同步发电机实用参数分时段辨识研究

同步发电机在动态过程的不同时段起主导的实用参数不同。对比研究同步发电机实用参数在励磁扰动故障下的轨迹灵敏度特性,给出不同参数在不同时段内的灵敏度大小的不同。提出一种分时段辨识策略,即先利用励磁扰动前、后的稳态数据辨识同步发电机的稳态参数,然后分别根据次暂态和暂态时段数据辨识次暂态和暂态参数,最后以单机无穷大系统为例验证此方法的有效性。     

福建丰源水电厂励磁系统参数辨识探讨

为电网分析、计算提供准确的BPA标准发电机励磁系统模型参数,文章在Matlab环境下建立发电机励磁系统标准模型,以现场试验数据为基础,对模型参数进行辨识并确定其模型参数。随后,通过BPA软件进行空载阶跃响应校核以及负载阶跃响应校核,结果与现场实测波形基本一致,从而认为辨识得到的BPA标准模型参数是正确和有效的。     

辅助模型辨识方法(3):输入非线性输出误差自回归系统

输入非线性系统包括输入非线性方程误差类系统和输入非线性输出误差类系统.针对输入非线性输出误差自回归系统,分别基于过参数化模型,基于关键项分离原理,基于数据滤波技术,研究了相应的基于过参数化模型的辅助模型递推辨识方法、基于关键项分离的辅助模型递推辨识方法、基于数据滤波的辅助模型递推辨识方法.这些方法可以推广到其他输入非线性输出误差系统、输出非线性输出误差系统、反馈非线性系统等.并给出了几个典型辨识算法的计算步骤、流程图和计算量.     

热连轧活套系统的数据驱动预测控制

针对热连轧活套高度和张力系统的双输入双输出强耦合特性,提出了基于数据驱动预测控制策略.基于子空间辨识方法,利用离线和在线输入输出数据直接辨识控制器参数,避开模型辨识的过程,同时基于预测控制原理,利用未来输入和已经测得的数据信息,预估未来输出,充分利用预测信息设计控制器,在下一个采样周期开始新的循环.该方法能够提高控制精确度,具有较强的扰动抑制能力.仿真结果表明该方法的可行性和较好的控制效果.     

互联电力系统动态等值模型的可辨识性分析

对互联大型电力系统分析采用动态等值可以显著降低计算量,并能较好反映系统动态特性.动态等值的同调等值法和模式等值法大都用于离线分析,在线动态安全分析常需要对外部系统作在线的动态等值,这时需要采用辨识等值方法:先确定系统等值模型,模型参数通过辨识获得.给出了计及励磁系统、考虑发电机凸极特性和负荷静特性的电力系统区域动态等值模型;分析了模型的可辨识性.从理论上证明:充分利用稳态条件,等值模型中所有参数均是可以辨识的.     

同步发电机自适应最优励磁控制

本文针对线性最优励磁控制的缺陷，将自适应控制理论与最优控制理论相结合，通过多变量参数辨识、最优反馈系数计算和控制算法运算三个环节，实现了同步发电机励磁的自适应最优控制．数字仿真实验结果表明，该励磁控制系统能够自动跟踪系统运行工况，在线辨识不断变化的系统参数，使控制作用始终处于最优状态，从而改善了控制系统的动态品质，提高了系统的暂态稳定性．     

输入非线性方程误差自回归系统的多新息辨识方法

典型块结构非线性系统包括基本的输入非线性系统、输出非线性系统、输入输出非线性系统、反馈非线性系统等.输入非线性系统包括输入非线性方程误差类系统和输入非线性输出误差类系统.以输入非线性方程误差自回归系统,即输入非线性受控自回归自回归(IN-CARAR)系统为例,分别基于过参数化模型,基于关键项分离原理,基于数据滤波技术以及基于辨识模型分解技术,研究和提出了IN-CARAR系统的随机梯度辨识方法、多新息随机梯度辨识方法、递推最小二乘辨识方法、多新息最小二乘辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算步骤、流程图和计算量.     

基于窗口滑动总体最小二乘法的输电线路参数辨识

输电线路参数的准确度与电力系统稳定运行密切相关,而广域测量系统的发展为利用PMU实测数据获取线路参数提供了新的途径.提出基于滑动窗口总体最小二乘的线路参数辨识算法,该方法对PMU数据采取窗口滑动处理,将目标函数变为窗口误差平方和最小,因而抗噪声能力较强;同时,对于大量辨识结果的可信度分别进行核密度估计和点估计,以获取参数辨识值的统计结果.仿真分析表明,该方法与单时刻辨识相比在含噪声环境下仍然能够保持较高的准确性与稳定性.某电网500kV线路实测PMU数据计算结果也验证了该方法的有效性和准确性.     

