基于APSO算法的发电机励磁系统参数辨识

针对传统辨识方法不能辨识励磁系统非线性环节的缺点,提出了一种基于自适应粒子群优化(APSO)算法的发电机励磁系统参数辨识的方法.通过建立待辨识励磁系统的传递函数结构模型,以励磁系统的实际输入作为模型的输入,以实际励磁系统和模型的输出误差最小作为目标函数,利用APSO算法对模型参数进行优化调整,最终得到满足误差要求的励磁系统参数.该方法根据输入输出采样数据直接在时域上进行参数辨识,无需经过FFT变换,方法简便,并且有效解决了励磁系统非线性环节难以有效辨识的问题.仿真结果表明,APSO算法具有较快的收敛速度和较高的辨识精度.     

基于改进灰狼算法的发电机励磁系统参数辨识算法

为了确保电力系统建模的精确性和稳定分析的可靠性,确认励磁系统的参数至关重要.提出改进灰狼算法,应用发电机励磁系统的参数辨识,在MATLAB环境下进行仿真.结果表明:基于改进灰狼算法的励磁系统参数辨识方法具有更高的辨识精度与稳定性,对发电机励磁系统精确建模以及研究电力系统稳定性具有重要意义.     

基于数据融合模型的励磁系统参数辨识算法

确认真实可靠的发电机励磁系统参数对电力系统安全稳定分析具有重要意义.基于人工网络融合法,提出了一种基于数据融合模型的辨识算法实现对励磁系统的参数辨识.首先,使用灰狼算法、粒子群算法和遗传算法分别对励磁系统进行参数辨识.然后,利用人工神经网络算法对三种方法的辨识结果进行合成决策.最后,数据融合模型输出合成辨识值.仿真结果表明,基于融合模型的励磁系统参数辨识方法较单一辨识法具有更高的辨识精度与稳定性.     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数。与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高。实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果。     

基于在线数据的发电机励磁系统参数辨识新方法

介绍了发电机励磁系统参数辨识原理及模型,从自并励静止励磁系统和无刷励磁系统两方面分析了基于在线数据的发电机励磁系统参数辨识原理,并论述了励磁系统输入信号处理方法。在此基础上提出了基于在线数据的发电机励磁系统参数辨识新方法,介绍了辨识步骤,并通过实例进行了验证。这一新方法有较高的辨识精度。     

改进遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于改进遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用改进遗传算法不断优化调整标准模型中的参数,最终得到满足要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

遗传算法在发电机励磁系统参数辨识中的应用

提出了一种基于遗传算法的将发电机励磁系统原模型转换为仿真软件下标准模型的参数辨识方法,以原模型和标准模型的输出误差最小作为辨识目标,利用遗传算法不断优化调整标准模型中的参数,最终得到满足误差要求的励磁系统标准模型参数.与传统的励磁系统参数辨识方法相比较,该方法很好地解决了励磁系统非线性环节难以有效辨识的问题,方便可靠,精度高.实际发电机励磁系统参数辨识结果表明,该方法具有很好的效果.     

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.     

一种发电机励磁系统模型参数可辨识性分析方法

根据现场试验数据通过辨识算法辨识得到励磁系统模型参数是一种电力系统中广泛使用的励磁建模方法。基于辨识方法所得到的模型参数虽然可以很好地拟合系统的现场试验数据,但也可能存在某些参数的辨识结果不稳定的现象。因此,提出了拟频域灵敏度的概念,为非线性系统参数易辨识性的评估提供了一种新的衡量指标。并基于此提出了一种新的参数辨识算法,该方法通过构建参数时域灵敏度矩阵实现关联性参数的判断,将待辨识参数划分为良态参数集和病态参数集。在该初始病态参数集的基础上,根据参数的拟频域灵敏度重新调整参数赋值代表,采用"分轮次"的策略进行了参数辨识。以IEEE ST2A型励磁系统为例,算例分析结果表明:与传统的基于时域灵敏度的辨识方法的辨识结果相比,所提出的参数辨识方法能够有效提高发电机励磁系统参数辨识结果的准确性和稳定性。     

