采用最大-最小蚁群算法的励磁系统参数辨识
2号机励磁参数辨识试验方案
2号机励磁参数辨识试验方案1.试验背景与目的：为了确保2号机的励磁系统的精确工作，在实际操作前，需要进行励磁参数辨识试验。
本试验方案旨在确定2号机的励磁系统的参数，以便实现良好的发电效果和励磁控制。
2.试验器材和设备：-2号机励磁系统-功率源-实时监测设备-数据采集设备-控制系统3.试验步骤：此试验将分为三个阶段进行。
步骤一：初始参数测量-以初始推测值设置2号机励磁参数。
-连接实时监测设备，监测2号机的励磁状态。
-启动2号机，记录励磁系统的相应参数值。
-采集和记录数据。
步骤二：回馈控制参数辨识-根据步骤一获取的初始数据，调整2号机励磁系统的回馈控制参数。
-连接数据采集设备，采集2号机的励磁参数。
-启动2号机，并使用改进的回馈控制参数。
-采集和记录数据。
步骤三：参数优化和确认-分析步骤二的数据，确定最佳的励磁系统参数。
-输入最佳参数，并启动2号机进行操作。
-观察2号机的运行情况，记录监测数据。
-对比和评估不同参数设置下的发电效果。
4.数据处理与分析：-对于每个步骤的数据，进行合适的数据处理和分析，包括数据清洗、标准化和基本统计分析。
-针对回馈控制参数和发电效果进行相关性分析和优化；通过比较不同参数设置下的效果，确定最佳参数。
5.试验结果与讨论：-根据数据处理与分析得出的结果，给出2号机励磁参数的最佳设置。
-讨论试验过程中的问题和挑战，以及可能的改进方向。
-提出2号机励磁系统的优化建议。
6.结论：-通过本次励磁参数辨识试验，成功确定了2号机的励磁系统参数。
-提出了改进励磁系统的建议和优化方案。
7.安全措施：-在试验过程中，要遵守安全操作规程，并做好相应的安全措施。
-确保试验人员和设备的安全。
此试验方案将有助于确保2号机励磁系统的精确工作，为发电提供可靠的支持。
通过正确设置励磁参数，将能够实现更高效的发电和更好的励磁控制系统的运行。
同时，对试验过程中的数据进行处理和分析，能够确定最佳参数设置，并为励磁系统的进一步优化提供依据。
利用蚁群算法辨识PMSM伺服系统负载转矩和转动惯量
图 1 PMSM 伺服速度环控制系统框图
Fig.1 Block diagram of PMSM servo speed loop control
忽略 B，速度环采用 PI 调节器可把系统校正为
2 型系统，为了实现最佳控制性能，用闭环幅频特
性峰值最小法或者最佳三阶等方法调整速度环 PI
参数，PI 参数和 J 相关[1-2]，转矩补偿和 TL 有关[3,5]。
⎧ ⎪Xi ⎪
=
Jmin +
INT
⎛ ⎜⎝
i
−1 N
⎞ ⎟⎠
×
Dx
⎨ ⎪⎪⎩Yi
= TL min
+
⎡ ⎢⎣i
−
INT
⎛ ⎜⎝
i
−1 N
⎞ ⎟⎠
−
⎤ 1⎥⎦
×
Dy
i =1,2,L
,N 2 （5）
式中，INT(·)表示取整数运算。
每个静态矩形的左、下、右、上边界如下：
⎧ ⎪
X
l i
⎪
=
Xi
−
Dx 2
Keywords：Ant colony algorithm, vector moving, load torque, moment of inertia, PMSM
国家自然科学基金资助项目（50877030）。 收稿日期 2010-10-21 改稿日期 2011-02-12
第 26 卷第 6 期
王少威等 利用蚁群算法辨识 PMSM 伺服系统负载转矩和转动惯量
