基于VFFRLS参数辨识的蓄电池三维电热耦合模型

随着锂离子电池在现代生产中广泛应用,为了精确分析锂电池放电过程中三维温度场分布与电压特性,基于二阶RC等效电路模型,利用可变遗忘因子递推最小二乘法(VFFRLS)对锂离子蓄电池参数进行在线辨识和实时修正,结果表明仿真电压数据与实测电压数据最大误差为0.086 2 V,最大相对误差为2.53%,具有较高辨识精度。并将参数辨识结果传递到COMSOL中进行三维电热耦合模型仿真实验,实验表明不同放电倍率下圆柱形锂离子电池内部中心温度高于外部温度,外表面及上下底面温度略低,正负极柱温度最低。     

一种半球谐振子性能参数辨识算法

频差、频率主轴、阻尼差和阻尼主轴等参数是评价半球谐振子性能的关键指标和离子束修调的重要依据。针对传统算法不能辨识阻尼差和阻尼主轴,且频差和频率主轴辨识精度受阻尼差限制的问题,该文提出了一种基于二次型变量E、H、R、S动力学方程的性能参数辨识算法。仿真和实验结果表明,即使谐振子的频差小于阻尼差,算法也能快速准确地辨识频差、频率主轴、阻尼差和阻尼主轴等参数。     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

基于谐波电阻的变压器箔式绕组温升在线修正

绕组热点温度是配电变压器在线监测的重要指标,而现有的绕组温升在线计算方法未考虑箔式绕组结构产生的影响。通过配电变压器不同谐波下等效电阻比值对箔式绕组结构进行辨识,然后对比线绕式和箔式两种绕组结构发热差异,对一种通过绕组电阻变化计算绕组温升的算法进行了在线修正。该方法提供了一种通过谐波电阻比值预测箔式绕组热点温度的新思路。     

具有非惯量负载转矩补偿功能的伺服永磁同步电机控制方法

通过电机运动学方程建立以负载惯量、黏性阻尼系数、负载重力力矩和负载初始位置角度为需辨识参数的拟合模型函数式,通过基于该模型函数的非线性回归方法拟合得到这四个参数,从而得到非惯量的负载转矩,使其前馈补偿经典电机PI控制方法中的电流环,实现对时变负载转矩的补偿。仿真结果验证了该方法能使速度响应较快跟踪输入的速度命令,避免较大速度误差的出现。     

基于改进的状态转移算法单相逆变器参数辨识

针对基本状态转移算法容易陷入局部最优的问题,将改进的Tent混沌加入到基本状态转移算法中,采用改进的Tent混沌映射来初始化种群,Tent混沌序列的随机性、规律性等特性抑制了算法的局部早熟,使种群快速跳出局部最优,从而提高寻优的精度。通过物理实验证明该算法的有效性,用改进的状态转移算法实现单相逆变器中关键元器件的参数辨识,算法可以有效辨识单相逆变器中关键元器件的参数。与基本状态转移算法进行比较,改进的状态转移算法辨识精度高。     

基于自适应互联扩展卡尔曼观测器的永磁同步直线电机高精度抗干扰在线多参数辨识

该文研究一种新型自适应互联扩展卡尔曼观测器,以实现永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)高精度抗干扰在线多参数辨识。首先,为了减轻测量噪声和参数耦合误差对辨识精度的影响,建立包含干扰的多参数互联耦合补偿辨识模型;其次,基于此模型设计互联式观测器来实现PMSLM多参数在线辨识,利用扩展卡尔曼滤波(extended Kalman filter,EKF)算法优化观测器中的增益矩阵,消除测量噪声误差,获得高精度的辨识结果;再次,构造一种自适应率函数动态调整传统EKF中固定的噪声协方差矩阵,提高观测器的抗扰动性能;然后,使用考虑互联式观测器模型误差的离散李雅普诺夫函数验证观测器的稳定性;最后,搭建基于半实物AD5435的PMSLM参数辨识系统,通过仿真和实验,验证该文观测器的有效性。     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。     

基于麻雀搜索算法的光伏阵列参数辨识

目前最为常用的光伏电池参数辨识方式是解析法与智能优化算法,麻雀搜索算法（SSA）是新提出来的智能优化算法,具备传统智能优化算法优势的同时,提高了运算速度,对传统算法易陷入局部最优的问题进行了优化。在对光伏系统智能化监测的需求下,提出了一种基于麻雀搜索算法的光伏阵列参数辨识方法辨识模型参数,然后对光伏阵列特性曲线进行拟合。通过实测数据对光伏电池的相关参数进行辨识,之后再对特性曲线进行拟合,结果表明采用该方法可以在保证计算速度的同时精确地对特性曲线进行拟合。     

基于AEKF滤波与H∞滤波的锂离子电池SOC联合估计

锂电池荷电状态（SOC）的准确估计对提高电池的动态性能和能量利用率至关重要。针对现有卡尔曼滤波SOC估计方法存在估计精度低、鲁棒性差等问题,采用锂离子电池的二阶电阻-电容等效电路模型,通过HPPC循环脉冲实验和动态应力测试工况放电实验,结合带可变遗忘因子的递推最小二乘法（VFFRLS）及开窗理论,对等效电路模型参数进行在线辨识,提出利用自适应扩展卡尔曼滤波（AEKF）算法和H_∞滤波算法联合估计SOC的方法。结果表明：与AEKF算法相比,在DST工况下该算法可以使电池荷电状态估计的最大绝对误差减小3.902 9%,平均绝对误差减小0.962 2%,均方根误差减小0.551 5%。与H_∞滤波算法相比,在DST工况下该算法可以使电池荷电状态估计最大绝对误差减小1.309%,平均绝对误差减小2.893 4%,均方根误差减小2.613 6%。