基于神经网络结合遗传算法的Jiles-Atherton磁滞模型参数计算

根据改进的Jiles-Atherton磁滞数学模型,提出了一种实用的磁滞模型参数的提取方法,即基于神经网络结合遗传算法的方法,通过神经网络训练拟合寻优函数,以及遗传算法极值寻优,而得到Jiles-Atherton磁滞模型的5个常规参数。计算证明,应用本文方法的计算参数得到的磁滞回线与实验磁滞回线相吻合。     

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。     

基于蛙跳模糊算法的Jiles Atherton铁心磁滞模型参数确定

Jiles Atherton(JA)模型广泛应用于铁心磁滞建模领域,其参数确定精确与否直接影响铁心磁滞现象的表达,为此提出蛙跳模糊算法对JA模型参数进行辨识。为了防止蛙跳算法陷入局部最优解并加快收敛速度,根据特殊点(矫顽力、矫顽力点磁化率)处实测值与计算值的相对误差,采用模糊控制方法,得到动态反馈系数,修正蛙跳算法的步长调整公式。采用爱泼斯坦方圈搭建磁滞回线测量系统,测得铁心饱和磁滞回线与局部磁滞回线。采用蛙跳模糊算法、蛙跳算法、粒子群算法和遗传算法分别求解得到模型参数,并将计算的磁滞回线与实测磁滞回线进行比较,证明了所提出的蛙跳模糊算法不易陷入局部最优解且具有更快的收敛速度。根据蛙跳模糊算法得到的局部磁滞回线模型参数辨识结果,研究模型参数与磁通密度的关系并进行拟合,得到不同磁通密度下的局部磁滞回线参数拟合模型。     

J-A模型误差修正和温度特性仿真

Jiles-Atherton(J-A)模型在磁滞建模领域应用广泛,但其二次磁滞回线仿真结果误差较大且无法仿真磁滞回线温度特性。为建立精确并反映温度特性的磁滞回线模型,提出了J-A模型误差修正和温度特性仿真方法。通过修正模型参数提高二次磁滞回线仿真准确度,同时引入居里温度、临界指数等附加参数,实现了对磁滞回线温度特性的仿真。最后以硅钢片为例介绍了建模过程并进行了实验验证,仿真与实验结果吻合,证明了方法的有效性。     

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。     

一种高频动态磁滞回线的PSpice电路模型研究

根据Jiles-Atherton铁磁磁滞理论和Hammerstein结构宏模型提出了一种高频动态磁滞回线的PSpice电路模型.将二阶低通滤波器插入Jiles-Atherton数学模型的等效PSpice电路中,追踪磁滞回线随频率的变化,近似地模拟高频动态磁滞回线.经实验论证,用该PSpice电路模型仿真所得磁滞回线与实...     

基于局部磁滞回线斜率的变压器铁心剩磁估算

利用Jiles-Atherton (JA)模型研究铁心的磁滞特性,并将剩磁点附近的局部磁滞回线线性化,得到剩磁与局部磁滞回线斜率的关系特性;并通过试验验证了该方法的可行性。     

SSA优化混合RNN的短期电力负荷预测

针对传统短期电力负荷预测模型特征获取能力欠佳、预测精度低的问题，提出一种SSA优化CNN+BILSTM-LSTM-Attention的双通道短期电力负荷预测模型。该模型构建多层CNN与BiLSTM双通道结构，提高模型的特征获取能力；利用灰色关联分析筛选温度、湿度等气象影响因素参与模型训练，同时，利用以均方误差最优为目标函数的SSA优化算法，自适应选取迭代次数、时间步等模型超参数，提高模型的预测精度。通过实验对比表明，该模型在误差指标和拟合优度指标两方面较BiLSTM-Attention、Attention-BiLSTM-LSTM等模型均有提升。     

基于改进PSO算法的燃料电池模型优化

采用一种改进粒子群优化(PSO)算法,提出了一种优化燃料电池模型的方法,并用于质子交换膜燃料电池(PEMFC)的极化曲线模型,以得到最优参数.结果表明,这种优化模型的平均平方误差(MSE)为4.42×10-10V2,相关系数为99.87%,数学模型和实验数据之间的拟合精度高.     

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...     

一种改进磁滞数学模型参数的计算方法

根据Jiles-Atherton铁磁磁滞理论修改Brachtendorf磁滞数学模型得到了一种新的改进磁滞数学模型.然后,给出了一种实用的模型参数计算方法.首先,搭建求参方程组;其次,利用数学软件MATLAB对方程组进行迭代运算直至确定出满足条件的参数.所得参数使得模型能很好地模拟磁滞特性的主要特征.     

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。     

考虑铁磁磁滞的变压器励磁涌流仿真分析

提出了一种考虑铁芯铁磁磁滞的变压器电磁暂态模型,并对变压器空载合闸时的励磁涌流现象进行了仿真研究。基于目前工程中应用较为广泛的Jiles-Atherton铁磁磁滞原理建立铁芯磁滞磁化曲线模块,通过设置适合的参数计算得到了与实际测量值较为吻合的 B-H曲线;通过分析单相三绕组变压器铁芯绕组结构及其电路模型,得到其电磁暂态计算模型;通过分析三相五柱式变压器磁路结构并利用对偶性原理,得到了其暂态计算分析模型。利用所建立的暂态计算模型对单相三绕组变压器的励磁涌流现象进行了仿真研究,仿真计算结果与实际试验测量结果的对比证明所提出的暂态计算模型的正确性和有效性;同时也对三相变压器组和三相五柱式变压器空载合闸时的励磁涌流进行了仿真计算,仿真结果证明所提出的暂态计算模型能够准确地分析变压器空载合闸时的励磁涌流现象。     

A current transformer model based on the Jiles-Atherton theory offerromagnetic hysteresis

The hysteresis loop of the core material in a test current transformer is simulated using the Jiles-Atherton theory. Comparisons are made between recorded and simulated waveforms and it is found necessary to replace the modified Langevin function used by Jiles and Atherton. Using an alternative function described in the paper, good agreement is achieved between test and simulated waveforms     

PSPICE computer modeling of hysteresis effects

Recent versions of PSPICE, a personal computer implementation of the SPICE circuit simulation computer software program, have the capability of simulating the hysteresis loops of magnetic materials. In order to model the hysteresis loop of a particular manufacturer's magnetic core material, the values of five parameters that affect the shape of the hysteresis loop must be established. A method for illustrating the effect that each parameter has on the shape of the hysteresis loop is presented. The method speeds the process of establishing the parameter values for modeling a particular hysteresis loop