共查询到17条相似文献,搜索用时 218 毫秒
1.
2.
3.
基于1stOpt的质子交换膜燃料电池模型优化 总被引:1,自引:0,他引:1
质子交换膜燃料电池(PEMFC)的性能受温度,压力等众多外界因素以及本身结构的影响,具有较强的非线性,目前已建立的数学模型存在众多难以确定的参数.将1stOpt中的麦夸特法+通用全局优化法用于PEMFC的极化曲线模型,得到最优参数,避免了使用其他优化方法因为初始值选取不当对模型精确度造成的影响.通过对实验数据和加噪仿真数据的参数优化,结果表明这种方法建立的数学模型和实验数据之间能够达到很高的拟合精度,因而为PEMFC模型参数优化提出了一种高效实用的新方法. 相似文献
4.
基于自适应聚焦粒子群算法的质子交换膜燃料电池机理建模 总被引:2,自引:1,他引:1
自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群(particle swarm optimization,PSO)算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。根据质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)模型的建模原理,利用AFPSO算法进行参数估计,得到一组机理模型的最优参数。通过仿真结果与实验结果的对比分析,证明AFPSO算法能够使仿真结果和实验测试数据之间达到很高的拟合精度,对于模型参数估计具有明显的优越性。因此,AFPSO算法对于改善PEMFC机理模型的输出性能将起到重要的作用,并有望成为模型参数优化领域的一种新的有效工具。 相似文献
5.
基于质子交换膜燃料电池(PEMFC)电堆的输出特性及相关电化学反应建立输出特性模型,提出改进混沌粒子群优化(CPSO)算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能,然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明,相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO-χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE),CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213,平均相对误差为2.339%;电堆2的均方根误差为0.481,平均相对误差为1.243%,充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。 相似文献
6.
为了应对近年来不断增加的电力系统负荷,对配电网的电容器进行配置优化是十分必要和重要的,提出了一种SOA结合模拟退火算法运用到IEEE 33节点配电系统,并对电容器进行优化配置,建立相应的电容器优化配置模型。仿真结果表明,SOA结合模拟退火算法对于此类问题的求解具有一定的可行性及有效性,为电容器的优化配置以及缓解电力负荷提供了理论基础。 相似文献
7.
8.
为了使电力机车牵引电传动系统参数匹配最佳,对电力机车牵引电传动系统关键参数自动优化方法进行了研究。首先,建立了某型号电力机车牵引电传动系统的仿真模型,仿真结果证明了建模的准确性及合理性。其次,针对原模型开展试验设计(DOE)仿真,获得一簇反映系统运行规律的仿真结果,基于仿真结果建立了映射系统输入参数与输出特性的近似模型。再次,基于近似模型采用多目标粒子群优化算法进行寻优,获得了优化的设计参数。最后,对比分析几种模型仿真优化的结果,验证了采用近似模型进行全局寻优方法的效果,且在保证仿真精度的前提下,达到了极高的仿真效率。研究结果对于电力机车牵引电传动系统的高效率仿真具有参考意义。 相似文献
9.
针对由支持向量机(SVM)参数难以确定而导致的变压器故障诊断精度低及海鸥优化算法(SOA)易陷入局部寻优的问题,提出一种多策略改进海鸥优化算法(ISOA)优化SVM的变压器故障诊断方法。首先,提出一种多策略的改进方法来全方面提升SOA的寻优性能;然后,利用ISOA对SVM内部参数进行优化,构建基于ISOA-SVM的变压器故障诊断模型;最后,将油中气体溶解分析(DGA)数据的特征提取结果输入到ISOA-SVM模型中进行变压器故障诊断。实例分析表明,所提ISOA-SVM模型诊断精度更优。 相似文献
10.
11.
