改进遗传算法在电力系统稳定器参数辨识中的应用

针对基本遗传算法(SGA)收敛速度慢、易早熟等缺陷,从初始群体的生成、精英个体的保留、自适应的交叉率和变异率、早熟现象的防止策略等方面对SGA进行了改进,提出了一种基于改进遗传算法(IGA)的将电力系统稳定器(PSS)原模型转换成仿真软件下标准模型的参数辨识方法.通过建立含PSS的励磁系统原模型和标准模型传递函数结构框图,输入相同的扰动信号,以原模型和标准模型的输出误差最小作为辨识目标,利用IGA对PSS标准模型参数进行优化调整,最终得到满足要求的PSS标准模型参数.实际PSS参数辨识结果表明,该方法计算速度快,精度高,具有很好的效果.     

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.     

遗传算法的改进策略及其在非线性发电机励磁系统参数辨识中的应用

针对标准遗传算法收敛速度慢、易早熟等缺陷,通过对遗传策略的综合改进,提出了一种基于改进遗传算法的参数辨识方法。通过建立励磁系统原模型和标准模型,给原模型和标准模型施加相同的激励信号,以模型输出误差最小作为辨识目标,利用改进遗传算法对标准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标准模型参数。该方法的优点在于解决了传统的辨识方法无法对励磁系统非线性环节进行有效辨识的问题,实际励磁系统参数辨识结果表明,该方法具有较快的收敛速度和较高的辨识精度。     

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.     

基于多信号在线辨识的广域PSS协调设计

对系统广域信号进行辨识设计广域电力系统稳定器(PSS)不仅能克服电网规模和数学模型阶数的限制,而且不受到元件模型和参数准确度以及运行方式的影响,便于开展多PSS的在线协调设计。文中提出基于多信号Prony算法在线辨识的广域PSS设计方法。该设计方法是通过对系统中各发电机组施加给定的激励信号,利用多信号Prony算法辨识出系统降阶模型及相应的留数矩阵;依据得到的留数矩阵计算各发电机组的综合可控性指标和综合可观性指标,选取控制机组和反馈信号;最后利用极点配置方法设计广域PSS参数。仿真示例和实时数字仿真器(RTDS)试验证实了所提出方法的可行性和有效性,对于多PSS的在线协调设计具有重要的工程意义。     

基于HUCPSO算法的电力系统稳定器参数优化方法

电力系统稳定器(PSS)对于抑制电力系统低频振荡简单有效,因而得到了普遍应用。一般采用工程整定方法设计PSS参数,这种方法难以达到优化控制效果。利用辨识参数获得参数初值,采用基于分层多子群的均匀分布混沌粒子群算法(HUCPSO)优化PSS参数,利用2机5节点系统非线性仿真模型对所得参数进行仿真。结果表明,相比于传统方法及其他智能优化算法,采用该方法优化设计的PSS具有更好的性能,所得到的控制参数使系统动态调节性能得到提高。     

基于SIMULINK和GA的电力系统智能辨识法

电力系统4大参数辨识是国内各电网公司正积极开展的一项工作,遗传算法(GA)在电力系统参数辨识中得到了成功的应用,但与其他辨识方法相比,GA辨识法所需时间长,效率低。针对该问题,提出了一种新的基于SIMULINK和遗传算法的辨识法——智能辨识法,其基本思想是:通过直接设置系统SIMULINK模型状态变量的初始值,使系统在零时刻即达到初始稳态,减少GA辨识法建立初始稳态所需时间,提高辨识效率。智能辨识法已用于福建电网主要机组励磁系统和调速器系统的参数辨识,辨识结果证明了其有效性和实用性。该辨识法同样适用于电力系统其他参数辨识。     

电力系统综合负荷模型的辨识方法研究

针对电力系统综合负荷模型有些参数仅利用常规信息不可辨识的问题，提出增加利用扰动 后稳态条件的信息，从而解决了可辨识性的问题；同时将遗传算法(GA)引入到辨识方法中， 克服了传统辨识方法对初值要求高、鲁棒性差、容易陷于局部极值点的缺陷，对复杂模型 的辨识是行之有效的。     

基于Prony方法的大型互联电网PSS参数优化设计

提出了一种完全基于仿真曲线Prony分析的电力系统稳定器(PSS)参数优化设计方法.该方法通过对仿真曲线的Prony分析辨识系统的弱阻尼区域振荡模式信息,以提高区域振荡模式下的阻尼为优化目标,在限定的参数空间中进行PSS参数优化设计.采用单纯形法对PSS参数进行优化,以Prony方法辨识的PSS参数作为单纯形区域的初始中心点可克服算法的收敛性问题.云南电网发电机组实际PSS参数优化设计的结果表明:在云南电网多种运行方式下,均可很好地抑制系统的区域振荡,验证了PSS参数优化设计方法的有效性和鲁棒性.所提出的基于Prony算法的PSS参数优化方法优于传统PSS设计方法,适用于大型互联电网发电机组的PSS设计.     

