基于回复电压的油纸绝缘系统等值电路参数辨识研究

回复电压测试法作为一种无损手段能够有效地诊断电力设备的绝缘老化状况,评估油纸的湿度．通过经典的扩展德拜模型建立回复电压曲线与等值电路之间的数学模型,推导回复电压数学表达式;提出基于非线性最小二乘估计法结合粒子群优化算法的等值电路中的未知参数辨识方法;最后对某台变压器的实测回复电压数据进行等值电路参数辨识,结果验证了参数辨识的准确性;并利用辨识出的电路仿真分析回复电压测试参数对回复电压曲线的影响,结合极化响应过程揭示了绝缘油纸系统与微观机构间的关系．     

油纸绝缘系统气隙对回复电压参数影响的研究

由于密封装置的老化、检修处理不当以及油纸绝缘系统自身的化学反应等原因,油纸绝缘变压器运行过程中易在变压器内部形成气隙（气泡）,减少绝缘使用寿命,降低变压器的运行可靠性．目前,国内外对气隙与油纸绝缘系统回复电压参数之间相互关系的研究尚少,因此建立模拟变压器绝缘系统,实验研究气隙对回复电压参数的影响;结果表明,气隙可使回复电压极化谱产生局部峰值,初始斜率随着气隙的混入而显著增大,因此根据回复电压参数可有效诊断油纸绝缘系统的气隙状况．     

中性点绝缘系统零序参数与绝缘参数分析

针对矿用漏电保护装置在遇故障时动作的选择性差异这一问题，通过对中性点绝缘系统中漏电及单相接地时零序参数与绝缘参数的分析，建立了零序电压、零序电流与绝缘参数的数学表达式。并进一步分析了各绝缘参数变化对零序电压及零序电流数值的影响，得出零序电压与零序电流之间的相位关系。可作为研制新型选择性漏电保护装置动作整定值的理论参考。     

基于去极化电流特征参数分析法的油纸绝缘老化评估

以扩展德拜极化电路模型为基础,研究不同老化程度下去极化电流特征参数(弛豫贡献系数、时间常数、极化电阻、极化电容)的变化规律。提出一种可用于评估油纸绝缘老化状态的参数--弛豫能量,该参数可以充分地反映油纸绝缘系统各弛豫机构电能积累和释放的过程。现场实测数据分析结果表明:随着设备绝缘老化程度的加剧,弛豫贡献系数增加、时间常数减小、极化电阻减小、极化电容增大及弛豫能量增加;小时间常数支路和大时间常数支路的弛豫能量分别反映绝缘油和绝缘纸的老化状态。     

基于数学解析法的油纸绝缘参数辨识研究

现阶段变压器油纸绝缘等效弛豫机构参数辨识多采用拓扑支路数任意假定、粒子群等智能算法对 N组非线性方程组寻优迭代计算。其计算往往具有收敛性差、结果不唯一等问题,且难以从介质响应函数特性分析真实的油纸绝缘弛豫过程,影响后续弛豫参数对老化评估的准确性。基于此,提出一种应用数学解析法的变压器油纸绝缘弛豫机构参数辨识新方法。首先,从介质响应函数特性出发,深入挖掘弛豫项数信息,辨识油纸绝缘等效弛豫机构的拓扑结构;其次,公式推演得到参数辨识的数学计算公式,避免了智能算法对非线性方程组的寻优误差与不唯一性;最后,通过实例验证该方法的有效性与可行性,提出的数学解析法可为变压器油纸绝缘介质内部弛豫响应特性提供可靠的数学分析模型。     

基于老化因子的变压器绝缘状态分析

为进一步研究变压器扩展德拜等效电路对变压器绝缘介质老化的影响规律,提出利用回复电压极化谱特征量建立变压器扩展德拜等效电路,并通过分析等效电路参数对回复电压极化谱的影响,获得变压器绝缘介质老化情况。通过仿真和实例分析的结果表明:大时间常数的极化支路反映变压器绝缘纸的老化情况;小时间常数的极化支路反映变压器绝缘油的老化情况。在此基础上,结合等效电路参数提出老化因子K_L,以此来定量分析变压器绝缘状态,并获得老化因子与变压器绝缘状态之间的内在联系。当K_L位于区间[0, 10],变压器绝缘状态良好;当K_L位于区间[10, 30],变压器绝缘状态一般;当K_L位于区间[30, ∞],变压器绝缘状态老化严重。     

粒子群算法中参数的实验与分析

粒子群算法(PSO)中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作量大且难以得到最优的参数组合,影响了算法的使用.针对以上情况,本文使用3个测试函数对粒子群算法和收缩因子方法(CFM)中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取值策略.实验证明本文提出的参数取值策略能明显地改进PSO算法性能,具有一定的实用价值.     

基于群体智能算法的非线性系统参数辨识

群体智能算法是一类适用于非线性、不可微和多峰值复杂函数的优化方法.针对非线性系统的特点,在粒子群算法中,采用贪婪准则来确定全局最优粒子,并将该算法与人工蜂群算法应用于非线性系统参数辨识,辨识结果显示了两种算法对含加性噪声的NARMAX模型辨识的有效性,并为将来的研究工作提出了方向.     