Chaohua Dai Weirong ChenZhanli Cheng Qi LiZhiling Jiang Junbo Jia 《International Journal of Electrical Power & Energy Systems》2011,33(3):369-376
In order to optimize the proton exchange membrane fuel cell (PEMFC) model parameters, a novel approach based on seeker optimization algorithm (SOA) is proposed. The SOA is based on the concept of simulating human searching behaviors, where the choice of search direction is based on the empirical gradient by evaluating the response to the position changes and the decision of step length is based on uncertainty reasoning by using a simple Fuzzy rule. In this study, after evaluated on benchmark function optimization, the SOA is applied to optimal modelling of the PEMFC by using a fuel cell test system in Fuel Cell Application Centre (FAC) at the Temasek Polytechnic, and compared with several state-of-the-art versions of differential evolution (DE) and particle swarm optimization (PSO) algorithms. The simulation results show that the proposed approach is superior to other compared algorithms, and the PEMFC model with optimized parameters by SOA fitted experimental data well. Hence, SOA is an effective and reliable technique for optimizing the parameters of PEMFC model, and can be helpful for system analysis, optimization design and real-time control of the PEMFCs. 相似文献
12.
基于H∞鲁棒控制的质子交换膜燃料电池空气供应系统设计 总被引:1,自引:0,他引:1
自适应聚焦粒子群算法是根据粒子群优化(particle swarm optimization,PSO)算法的全局搜索与局部搜索平衡特性,改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。为实现对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)空气供应系统的控制,建立空气供应系统机理模型,并采用多目标自适应聚焦粒子群(adaptive focusing particle swarm optimization,AFPSO)算法提出H∞鲁棒控制方法。仿真结果证明该H¥鲁棒控制方法能够实现对PEMFC空气供应系统的控制,在模拟电动车行驶过程时可使系统稳定运行,并与其它控制方法比较,证明该H¥鲁棒控制方法具有明显的优越性和有效性,对PEMFC实时控制系统的研究有重要的指导作用。 相似文献
13.
搜寻者优化算法在最优潮流中的应用 总被引:1,自引:0,他引:1
为实现电力系统经济运行,以有功网损最小为目标函数,建立电力系统最优潮流模型,将搜寻者优化算法(seeker optimization algorithm,SOA)应用到最优潮流计算中,选取发电机机端电压、变压器分接头位置和可投切电容器组等控制变量构建初始矩阵,对IEEE30、IEEE57标准系统进行测试,并与带自适应惯性权值的粒子群算法、带收敛因子的粒子群算法和全面学习的粒子群算法进行了比较.结果表明:SOA能够有效地搜索到最优解且具有较好的全局寻优能力,适应于电力系统最优潮流计算. 相似文献
14.
在质子交换膜燃料电池(PEMFC)运行过程中,运行压力、反应气条件、质子膜含水状态、电堆温度、输出电流等因素,都会影响电堆功率输出,因此须确定电堆输出最大功率的最优运行状态。为确定最大输出功率,建立了一个PEM-FC电堆参数模型和优化目标,并提出一种实现此优化的改进遗传算法。使用1kW电堆的实验数据通过最小二乘法确定了模型参数,同时详细叙述了如何利用此遗传算法实现优化,对PEMFC电堆最优运行条件进行了分析。计算和分析结果表明此遗传算法能够有效确定最大输出功率和最优运行状态。 相似文献
15.
16.
Binod Shaw 《International Journal of Electrical Power & Energy Systems》2011,33(10):1728-1738
Seeker optimization algorithm (SOA) is a new heuristic population-based search algorithm. In this paper, SOA is utilized to tune the parameters of both single-input and dual-input power system stabilizers (PSSs). In SOA, the act of human searching capability and understandings are exploited for the purpose of optimization. In SOA-based optimization, the search direction is based on empirical gradient by evaluating the response to the position changes and the step length is based on uncertainty reasoning by using a simple fuzzy rule. Conventional PSS (CPSS) and the three dual-input IEEE PSSs (namely PSS2B, PSS3B and PSS4B) are optimally tuned to obtain the optimal transient performances. From simulation study it is revealed that the transient performance of the dual-input PSS is better than the single-input PSS. It is further explored that among the dual-input PSSs, PSS3B offers the best optimal transient performance. While comparing the SOA with recently reported optimization algorithms like bacteria foraging optimization (BFO) and genetic algorithm (GA), it is revealed that the SOA is more effective than either BFO or GA in finding the optimal transient performance. Sugeno fuzzy logic (SFL)-based approach is adopted for on-line, off-nominal operating conditions. On real time measurements of system operating conditions, SFL adaptively and very fast yields on-line, off-nominal optimal stabilizer parameters. 相似文献