基于粒子群优化算法的锂电池模型参数辨识

基于戴维南电池模型,采用粒子群优化算法进行离线参数辨识.粒子群优化算法作为一种高效并且简单的算法,在平衡全局优化能力和局部优化能力方面具有显著的优势.     

动态工况模拟下动力锂电池建模与参数辨识方法

为提高动态工况模拟下动力电池等效电路模型参数辨识准确性、稳定性,本文提出一种动态工况模拟下动力锂电池建模与参数辨识方法,采用准确度较高、辨识难度适中Thevenin二阶等效电路模型对动力电池进行状态空间描述;设计动力锂电池模型参数辨识算法总体流程,开展OCV-SOC曲线的工况测试获取曲线的拟合系数;提出含噪声干扰动力锂电池等效电路模型参数的DEKF+GA算法辨识方法,增加GA算法,在DEKF求解初始值处进行最优解搜索,提升DEKF算法准确性、鲁棒性。实验表明,应用DEKF+GA算法比DEKF算法,URMSE、UMAX分别平均减少29mV、27.73mV。     

改进的自适应遗传算法及其在系统参数辨识中的应用

为解决传统自适应遗传算法存在的不足,在实数编码策略和精英保留策略的基础上,提出了一种改进的自适应遗传算法,对遗传操作的交叉概率和变异概率进行了改进。将其应用于系统参数辨识,结果证明该算法具有更高的辨识精度和更强的抗噪声能力。     

低压载波通信信道模型的遗传算法多参数辨识

低压载波通信的发展要求有适合于信道仿真性能分析的传输模型。在已有传输模型结构的基础上,以实测数据为样本,将遗传算法应用于低压载波通信信道模型的多参数辨识,实现了较好的多参数辨识效果,为低压载波通信电力网的研究和设计打下了较好的基础。     

低压载波通信信道模型的遗传算法多参数辨识

低压载波通信的发展要求有适合于信道仿真性能分析的传输模型.在已有传输模型结构的基础上,以实测数据为样本,将遗传算法应用于低压载波通信信道模型的多参数辨识,实现了较好的多参数辨识效果,为低压载波通信电力网的研究和设计打下了较好的基础.     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

基于遗传算法的动力电池参数模型辨识

针对磷酸铁锂动力电池利用二阶等效电路模型建立电池动态模型,考虑电池的电势及温度特性,分析在不同充放电倍率下对电池模型参数的影响。基于新威BT400测试电池离线数据,采用遗传算法改进后的系统辨识获得全局最优解。实际实验得出,通过离线数据对辨识参数进行验证最大误差为1.2%,能较好地反映出电池的动静态特性。     

基于多种群遗传算法的无功规划

考虑了无功规划中负荷预测水平的不确定性,提出了多种负荷预测方式下综合效果最优的无功规划模型。在用遗传算法求解规划问题时,未成熟收敛现象是不可忽视的问题。该文分析了未成熟收敛现象产生的根本原因,并基于移民和人工选择的遗传算法思想(GAMAS),引入了多种群遗传算法(MPGA),并根据其特点进行了一定的改进,较好地改善了简单遗传算法(SGA)的未成熟收敛现象,提高了算法的全局搜索能力和局部搜索能力。通过实际算例,证明了本算法在寻优有效率和成功寻优的迭代次数方面与SGA相比都有较大地改善。     

基于遗传算法的水轮发电机组调速系统参数辨识

将遗传算法思想引入水轮发电机组调速系统的辨识工作中,解决了目前电力系统中常用的辨识方法无法对非线性环节进行有效辨识的问题;为提高辨识效率,对遗传算法初始群体的选取方法以及子代选择方法进行了改进.对实际发电机组调速系统的辨识结果说明该方法具有快速、精度较高等优点.该思想为水轮发电机组调速系统的辨识提供了一种新方法,具有重要的工程实用价值.     

基于改进遗传算法的非线性励磁系统参数辨识

将大变异遗传算法应用于非线性发电机励磁系统的参数辨识,利用其较强的全局寻优能力辨识出发电机励磁系统参数估计值。其原理为:当某一代中所有个体集中在一起时就以一个远大于通常变异概率的概率执行一次变异操作,随机、独立地产生许多新的个体,使种群脱离早熟。比较每代中所有个体的最大适应度与平均适应度的接近程度,判断当代中所有个体的集中程度;对当代适应度最高的2个个体不进行大变异操作,以保证具有最大适应度的个体不被破坏掉。采用Matlab的Simulink模块建立仿真模型,算例试验结果表明,基于大变异遗传算法的励磁系统参数辨识方法速度快、精度高。     

基于改进遗传算法的非线性发电机励磁系统参数辨识

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行发电机励磁系统参数辨识测试是一项重要的工作。提出采用改进的GA遗传算法应用于发电机励磁系统的非线性参数辨识,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地辨识出发电机励磁系统参数估计值。实际发电机励磁系统参数测试试验结果表明,基于改进遗传算法的励磁系统参数辨识方法计算速度快,精度高,鲁棒性强,为非线性发电机励磁系统的参数辨识提供了一种有效的新方法。     

