基于改进人工鱼群算法的互感器Jiles-Atherton模型参数辨识

为开展仿真平台下的电磁式互感器特性研究,需要对试验互感器建立精确可靠的磁滞模型。Jiles-Atherton(J-A)模型广泛应用在铁磁材料的磁滞建模与仿真实验中,其5个关键参数的准确度直接影响模型的拟合程度。本文提出一种结合模拟退火算法的改进人工鱼群算法对J-A模型进行参数辨识。改进算法初期使用人工鱼群算法将搜索域快速锁定在全局最优解的附近范围,当J-A模型拟合达到一定精度后,转而改用模拟退火算法继续进行局部的精确搜索。通过Matlab建模证实,改进算法同时解决了鱼群算法后期寻优效率较低以及退火算法难以大范围搜索的问题,能有效提高J-A模型参数辨识的时效性与精确度。     

基于随机性与确定性混合优化算法的 Jiles-Atherton磁滞模型参数提取

基于J-A磁滞模型模拟铁磁材料磁滞特性的关键是模型参数的精确快速辨识。该文针对现有J-A磁滞模型参数提取方法存在的收敛速度慢、求解精度低的问题,提出一种基于随机性优化算法——模拟退火(SA)与确定性优化算法——Levengerg-Marquardt(L-M)混合的J-A模型参数提取方法,该方法综合了SA算法全局搜索能力强以及L-M算法局部收敛速度快的优点。在迭代优化初期,采用SA算法快速锁定J-A模型参数的优化区域;继而根据引入的普适性混合算法切换过渡准则,将SA算法当前解赋予L-M算法;针对基于传统L-M算法提取J-A模型参数出现的病态矩阵问题,该文将J-A模型参数的灵敏度函数矩阵进行归一化处理,从而推导出适用于J-A模型参数快速辨识的归一化L-M算法,该算法在接收到SA算法提供的优化解后,将其作为该算法局部搜索的初始值。仿真及实验结果表明,所提混合算法兼具收敛速度快、提取精度高的优异性能。     

基于改进秃鹰搜索算法的变压器J-A模型参数辨识

在对变压器的精确建模中,铁磁材料特性的表示是一大关键点.J-A磁滞模型具有参数较少、物理意义清晰等优点,在研究中得到广泛应用.针对现有J-A模型参数辨识所使用的优化算法存在精度低、耗时久等问题,本文提出了一种基于改进秃鹰搜索算法,以实现对J-A磁滞模型参数的快速、精确辨识.该方法融合混沌映射、精英反向学习及自适应权重,...     

基于R-L分数阶导数的动态J-A磁滞模型及其特征参数辨识算法

在高频、直流偏磁等非标准磁化条件下,电力变压器的铁心损耗显著增加,造成其性能恶化。为实现对高频、直流偏磁下铁磁材料动态磁滞特性与损耗的准确模拟,该文首先在静态J-A模型中引入直流磁密,推导得到适用于描述直流偏磁条件下铁磁材料磁滞特性的静态J-A修正模型;然后引入R-L型分数阶导数对高频条件下涡流场及涡流损耗表达式进行改进,考虑涡流与剩余损耗对高频条件下磁化物理机制的影响,建立动态J-A模型;最后引入模拟退火算法,以损耗计算值与实测值之间的均方根误差最小化作为优化算法的目标函数,辨识模型中阻尼系数与分数阶导数阶次的全局最优值。将动态J-A模型模拟的磁滞回线和损耗与实验数据进行对比,结果表明:对高频磁场叠加直流偏磁条件下磁滞回线面积模拟误差绝对值为7.84%,损耗预测的平均绝对误差为7.35%,验证该文所提方法的准确性。     

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...     

基于损耗统计理论与J-A磁滞模型的直流偏磁下磁性材料损耗计算方法

当磁性材料具有直流偏磁分量时,其损耗将会显著增加,准确计算该类材料在直流偏磁下的损耗对磁性元器件的优化设计具有重要意义。然而,现有方法并未从直流偏磁影响损耗的基本原理出发,所提求解公式偏向经验,缺乏物理基础。为此,在基于损耗统计理论分析直流偏磁对磁滞、涡流及剩余损耗各自作用特征的基础上,提出了一种基于损耗统计理论与Jiles-Atherton(J-A)磁滞模型结合的直流偏磁下磁性材料损耗半解析算法。该算法利用J-A磁滞模型求解直流偏磁下的磁滞损耗,而涡流损耗和剩余损耗的计算则运用损耗统计理论推导的解析公式;同时,针对剩余损耗统计参数难以提取的问题,提出在通过直流偏磁实验辨识该参数分布规律的基础上,引入有理函数对其进行准确拟合。最后,将仿真计算值与实验测量值进行对比,结果表明所提算法的最大相对误差仅为8.49%,验证了该算法的准确性。     