基于遗传算法的模糊式电力系统稳定器自寻优设计法

通过对模糊控制器工作原理的深入分析,提出了模糊控制本质上是一种分段定常控制的观点,并以此为基础,提出了模糊式电力系统稳定器的自寻优设计新方法,它将模糊控制器的整个设计过程转化成对一组参数进行寻优的过程,解决了在传统设计过程中存在的规则难于获取和参数值难于确定的问题。为了提高多参数寻优的效率,文中提出了一种群体差异度遗传算法,它可以大幅度地缩小搜索空间,从而极大地减少了参数优化过程中的计算工作量。仿真结果显示,用该方法设计的模糊式电力系统稳定器的性能得到了较大提高。     

Adaptive Power System Stabilizer Design Using Optimal Support Vector Machines Based on Harmony Search Algorithm

Abstract—This article presents the application of support vector machines to adaptive power system stabilizer design in a multi-machine power system based on the harmony search algorithm. Data from a multi-machine power system are the input features of the support vector machines. Support vector machine parameters and power system features are simultaneously optimized by harmony search based on the k-fold cross-validation technique. The proposed algorithm is trained by the optimal support vector machine parameters and optimal power system features. Power system stabilizer parameters produced by the proposed algorithm can be adapted by various operating conditions when the power system operates either inside or outside the training ranges. Simulation studies in the IEEJ Western Japan ten-machine power system demonstrate that the proposed algorithm is far superior to conventional power system stabilizers with fixed parameters and those designed by a robust coupled vibration model under various operating conditions and severe disturbances.     

基于电网动态等值的PSS参数智能优化方法

针对电网静态等值方法无法反映发电机近端机组的影响,提出一种新的电网等值方法,将发电机以外的系统等值为一台二阶动态机组和无穷大母线的并联,根据发电机机端数据,采用电网静态等值方法和递推最小二乘法辨识动态等值系统的参数;采用三机系统的线性化Heffron-Philips模型求得励磁控制系统的无补偿相频特性;根据相位补偿原理采用模拟退火粒子群优化算法对电力系统稳定器(power system stabilizer,PSS)参数进行智能优化。仿真结果表明,优化后的PSS参数能够提供更多的阻尼,更好地抑制低频振荡。     

电力系统无功最优潮流模型及其求解——基于改进粒子群优化算法的潮流优化

提出了一种基于改进粒子群优化算法的无功最优潮流模型及求解方法,灵活处理最优潮流问题的各种约束条件。通过对IEEE-30节点系统的仿真计算,并与遗传算法、基本粒子群优化算法计算结果进行比较,验证了本文提出的模型和方法的有效性。     

混合遗传算法在电力参数测量中的应用

现有电力参数测量方法往往只针对一个误差因素,当系统采样数据同时受多个误差影响时,难以得到准确结果.针对这一问题,建立了电力参数极值优化模型,同时对衰减直流分量、非同步采样及谐波等多个误差参数加以精确表示,利用混合遗传算法(HGA)对该模型进行求解,可得到准确的系统幅值、相位、频率及谐波等电力参数.针对普通遗传算法(GA)收敛慢和经典迭代法初始点敏感问题,HGA将GA算子与混合拟牛顿算子结合起来,由GA算子进行解空间全局搜索,混合算子进行强局部搜索,可实现无需指定初值的电力参数快速求解.仿真实验表明,该方法能有效提高参数测量的运行效率和计算精度.     

基于改进广义预测控制的电力系统稳定器

常规的电力系统稳定器（PSS）往往离线整定其参数,未能考虑实际系统多样的运行方式,因此不能很好地提供阻尼来抑制电力系统的低频振荡。为此,采用改进的自适应广义预测控制（GPC）算法设计PSS。该控制器针对传统广义预测控制算法计算量大这一缺陷,运用快速算法,避免了矩阵求逆运算;在确定广义预测控制器参数上,改进的算法综合考虑控制增量对系统的影响及系统的动态性能,不断修正目标函数中控制增量的加权系数。仿真结果表明该PSS具有良好的动态品质和调节精度,能提高电力系统的动态稳定性,抑制低频振荡。