基于ICPSO算法的异步电动机参数辨识与控制

对人工免疫算法、协同进化算法和粒子群算法三者相结合的免疫协同粒子群优化算法(ICPSO)进行改进,提出了一种适用于异步电动机参数辨识的ICPSO算法,并在传统的矢量控制系统基础上,运用该算法在线辨识出异步电动机参数,实时调整解耦控制器、磁链观测器和PI调节器参数,实现参数自适应,设计了基于ICPSO算法的异步电动机矢量控制系统。仿真结果表明,与传统的矢量控制系统相比,所设计的系统受电机参数变化影响较小,在磁链观测准确性、电机转速跟踪性和电磁转矩稳定性等方面有所改善。     

某火炮反后坐装置区间不确定参数辨识

为了实现辨识并提高辨识效率,在火炮反后坐过程数学模型的基础上建立神经网络模型.根据不确定参数在一次发射动作过程中的变化特性,将火炮反后坐装置待辨识的参数分为2类,并利用区间数描述系统中的不确定参数.针对第1类参数,通过区间理论中的区间可能度数学模型将区间不确定问题转换为确定性优化问题,以反映数值仿真结果与试验结果的相似...     

基于油纸绝缘变压器弛豫响应的电压谱函数模型

油纸绝缘弛豫响应含有丰富的绝缘老化特征信息,建立直观且能真实反映油纸绝缘弛豫响应特性的回复电压谱函数对正确评估油纸绝缘老化至关重要。利用电介质弛豫响应和扩展德拜等效电路模型,搭建一种能够真实反映油纸绝缘弛豫响应的回复电压谱函数模型。该模型含有丰富的绝缘老化特征信息,且与油纸绝缘系统的弛豫机构数密切相关。根据扩展德拜等效电路和油浸式变压器的回复电压测量数据,应用优化算法进行建模,并通过实验证实了该模型的正确性。该模型的建立为后续研究弛豫响应等效电路拓扑结构和绝缘老化评估提供一种有力的分析手段,具有一定的府用价值。     

超级电容动态参数等效电路模型及实时辨识方法

针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识.进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识.搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性.结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08和3.56个百分点.     

改进的输出误差法用于不稳定飞机参数辨识

为解决输出误差法在不稳定飞机参数辨识过程中的数值发散问题以及初值依赖问题,设计了一种结合神经网络、粒子群优化算法以及Levenberg-Marquardt算法的系统辨识方法。首先,为解决输出误差法的数值发散问题,以神经网络拟合待辨识系统的动力学特性。不同时刻的飞行试验数据用于训练神经网络,训练好的网络可以直接对下一时刻的运动状态进行预测,从而避免对不稳定运动方程的求解。其次,基于粒子群优化算法搜索Levenberg-Marquardt算法中的最佳阻尼因子,并以改进的LM算法替代输出误差法中的高斯-牛顿算法。接下来,改进的LM算法与训练好的神经网络结合得到了一种新的参数辨识算法。最后,基于不稳定飞机的闭环仿真飞行试验数据对提出的算法进行了验证。研究结果表明:与传统的最小二乘法和人工稳定的输出误差法的估计结果相比,所采用的算法具有更高的估计精度;同时,所提出的算法中可以随机选取待辨识参数的初值,克服了输出误差法对参数初值的依赖。本文的研究成果可以直接用于其他不稳定非线性动力学系统辨识领域,经过修改后还可以用于其他非线性优化领域。     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

感应电机转子磁链自适应观测及参数辨识

为了在现代异步电机高性能调速系统中实现磁链的准确观测，提出了一种基于模型参考方法的自适应转子磁链观测器.在电机运行过程中，以电机为参考模型，以观测方程为可调系统，建立了一个模型参考自适应系统(MRAS)，对电机的转子磁链进行了实时观测，并对电机参数进行了在线辨识.设计了电机参数的自适应律，证明了磁链观测器的收敛性.仿真结果表明，当电机参数未知或者电机参数变化时，观测器能够准确观测电机的转子磁链；在电机的激励电压满足持续激励的条件下，观测器能够快速准确地辨识出电机参数.     

混沌微粒群优化算法及其在非线性函数参数估计中的应用

混沌微粒群优化算法是在微粒群优化算法的基础上引入混沌思想,提高算法的局部搜索能力,具有良好的性能.主要介绍微粒群算法的原理以及混沌优化思想,最后结合求解平面度误差证明混沌微粒群算法在非线性函数参数估计中的有效性及应用前景.     

一种参数连续平稳可调的1阶等效电路

为解决现有1阶负载电容参数难于实现平稳连续可调问题,设计了一种1阶等效电路。该电路基于PWM控制原理,借助对脉宽占空比的控制,调整有源电路的电流与电压,实现对电路中电容参数的平稳连续调节。分析了该1阶电路的等效性,误差分析表明,随着开关频率的提高,误差逐渐减小。通过实验仿真,对在线连续调节占空比时等效电路与实际电路的阶跃响应曲线进行分析,当开关频率为100 kHz,在占空比δ分别为20%、50%、80%时,最大误差分别为1.598×10^－3、2.49×10^－3、1.588×10^－3,等效曲线与实际曲线几乎是重合的,其误差可忽略不计。仿真实验验证了该1阶等效电路的可行性,为解决1阶负载电容参数难于平稳连续可调提供了一种新思路。     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。