基于改进鲸鱼算法的电流互感器J-A模型磁滞参数识别

基于J-A磁滞模型模拟电流互感器铁芯磁滞特性的关键是模型参数的精准快速识别。针对现有J-A模型参数提取时输入输出均不易测量和提取方法收敛速度慢、精度低等问题,提出了一种基于改进鲸鱼算法的ψ-i J-A磁滞模型的参数提取方法。该模型以磁链和电流为基础,而不是以磁通密度和磁场为基础。采用加入自适应权重值调整和搜索策略的改进鲸鱼算法对参数进行提取。用所提方法和粒子群算法、鲸鱼算法分别识别P型电流互感器和PR型电流互感器的磁滞曲线,对比可得改进鲸鱼算法精度更高、迭代次数更少,验证了所提方法的高效性。     

一种用于电流互感器铁心J-A磁滞参数识别的改进方法

模拟电流互感器铁心的动态磁化过程,需要建立准确的磁滞模型.改进J-A磁滞模型能够更准确地模拟铁心的磁滞特性.针对改进J-A磁滞模型关键参数难以确定的问题,提出了一种基于烟花算法的电流互感器改进J-A磁滞模型参数识别方法.该方法首先建立改进J-A模型,然后建立参数识别模型,以求出的磁感应强度与已知的磁感应强度之间的绝对误...     

考虑偏置小磁滞回环的非正弦激励下磁性材料损耗计算方法

准确、快速地计算磁性材料在非正弦激励下的损耗是变压器、电机等电力设备优化设计的关键环节,特别是当其包含偏置小磁滞回环的情况。然而,在现有的文献中还没有高效系统地考虑偏置小磁滞回环的非正弦激励下磁性材料损耗的算法。从主磁滞回环与其内部偏置小磁滞回环相互独立的角度出发,分别计算这两种环对应的磁滞损耗与剩余损耗分量,并基于简化静态Preisach模型推导磁滞损耗的通用算式;针对损耗统计理论(statistical theory of losses,STL)剩余损耗统计参数提取较为繁琐的问题,利用简化动态Preisach模型与STL剩余损耗算式之间的函数关系,推导剩余损耗统计参数的通用辨识公式,继而提出一种考虑偏置小磁滞回环的磁性材料非正弦激励损耗算法。利用所提算法,仅需少量传统正弦激励下的数据即可辨识模型所有参数。最后,通过实验及仿真验证所提算法的准确性与实用性。     

基于动态J-A模型的直流偏磁条件下电工钢磁特性模拟及实验验证

直流偏磁下,变压器励磁电流畸变,损耗显著增加,导致变压器局部过热甚至绝缘老化。为研究直流偏磁对铁芯铁磁材料磁特性的影响,在经典Jiles-Atherton(J-A)理论基础上,依据损耗分离理论,建立了动态J-A模型。利用优化算法与损耗分离理论分别辨识与计算未引入直流偏磁量的静态模型参数和动态损耗系数,并通过仿真结果与实测数据对比,验证了模型的准确性。搭建电工钢磁性能测试系统,获得不同直流偏磁条件下电工钢的损耗及磁性能数据,并用于分析直流偏磁量对磁滞损耗、动态损耗的影响规律。基于分析得到的规律,提出一种对不同偏磁条件下铁磁材料的磁滞回线及磁损耗进行预测的新方法。对比预测结果与实验结果,发现二者拟合较好,验证了该方法的正确性和有效性。     

铁磁元件J-A磁滞模型参数辨识

对电网特殊运行状态仿真时,常要建立考虑磁滞效应的铁磁元件模型。根据测量得到的磁通-电流特性,通过参数辨识建立铁磁元件J-A磁滞模型。根据铁磁元件的磁通电流关系向磁化强度与磁场强度关系的推导结果,建立了JA磁滞方程参数辨识模型,并给出了参数优化辨识的方法;在Matlab环境下编制了J-A方程参数辨识的优化目标函数,用遗传算法工具箱(GADS)对J-A模型参数进行辨识。结果表明,建立的参数辨识模型正确、有效。     

基于Jiles Atherton磁滞理论的直流偏磁下铁心损耗预测

直流偏磁下,变压器励磁电流畸变、损耗显著增加,导致变压器局部过热甚至绝缘老化。为了研究直流偏磁对变压器铁心损耗的影响,该文基于Jiles Atherton(JA)理论提出了一种新的铁心损耗预测方法。首先,在JA静态铁心磁滞模型基础上,依据铁心损耗分离理论,在无偏磁下建立考虑涡流损耗与异常损耗的铁心动态磁滞模型,并对模型中参数进行辨识;其次,采用爱泼斯坦方圈和逆变电源搭建了直流偏磁下磁滞回线测量系统,实测了不同直流偏磁下的磁滞回线,在此基础上获得直流偏磁下铁心动态磁滞模型参数辨识结果;最后分析了直流偏磁对模型参数的影响,并对模型参数中的动态损耗系数进行了拟合,以修正铁心动态磁滞模型,得到直流偏置下铁心损耗预测方法。通过算例的计算结果与实验结果的对比验证了文中所提出方法的正确性。     