3 蚁群矢量移动辨识算法
3.1 算法模型及信息素表达式 定义二维坐标系 xy，蚂蚁矢量移动方向正交分
解为 x 水平方向和 y 轴垂直方向，任意移动可用二 者合成实现。水平方向蚂蚁只能左右移动，垂直方 向只能上下移动。xy 各自方向信息素启发蚂蚁朝最 优解方向聚集。转动惯量和负载转矩对应为 x 和 y 方向坐标轴，最后收敛点就是它们的辨识值。
励磁系统参数辨识中智能建模与仿真研究
中 图 分 类 号 ：Ｍ７ １ Ｔ １ 文 献 标识 码 ： Ａ
Ｍ ｏ ｌｎ ｎ ｉ ｕｌｔｏ ｆ ｒ Ｐａ ａ ｅｅ ｄ ｎｔｆｃ ｔｏ ｄｅｉ ｇ ａ ｄ Ｓ ｍ ａ ｉｎ ｏ ｒ ｍ ｔ ｒＩ ｅ ｉ ａ ｉ ｎ ｉ ｏ ｃｔ ｔｏ ｙ ｔ ｍ ｓ ｄ ｏ ｔｆｃａ ｎｔ ｌ ｇ ｎ ｅ ｆＥｘ ｉａ ｉ ｎ Ｓ ｓｅ Ｂａ ｅ ｎ Ａｒ ｉ ｉｌＩ ｅｆ ｅ ｃ ｉ ｉ
Ｌ ｉｇ ， ＩＰ ｎ ２ ＩＪｎ Ｌ ｅ ｇ
（ ．Ｄ ｐｒ ｎ ｆ ｎ ｒ ｔ ｎＥ ｇｎｅ ｎ ， ｉｇａ ｎ ｅｓｙ Ｑｎｄ ｏＳａ ｄｎ ６ ０ ， ｈｎ ； １ ｅａｔ ｔ ｆ ｍａｏ ｎｉｅｒ ｇ Ｑｎ ｄｏＵ ｉ ｒｉ ， ｉｇａ ｈｎ ｏｇ２ ６７ Ｃ ｉａ ｍｅ ｏ Ｉ ｏ ｉ ｉ ｖ ｔ １ ２ ｈｊ ｎ ｌｃ ｃＰｗ ｒ ｅｔ Ｒ ｓａ ｈＩｓ ｔ ｅ ＨａｇｈｕＺ ｅ ａｇ３０ １ Ｃ ｉ ） ．Ｚ ｅ ａｇＥｅｔ ｏ ｅ ｓ ＆ ｅｅｒ ｎｔｕ ， ｎｚｏ ｈｊ ｎ １０４，ｈｎ ｉ ｉ ｒ Ｔ ｃ ｉｔ ｉ ａ
ｒ ｈ ｗａ ｒ ｓ ｎ ｅ ｒｉ ｅ ｔ ｙ ｎ ｅｅ ｃｔ ｔ ｎ ｓ ｓｅ ａ ａ ｔｒ ．Ｔ ｅｍｅｈ ｄ ｕ ｅ ｈ ｅ ｌ ｎ ｕ ａａ ａ ｅｉ ｐ ｔ ｉ ｍ ｓｐ ｅ ｅ ｔｄ ｆ ｄ ｎ ｉ ｉ ｇ ｔ ｘ ｉ ｉ ｙ ｔ ｍ ｐ ｒ ｍｅｅ ｓ ｈ ｔ ｏ ｓ ｄ ｔ ｅ ｒ ａ ｐ ｔｄ ｔ ｓｔ ｎ ｕ ｔ ｏ ｆ ｈ ａｏ ｉ ｈ
ｐｒｍ ｔｒ ｓｔ ｆｎ ｒ ｒｒ ｕｓ ｃｕｄｂ ｎ ｌ ｏ ｔ ｎｄｂ ｄ ｓｎ ｅｍｏｅ ｐｒｍｅ ｒ ｉ ｐｏｅ ａ ｉ ｅ ａ ｅｅ ａｓ ｉｇｅｒ ｑ ｅｔ ｏｌ ｅｆ ａｙ ｂａ ｅ ｙａｊ ｔ ｇｔ ｄ ｌ ａａ ｔ ｔ ｉ ｒｖｄｐｒｃ ａ ｓ ｉｙ ｏ ｅ ｉｌ ｉ ｕｉ ｈ ｅｗｈｍ ｔｌ
电力系统中的智能优化算法探索与实现
电力系统中的智能优化算法探索与实现随着电力行业的发展和电力系统规模的不断扩大，电力系统的运行和管理面临着越来越多的挑战。
为了提高电力系统的效率、稳定性和可靠性，智能优化算法被广泛应用于电力系统的各个方面。
智能优化算法是指利用人工智能和优化方法相结合的算法，通过分析和优化电力系统中的各种运行参数和决策变量，以实现对电力系统的优化和提高。
在电力系统中，智能优化算法主要包括遗传算法、粒子群算法、蚁群算法、模拟退火算法等。
首先，遗传算法是一种仿生学的优化算法，在电力系统中应用广泛。
遗传算法通过模拟生物进化的过程，利用自然选择、交叉和变异等操作来搜索和优化电力系统的解。
例如，在电力系统的负荷平衡问题中，遗传算法可以用于求解最优负荷分配方案，以避免系统负荷过大或过小的问题。
其次，粒子群算法是模拟鸟群或鱼群行为的一种优化算法，在电力系统中也被广泛使用。
粒子群算法通过模拟每个粒子的位置和速度变化来不断搜索最优解。
在电力系统的电压控制中，粒子群算法可以用于调整发电机的励磁电压，以使整个系统的电压维持在稳定的范围内。
