基于APSO算法的发电机励磁系统参数辨识

针对传统辨识方法不能辨识励磁系统非线性环节的缺点,提出了一种基于自适应粒子群优化(APSO)算法的发电机励磁系统参数辨识的方法.通过建立待辨识励磁系统的传递函数结构模型,以励磁系统的实际输入作为模型的输入,以实际励磁系统和模型的输出误差最小作为目标函数,利用APSO算法对模型参数进行优化调整,最终得到满足误差要求的励磁系统参数.该方法根据输入输出采样数据直接在时域上进行参数辨识,无需经过FFT变换,方法简便,并且有效解决了励磁系统非线性环节难以有效辨识的问题.仿真结果表明,APSO算法具有较快的收敛速度和较高的辨识精度.     

遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用遗传算法不断优化调整标准模型中的参数,最终得到满足误差要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数。与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高。实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果。     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

遗传算法的改进策略及其在非线性发电机励磁系统参数辨识中的应用

针对标准遗传算法收敛速度慢、易早熟等缺陷,通过对遗传策略的综合改进,提出了一种基于改进遗传算法的参数辨识方法。通过建立励磁系统原模型和标准模型,给原模型和标准模型施加相同的激励信号,以模型输出误差最小作为辨识目标,利用改进遗传算法对标准模型参数进行优化调整,最终得到满足误差要求的励磁系统标准模型参数。该方法的优点在于解决了传统的辨识方法无法对励磁系统非线性环节进行有效辨识的问题,实际励磁系统参数辨识结果表明,该方法具有较快的收敛速度和较高的辨识精度。     

遗传算法在发电机励磁系统参数辨识中的应用

利用遗传算法所具有的自学习能力和非线性特性,解决励磁系统中非线性环节的辨识问题。通过建立待辨识励磁系统的模型,以励磁系统的实际输入作为模型的输入,利用遗传算法对模型参数进行优化,最终得到满足励磁系统建模要求的参数。用MATALAB下的仿真结果和现场试验结果进行对比,表明该算法能够较准确地辨识出励磁系统各个环节的参数。     

改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.     

江苏电网电力系统稳定器参数辨识研究

提出了一种基于遗传算法(GA)的将电力系统稳定器(PSS)原模型转换为仿真软件下标准模型的参数辨识方法,通过建立PSS原模型和标准模型传递函数结构框图,输入扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用GA对标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数。该方法简便易行,精度高,实际PSS参数辨识结果表明,该方法具有很好的效果。     

基于EE模型的励磁系统参数时域辨识法

提出一种基于EE（方程误差）模型的时域辨识算法，通过对离散采样数据的多重积分（PLPF法）估计模型参数值，直接求取待辨识系统微分方程的系数；再根据微分方程的系数，由特定系数法得到一个非线性方程组，然后用牛顿迭代法求解得出传递函数的模块环节实际参数。该方法的优点在于根据输入输出采样数据直接在时域上进行参数辨识，方法简便，较好地解决了由传递函数多项式a,b系数转化为传递函数框图环节参数的实际需求。该方法通过工业试验得到校核验证。     

基于实测的自并励励磁系统参数辨识

以某电厂自并励励磁系统现场实测的阶跃响应曲线为例,介绍了在自并励励磁系统参数辨识中,如何选择模型结构,如何借助于MATLAB中的系统辨识工具箱辨识模型参数。在列写待辨识励磁系统的状态方程时,为了避免对阶跃函数求导,可将励磁系统传递函数框图的结构进行调整,并适当选择状态变量。文中给出了辨识结果,并将相同激励下,辨识模型的仿真曲线与实测曲线进行对比,二者拟合很好,说明所提出的辨识方法是可行的;最后提出了励磁系统参数辨识的注意事项:所加阶跃扰动的幅值不宜过大,否则会导致限幅环节动作,大大增加了非线性因素,这样就无法用所测数据来辨识线性环节的参数;在现场试验中,如果能够增加测点,分环节辨识,辨识结果将更加准确。     

Separable multi-innovation stochastic gradient estimation algorithm for the nonlinear dynamic responses of systems

This article is concerned with the parameter identification problem of nonlinear dynamic responses for the linear time-invariant system by means of an impulse excitation signal and discrete observation data. Using the impulse signal as the input, the impulse response experiment is carried out and the dynamical moving sampling is designed to generate the measured data for deriving new identification algorithms. By applying the moving window data that contain the dynamical information of the system to be identified, an objective function with respect to the parameters of the systems is constructed according to the impulse response. In accordance with different functional relations between the system parameters and the system output response, the unknown parameter vector of the system is separated into a linear parameter vector and a nonlinear parameter vector. Based on the separated parameter vectors, two subidentification models are constructed and a separable identification algorithm is presented through the gradient search to improve the accuracy. Moreover, for the purpose of enhancing the estimation accuracy and capturing the dynamical feature of the systems, the moving window data are employed to develop the separable identification algorithm. The performance of the proposed separable identification method is illustrated via a numerical example.     

A reduced MIMO Wiener model for recursive identification of the depth of anesthesia

This paper presents a modeling and identification strategy for the depth of anesthesia using the propofol and remifentanil rates as the system inputs, and the bispectral index and state entropy measurements as the systems outputs. The standard model used for this purpose has twenty two patient‐dependent parameters. This high number of parameters, the little input excitation, and the small amount of output data make classical system identification approaches unsuccessful. To overcome these issues, the new model presented in this paper has six parameters, thereby meeting the parsimony principle of system identification. An extended Kalman filter algorithm is also developed and applied to real data. The good fitting results, combined with noise suppression and a recursive update of the model parameters, are promising for the design of the depth of anesthesia controllers to be used in real time platforms. Copyright © 2013 John Wiley & Sons, Ltd.     

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。     

励磁系统参数时域辨识

文章以沙岭子电厂7号发电机为例, 以建立BPA自并励励磁系统模型参数为目的, 介绍了一类基于时域分段线性多项式函数(PLPF)的辨识方法。PLPF法是一种将传递函数模型经微分方程转化为多重积分方程, 再利用线性多项式插值函数来逼近原函数, 将多重积分方程转换为代数方程,然后利用动态响应的离散数据拟合函数进行分段处理的方法。根据自并励励磁系统模型输入输出时域动态响应数据, 采用该方法直接对沙岭子电厂7号机的励磁系统进行相关参数辨识。这就给出了将一套非标准励磁系统通过参数辨识转换为中国电力科学研究院开发的仿真软件BPA下标准模型的实例, 最后进行了仿真验证, 结果证明了时域PLPF法辨识结果正确, 可以用来进行发电机组励磁系统参数的辨识。