一种快速高鲁棒性变压器铁心Jiles-Atherton磁滞模型参数辨识方法

Jiles-Atherton(J-A)模型是变压器剩磁与励磁涌流计算的重要方法,但在使用中存在着参数辨识的难题。文中从参数辨识的公式法、遗传算法、Nelder-Mead(NM)单纯形算法原理及各自特点出发,提出一种综合运用公式法和两种优化算法对实测磁化曲线进行参数辨识的方法。算例分析结果表明,该方法对于经典JA模型参数识别具有较高的精度,在误差影响下体现出良好的鲁棒性,是一种快速、有效的J-A模型参数辨识方法。     

计及谐波的J-A磁滞模型修正

J-A磁滞理论被广泛应用于电磁式电流互感器的磁特性建模,但是在谐波条件下该模型存在较大的误差。针对这一问题,文中对各次谐波分别修正经典J-A模型参数,利用遗传退火算法进行参数辨识,然后将各次谐波的磁特性进行线性叠加,实现非正弦激励下电流互感器的磁特性建模。采用该修正方法的前提是计量用电流互感器的非线性误差符合规定的0.2S级,因此对各次谐波磁滞回线的仿真分析与误差修正均近似适用于线性叠加原理。以采用纳米晶材料的0.2S级电流互感器为例,对角差与比差进行仿真分析与实验验证,结果表明经过参数修正的J-A模型改善了谐波条件下的测量准确度,多次谐波磁特性的近似线性叠加方法对测量准确度的影响可以忽略不计,从而确认计及谐波的J-A磁滞模型修正合理有效。     

全局优化算法在Preisach磁滞模型参数辨识问题中的应用与性能对比

Preisach模型参数的快速辨识对实现考虑磁滞特性的电工装备有限元计算具有重要意义.该文结合显式Everett函数Preisach磁滞模型,提出一种基于改进速度可控粒子群算法的Preisach模型参数辨识方法,并对比分析全局优化算法在该问题应用的效率问题.首先,为了解决传统离散型Preisach模型因存储庞大Everett矩阵造成的计算效率低下问题,构建Everett函数的参数化显式表达式;其次,提出一种基于改进速度可控粒子群算法的Preisach模型参数辨识方法,并基于测量的硅钢片准静态磁滞回线,实现模型的参数辨识;最后,对比分析模拟退火算法、遗传算法与该文所提算法在模型迭代次数与计算时间、磁滞回线模拟准确度、参数辨识成功率三个方面的应用效率.结果表明,该文所提出的改进速度可控粒子群算法在Preisach模型辨识上同时兼具辨识精度高、收敛速度快、成功率高的特点.     

基于快速模拟退火算法的T—S模糊神经网络学习算法

给出一种Ｔ－Ｓ模糊模型的模糊神经网络的一种实现方法。将快速模拟退火算法用于网络参数的优化,实现Ｔ－Ｓ模型的辨识。将快速模拟退火、模糊逻辑和神经网络融合在一个系统中,并用仿真实例验证了用本文算法的有效性。     

谐波激励条件下铁心动态Energetic建模与验证

谐波激励条件下,表征铁心磁性能的磁滞回线发生明显畸变甚至出现局部回环,导致铁心损耗显著增加。为精确模拟和计算谐波激励条件下铁磁材料的磁滞特性和铁心损耗,该文在传统静态Energetic谐波磁滞模型的基础上,依据损耗分离理论,建立综合考虑谐波特征的动态Energetic谐波磁滞模型。实现人工鱼群算法结合归一化处理技术对传统静态Energetic谐波磁滞模型参数的辨识,并提出一种可以有效考虑局部回环影响的动态损耗系数求解方法。搭建磁通密度波形可控的变压器铁心磁性能测试平台,对不同谐波阶次、谐波含量、谐波相位激励条件下的变压器铁心磁滞特性和损耗特性进行实验研究。通过模型仿真结果与实验数据的对比,验证了该文所建动态Energetic谐波磁滞模型的正确性和有效性。     

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。     

一种多谐波激励下取向硅钢片的磁滞及损耗特性预测方法

基于损耗分离与场分离的统一性,利用Preisach模型实现静态磁滞损耗的计算,提出单一频率正弦激励下异常损耗参数辨识的改进方法,有效地提高了正弦激励下动态磁滞模型的计算精度。利用软磁磁性能测量系统,基于取向硅钢片在多个不同单频正弦条件下的损耗测量结果进行参数提取,构造多谐波激励下异常损耗对应场量的表达式,从而提出任意复杂多谐波激励下取向硅钢片的动态磁滞模型。在多种不同工况下,将动态磁滞回线及总铁耗的预测值与测量值进行对比,二者较为吻合,说明了文中所提模型的有效性和通用性。     

基于J-A磁滞模型的高效电磁暂态变压器建模

提出了一种基于J-A(Jiles-Atherton)模拟变压器磁滞的电磁暂态变压器模型,使用差分的方式得到离散化模型,并采用注入电流源的方式将J-A磁滞模型加入到变压器中。通过深入分析不同仿真步长下J-A模型方程的数值特性,使用多速率仿真方法改进了J-A磁滞模型的计算效率;通过多个算例的对比测试验证了所实现模型的正确性;通过对计算耗时的对比测试验证了所提出计算模型对计算效率的提高。为在电磁暂态仿真平台实现基于J-A模型的变压器磁滞模拟提供了一种高效可靠的实现方法。