到同步发电机实用参数辨识所需d轴和q轴电压、电流的基频分量和励磁电压等电气数据。然后根据汽轮同步发电机六阶电气模型以及对应的电气微分方程进行辨识,微分方程的求解采用改进Euler法。在寻优辨识中先计算稳态参数,从而减少待求参数的维数,再利用改进的粒子群算法寻优辨识暂态参数。仿真算例的计算结果验证了该方法的正确性。     

基于小波变换和神经网络的同步电机参数辨识新方法

准确地辨识同步电机参数,是研究分析电力系统运行和控制系统设计的前提。神经网络具有信号分离能力，但传统的人工神经元模型不适合分离同步电机的三相突然短路电流。为精确辨识同步电机的瞬态参数，文中提出了一种改进的人工神经元模型，并将小波变换和改进的线性人工神经元结合起来，对采集到的同步电机三相突然短路电流进行分析处理。利用小波变换对短路电流进行预处理，并辨识得到各个时间常数；根据辨识得到的时间常数来设定神经元激发函数中时间常数的迭代初始值，用改进的人工神经元模型对短路电流进行分离，得到其中的直流、基波和二次谐波电流分量，通过简单代数运算便得到电机的瞬态参数。仿真分析和实机试验表明，该方法能够有效地分离出短路电流中的信号成分，并且提高了电机参数的辨识精度。     

粒子群算法在电动机辨识中的应用及研究

介绍了粒子群算法(PSO)及其实现电动机参数辨识的工作原理,总结了应用粒子群算法实现电动机参数辨识的国内研究状况,并指出了粒子群算法在电动机参数辨识领域以离线电动机工程应用为主的发展趋势.     

大型发电机突然三相短路试验数据分析和动态参数辨识

高速采样和高精度数字化自动测试仪器应用于大型同步发电机测试,需要计算机辅助分析程序自动分析数据和辨识电机的参数。为了提高参数辨识精度,本文提出了一种全新的动态参数辨识方法,即根据短路电流中衰减分量的性质,推导出优化组合模型分时段采用非线性最小二乘回归方法直接辨识发电机参数的原理。另外,还根据IEEE Std-115和GB／T-1029有关发电机突然三相短路电流波形处理方法实现对短路电流上下包络线的拟合以计算大型同步发电机的动态参数。并开发了利用突然三相短路试验数据辨识大型同步发电机动态参数的计算机辅助分析软件。通过实际电机的测试数据处理,验证了软件及算法的实用性。     

模拟退火粒子群优化算法在异步电动机参数辨识中的应用

分析了模拟退火算法和粒子群算法的优缺点,提出了一种利用两种算法优点的混合优化算法,并给出了详细应用步骤。利用异步电动机直接空载起动特性,对异步电动机动态数学模型参数进行了辨识,通过与其他几种算法辨识的结果进行比较,说明模拟退火粒子群优化算法有效地结合了模拟退火算法的全局寻优能力和粒子群算法的快速收敛的特点。     

基于BP神经网络模型的异步电动机故障辨识

针对目前三相异步电动机故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电动机故障信号特征量基础上,提出基于蝙蝠-粒子群及改进BP算法的异步电动机BP神经网络故障辨识模型,采用蝙蝠-粒子群算法优化BP神经网络结构参数,利用改进BP算法训练BP神经网络.仿真结果分析表明,该BP神经网络模型用于三相异步电动机故障辨识,...     

改进粒子群算法在永磁同步电动机参数识别中的应用

应用改进粒子群优化算法(IPSO)来识别异步起动永磁同步电动机起动时的动态模型参数.永磁同步电动机异步起动时的电机动态模型采用状态微分方程表示.与遗传算法(GA)和标准粒子群算法(SPSO)相比较,仿真试验表明改进粒子群算法明显提高了识别参数的准确性,同时表明改进粒子群算法能更好地识别永磁同步电动机起动时动态模型的参数.     

基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨.针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识.该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算...     