基于遗传算法的水轮发电机组调速系统参数辨识

将遗传算法思想引入水轮发电机组调速系统的辨识工作中,解决了目前电力系统中常用的辨识方法无法对非线性环节进行有效辨识的问题;为提高辨识效率,对遗传算法初始群体的选取方法以及子代选择方法进行了改进。对实际发电机组调速系统的辨识结果说明该方法具有快速、精度较高等优点。该思想为水轮发电机组调速系统的辨识提供了一种新方法,具有重要的工程实用价值。     

基于改进遗传算法的非线性发电机励磁系统参数辨识

为了确保电力系统建模的精确性和安全稳定分析的可靠性,进行发电机励磁系统参数辨识测试是一项重要的工作.提出采用改进的GA遗传算法应用于发电机励磁系统的非线性参数辨识,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地辨识出发电机励磁系统参数估计值.实际发电机励磁系统参数测试试验结果表明,基于改进遗传算法的励磁系统参数辨识方法计算速度快,精度高,鲁棒性强,为非线性发电机励磁系统的参数辨识提供了一种有效的新方法.     

基于传递函数的遗传算法感应电机参数辨识

提出了一种基于传递函数的感应电机参数辨识方法,这种方法是通过计算感应电机实际输出和电气模型输出的差值来不断对估计模型进行修正,从而辨识出感应电机参数,并与传统的最小二乘算法辨识结果和电机参数真值进行了比较。实验证明,采用该方法对感应电动机进行参数辨识是可行的,辨识结果是可信的。     

基于改进粒子群优化算法的电力线通信多径传输模型参数辨识

基于已有的电力线多径传输模型结构,以0.5~20 MHz范围内的实际低压载波通信信道测量数据为样本,将改进粒子群优化算法应用于低压载波通信信道模型的多参数辨识,通过自适应改变惯性权重提高搜索效率,同时采用模拟退火算法并自适应调整退火温度,克服了基本粒子群算法容易发生早熟收敛的缺点。对路径数为4和18的信道模型进行参数辨识的结果表明：与遗传算法相比,改进的粒子群算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,所取路径数越多,拟合效果越好。     

基于ESP模型的锂电池参数辨识和SOC估计

精准的电池模型是电动汽车电池管理系统的关键,它为准确估计电池荷电状态(SOC)提供保证。基于电化学反应机理,建立扩展单粒子(ESP)模型。基于ESP模型参数较多的特点,利用改进遗传算法分不同SOC阶段进行多组参数辨识,通过充放电实验验证模型的准确性。基于ESP模型和卡尔曼滤波算法,引入强跟踪滤波器和自适应滤波方法,且对模型状态方程进行修正,建立自适应强跟踪Sigma点卡尔曼滤波算法来进行SOC估计。结果表明,ESP模型有较高的精度,且基于此模型和所建立的算法可以实现对SOC的精确估计,其最大误差在2.3%以内。     

基于Gassing模型的锂电池SOC估计与参数辨识

具有非线性、时变性的Gassing锂电池模型具有以下两大特点[1]:模型考虑了析气现象,使其适用范围拓广到SOC＞85％的临界情况;模型考虑了温度的动态变化对系统状态变量的影响.针对该模型,基于相关的试验数据,采用双Kalman滤波算法(DKF),同时实现了对模型参数的辨识和对SOC的在线估计.台架试验和实车验证表明,...     

基于遗传算法的感应电动机稳态模型参数辨识

介绍了感应电动机传统的参数测试与识别方法,提出了基于遗传算法的感应电动机稳态模型参数辨识方法,利用实际所测的电动机电流和转速数据,结合感应电动机稳态模型电流特性方程,通过遗传算法进行曲线拟合得到电机稳态模型电流特性曲线及电机稳态模型各参数值。试验证明该设计参数辨识方法与传统测试方法相比,准确性和精度都有较大的提高,进一步验证了该设计方法的可行性和有效性。     

基于改进粒子群算法的励磁系统参数辨识

励磁系统模型参数的求取一般采用频域测试方法,但是电力系统是一个非线性系统,因此频域测试方法需要做线性化处理,而时域辨识方法中的参数模型辨识方法也存在线性化处理的问题.利用时域非参数模型辨识的方法,对待测系统受到阶跃扰动时,记录被调量的变化曲线,辨识出非线性特性,用动态拟合技术,利用被测信号采用改进的粒子群算法,根据目标函数,动态调整粒子飞行速度的惯性权重,从动态曲线求取模型参数,实现参数辨识.试验证明,新的算法能够很好地平衡调节粒子群算法的局部搜索与全局搜索的能力,克服了基本粒子群算法容易陷入局部最优的缺点.