含有非线性环节的发电机励磁系统参数辨识

提出了一种基于遗传算法的励磁系统参数辨识方法,通过建立待辨识励磁系统的传递函数 结构模型,以励磁系统的实际输入作为模型的输入,以实际励磁系统和模型的输出误差最小作为目 标,利用遗传算法对模型参数进行优化调整,最终得到满足误差要求的励磁系统参数。该方法的优 点在于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;且根据输 入输出采样数据直接在时域上进行参数辨识,方法简便,直接得到传递函数框图环节参数,无需转 换。在MATLAB下的数字仿真和现场试验结果均表明,该算法能较精确地辨识出包括非线性环 节在内的励磁系统模型各个环节的参数。     

基于电阻耦合法的发电机励磁系统参数辨识

提出了一种基于电阻的信号耦合法,可将伪随机信号或阶跃信号耦合到自动电压调节器（AVR）的机端电压反馈信号中,用于解决目前某些发电机励磁控制系统时没有预留测试信号输入端子而难以进行励磁系统参数辨识试验的问题。该方法已用于某实际385MW同步发电机励磁系统现场测试,并用遗传算法进行了参数辨识。校验结果证明了该方法的有效性。     

基于非线性直接优化方法的发电机励磁系统参数辨识

励磁模型的准确程度对于电力系统仿真的准确性有显著影响。提出了一种新的、工程中容易实现的方法,即利用非线性直接优化法辨识微分方程形式的励磁模型参数。首先利用Matlab仿真与传统的最小二乘法比较验证算法有效性。然后利用动态信号记录装置,根据模型结构获得各个环节的时域内发电机阶跃试验数据,对1台300 MW汽轮发电机组的励磁系统分别进行分环节参数辨识和整体辨识。利用电力系统分析综合程序(power system analysis software package,PSASP)的用户自定义模型功能建立励磁模型进行相同的阶跃仿真,结果验证了辨识参数在电力系统仿真中的有效性。     

基于轨迹灵敏度的励磁系统参数可辨识性分析

针对在有限测点下励磁系统部分参数关联形成隐函数导致辨识结果不稳定的情况,提出一种关联参数的辨识方法。首先,利用奇异值分解选取子列集的方法将励磁系统参数划分为关联参数集和非关联参数集。其次,为降低对关联参数赋经验值消除关联性时,经验值与实际真值存在偏差对系统参数辨识结果精度的影响,选择灵敏度较小的参数作为关联参数代表赋值。为避免选取参数代表时重新引入关联参数,需进一步明确每个参数间的关联关系。为此,构造轨迹灵敏度矩阵求出判别系数,根据判别系数将相关联的系统参数划分至几个独立的隐函数参数集。仿真结果表明,该方法不仅能够有效判别励磁系统参数的可辨识性,而且可以尽可能地降低由于赋值偏差而对降阶后系统参数的辨识精度影响。     

基于综合算法的汽轮机及其调节系统参数智能辨识

基于Matlab/Simulink,开发了综合多项式拟合、最小二乘法、单纯形法、遗传算法、模拟退火算法的汽轮机及其调节系统参数智能辨识软件。软件能自动完成原始数据的预处理、执行机构参数辨识样本的提取、负载试验数据边界条件的处理等,继而采用多种算法分别对参数进行辨识,并根据预设的逻辑选出最终的参数辨识结果。仿真校核的结果表明,所得到的参数辨识结果能够反映实际汽轮机及其调节系统的综合特性。最后,指出了影响汽轮机及其调节系统参数辨识准确性的关键因素。     

频域法在励磁系统参数辨识中的应用

提出了一种励磁系统辨识参数的方法,即频域的FFT/LSE法。应用信号处理技术,通过快速傅里叶变换（FFT）将时域信号转换至频域,再根据最小二乘（LSE）原理辨识出励磁系统的常用标准模型。给出了一套非标准励磁系统通过参数辨识转换为中国电力科学研究院仿真软件PSASP下标准模型的实例,结果证明了频域FFT/LSE法辨识结果正确,可用来进行发电机组励磁系统参数的辨识。     

基于实测扰动的励磁系统参数辨识可行性研究

利用Matlab/Simulink搭建了待辨识励磁系统及单机仿真系统模型,分别采用M序列伪随机信号、机端电压阶跃信号及系统扰动作激励,利用遗传算法辨识励磁系统参数。首先利用多窗口法对不同激励信号进行频谱分析,论证了基于实测扰动的励磁系统参数的可辨识性;然后基于同样扰动,分别以不同采样频率及记录时间(数据长度)进行参数辨识,研究信号采样频率及记录时间对参数辨识结果的影响。结果表明采样频率及记录时间互相配合可以得到较好的辨识精度。