基于小波重构的异步电动机故障诊断

选用Daubechies小波作为小波基 ,对异步电动机鼠笼转子故障电流信号进行多尺度分析 ,将小波变换后取得的变换系数进行单支重构 ,取得了各频率分支上的时间信号。从高频分支上能够清楚辨识出异步电动机鼠笼转子故障时所不同于正常情况下的电流特性 ,实现了异步电动机鼠笼转子故障的小波诊断。     

Prony法在同步发电机参数辨识中应用

提出在同步发电机短路试验中应用Prony法实现参数辨识。用Prony法对三相短路电流实测数据进行指数函数的最小二乘拟合,可确定同步发电机的大部分参数。同步发电机参数辨识分4步实现:确定Prony法中的拟合模型阶数、采样总数和采样间隔;对空载三相短路电流进行实测或录波;利用Prony法辨识三相短路电流中各分量对应的特征量;利用所得特征量辨识同步发电机参数。通过对算例发电机进行数值辨识,结果表明该方法的有效性。研究结果显示:取采样时间间隔约为2ms时,辨识效果好;辨识精度与算法中拟合模型阶数、采样时间间隔和采样总数有关,并受信号中噪声的影响,需加以改进。     

基于Crowbar保护的三相短路电流的DFIG参数辨识方法

双馈风力发电机(DFIG)作为风电机组的核心部件,其准确的模型参数对于含风电电力系统的动态安全分析与控制至关重要。提出了一种在风机端口三相短路故障下,利用计及Crowbar保护动作的风机短路电流辨识DFIG参数的方法。在DFIG传统三相短路电流解析模型的基础上,考虑定转子磁链之间的耦合以及Crowbar电阻对故障暂态过程的影响,提出了一种计及Crowbar保护的DFIG三相短路电流解析式。采用轨迹灵敏度法分析DFIG参数的可辨识性以及辨识难易度。基于Matlab/simulink仿真平台搭建DFIG风电场模型获取短路电流数据,采用自适应变异粒子群(AMPSO)算法辨识DFIG模型参数,并对辨识结果进行误差分析,仿真结果验证了所提方法的正确性。     

采用原子分解法的同步电机参数辨识

为了准确辨识出同步电机参数,提出一种基于原子分解的新算法。首先构建相关原子库并将原子离散化参数连续化,运用进化匹配追踪算法,快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流;然后从分解的各原子信号特征参数中推算出同步电机参数。通过截取稳态短路电流的采样信号,辨识出同步电机的同步电抗和短路初相角值。以理想突然短路电流和含噪声的短路电流为例,仿真进行了对信号的原子分解,获得了相似度较好的重构信号。较之经验模态分解(EMD)和Prony算法,所提出的方法对含噪声信号短路电流的分解效果更佳。实测算例表明,应用原子分解方法可准确地提取同步电机参数,且有较好的抗噪性能。     

一种异步电动机静止状态下参数辨识的改进方法

基于异步电动机的非对称T型模型,提出一种电动机静止状态下参数辨识的改进算法。分析并指出逆变器死区只对输出电压有功分量产生影响,并通过对死区自适应补偿方法辨识出电动机参数,提高了辨识的准确度。考虑到趋肤效应的影响,给出通过两次注入相同转差频率、不同幅值的单相交流电流,并通过对误差电压进行对消的自适应算法辨识出转子电阻;基于等效空载的方法,注入极低频率的单相交流电流使电动机在静止状态与空载旋转状态等效,避免了转子电阻的影响,从而更精确的辨识出互感。将所测量参数与利用传统方法测量的参数进行对比,并将参数用于无速度传感器矢量控制,验证了该算法具有较高的精确性、实用性和鲁棒性。     

基于智能算法的配网单相接地故障辨识

单相接地故障是配电网中最常见的故障,由于故障电流可能很小,其精确诊断存在较大难度。分析了可能对单相接地故障辨识产生影响的其他短路故障与扰动情况,提出了一种基于改进支持向量机(SVM)与卷积神经网络(CNN)的配网单相接地故障辨识方法。利用粒子群算法对支持向量机的参数进行改进,识别出低阻接地故障与扰动;针对时域中不易区别的永久性与间歇性单相接地故障,通过希尔伯特-黄变换提取频域信息,利用卷积神经网络根据提取出的高维特征向量辨识其具体类型。在MATLAB/Simulink中搭建了一个辐射状10 kV配电网模型进行仿真,仿真结果验证了算法的有效性和优越性。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SA-PSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机d-q坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。