输入非线性方程误差系统的多新息辨识方法

针对输入非线性方程误差系统,即输入非线性受控自回归系统,研究了基于过参数化模型的多新息辨识方法和基于过参数化模型的递阶多新息辨识方法;研究了基于关键项分离原理的多新息辨识方法;使用辨识模型分解技术,研究了基于关键项分离原理的两阶段多新息辨识方法和三阶段多新息辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算量、计算步骤和流程图.     

一种新型的谐波励磁发电机电压调节器

介绍了采用51单片机控制的谐波励磁发电机数字电压调节器，它运用先进的PWM和高频开关管实现对发电机输出端电压的控制，该调节器采用了变参数PID控制方法和浮点数运算使得系统的控制性能更佳，为了使DAVR能适用于各种型号的谐波励磁发电机。系统PID参数还可以通过键盘来在线调节，并存入E^2PROM中，实际运行结果表明本调节器具有硬件电路简单、调节特性好、通用性强、性价比高等特点。     

基于粒子群优化的结构系统识别

研究了使用粒子群优化(PSO)算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性非凸的优化问题,通过PSO算法发现系统参数的最优估计。利用该方法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了识别,并与基于遗传算法(GA)的结构系统识别方法进行了比较。数值算例及比较结果表明:PSO方法易于实现且计算时占用资源低,并可以成功地对结构系统进行识别,识别效能十分优越。     

QPSO算法识别环境激励下结构模态参数

实际工程中,系统的输入一般是未知的或者是不可测量的,识别结构的模态参数只能采用响应信号。并且一般环境激励下结构的输入信号是可以假设为白噪声激励,其信号的功率谱可以视为一常数。笔者利用量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization,QPSO）算法将环境激励下结构模态参数识别问题转化为一个多维优化问题。最后采用一数值模拟的三层框架对该方法进行验证。结果表明,量子粒子群算法可以有效地识别结构模态参数。该研究结果可作为结构损伤识别的基础。     

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.     

一类反应扩散模型的未知参数辨识

考虑一类反应扩散模型的参数辨识问题，将原问题转化为最优化问题后，利用伴随状态方法，推导出控制方程组的伴随方程组，从而给出目标函数关于未知参数的下降方向计算公式。最后给出具体的算法，说明了该方法的可行性。     

一种高层次多电压功耗优化方法

提出了一种在时间与面积约束下,运用遗传算法同时进行操作调度和资源分配的高层次多电压功耗优化方法．对于时间和面积约束所导致的无效染色体,通过将约束优化问题转换成两个目标函数的极值问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数,避免了约束条件对问题求解的影响．对于数据依赖所导致的无效染色体,采用基于数据依赖的单点杂交算子来解决．实验结果表明,该算法比不考虑无效染色体处理机制的简单遗传算法的多电压功耗优化方法的功耗优化能力提高10％,收敛速度提高15％．     

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。     

遗传算法-模糊聚类动态模糊神经网络辨识

针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对非线性系统的输入输出空间进行聚类(线性划分),再在每个线性区域上建立ARMAX模型;利用GA实数编码,同时优化前件隶属函数的中心和宽度、递归增益及后件参数;在线时利用FCM在线分析输入数据特征,确定是否对现有划分进行改动,并利用GA迭代一定代数优化其他参数,直到误差满足要求为止.通过对非线性动态系统的辨识仿真,验证了所提出方法在训练时的寻优速度、训练误差及校验误差指标上均有很大优势.     

Unbiased parameter estimation of continuous-time system based on modulating functions with input and output white noises

An efficient unbiased estimation method is proposed for the direct identification of linear continuous-time system with noisy input and output measurements.Using the Gaussian modulating filters,by numerical integration,an equivalent discrete identification model which is parameterized with continuous-time model parameters is developed,and the parameters can be estimated by the least-squares (LS) algorithm.Even with white noises in input and output measurement data,the LS estimate is biased,and the bias is d...     

基于背包策略的WPT系统多拾取输出控制方法

无线电能传输（WPT）是一种借助于高频电磁场实现电能以无线形式传输的新兴技术。在多拾取无线电能传输系统中,由于各个拾取系统的输出能力不均衡,导致系统综合协调控制相对困难。针对无线电能传输系统多拾取系统的输出稳压控制,该文提出了一种基于背包优化算法的输出稳压控制方法。分析了多拾取电路的工作原理,建立系统的输出交流阻抗模型,推导出输出电压与多拾取端稳压控制器占空比关系,提出了一种基于背包优化算法进行输出电压稳压控制的策略。实验结果表明,通过该优化控制算法,能实现多拾取WPT系统现输出电压的快速调节与稳压控制。