另外，蚁群算法是一种模拟蚂蚁觅食行为的算法，也被应用于电力系统的优化问题中。
蚁群算法通过模拟蚂蚁在搜索食物过程中的信息交流和路径选择行为，来搜索电力系统中的最优解。
在电力系统的输电线路优化问题中，蚁群算法可以用于确定最短路径或最小损耗的输电线路，在减少输电损耗的同时提高电力系统的能效。
此外，模拟退火算法是一种受金属冶金中退火过程启发的优化算法，在电力系统中也有广泛的应用。
模拟退火算法通过模拟固体材料退火过程中的温度变化和粒子位置的调整，来搜索电力系统的最优解。
在电力系统容量配置问题中，模拟退火算法可以找到最优的发电机容量配置方案，以满足系统的负荷需求和经济效益。
综上所述，智能优化算法在电力系统中的应用对提高电力系统的效率、稳定性和可靠性具有重要意义。
遗传算法、粒子群算法、蚁群算法和模拟退火算法等智能优化算法的应用，使得电力系统运行和管理更加智能化和高效化。
发电机励磁系统参数辨识方法综述
发电机励磁系统参数辨识方法综述随着电力系统的不断发展，电力网络的不断扩大，电网已逐步成为高维度、非线性的复杂系统，电网安全也成为当今的重要研究课题。
发电机励磁系统对于电力系统的安全稳定起着十分重要的作用，它可以保持电力系统的电压稳定，实现电压控制，尤其对电力系统的暂态稳定起着更加重要的作用。
励磁系统的优劣主要由其参数决定，良好的参数选择可以增加系统的阻尼特性，提升系统的安全稳定边界；不当的参数选择不但不能稳定系统，还会起相反作用。
当前的模型软件中已经有多种常见的励磁系统模型，而参数的确定是使用参数辨识的方法依据现场的实际试验数据计算得来，是当今确定励磁系统模型参数的主要方法。
励磁系统中各参数数值的常见计算方法主要有解析法和参数灵敏度法两种，其中解析法是用數学算法来计算励磁系统参数的解析解，这种方法的优点是计算出来的解析解是励磁系统的精确参数，但随着系统的增大和辨识参数数量的增加，数学解析的难度大幅提高，导致解析速度大幅降低，严重影响了该方法的应用范围。
因此，参数灵敏度法进入了人们的视野，它包括时域灵敏度法和频域灵敏度法两种。
文献提出了一种辨识重点参数的方法。
该方法首先分析了各参数灵敏度与各参数的关系，再提出重点参数评价指标，反复采用该指标进行计算，降低不同参数间的关联程度，直到区分出重点参数为止。
该方法可提高重点参数的准确性，提高辨识效率。
1 系统辨识的理论基础系统辨识指的是观测系统输入与输出的关系，以明确系统特性的数学模型。
用连续动态系统方程式表达为系统辨识的原理图如图1所示。
系统辨识的原理是将输入T（t）同时输入到原型系统和模型系统，分别得到输出O1（t）和O2（t），偏差是△O（t）。
通过辨识算法后，产生一个修正量d，将d反馈到模型系统中，补偿原型系统与模型系统间偏差，如此反复上述过程，直到输出偏差△O（t）满足系统要求。
2 发电机励磁系统参数辨识方法2.1 时域灵敏度法首先时域灵敏度的定义，所谓某个参数的时域灵敏度就是输出量的变化量与该参数变化量的比值，用来体现该变量对于输出量的影响程度，计算公式如下：其中，为待计算灵敏度的参数，为的初值，为该参数的摄动量，为采样点，为系统输出，为系统输出的初值。
基于蚁群算法的电力系统负荷模型参数辨识
题 。
一一
ｌｔ ａ ｒ ｏ
—
Ｆ
１（ Ｔ
ｌ
（） ２
（ ３）
Ｅ ＴＭ） －
…
ห้องสมุดไป่ตู้
（ １ Ｓ ｔ一 一 ，
电磁力 矩方 程为 ：
Ｔ ｒ Ｅ’ｉ ＋ Ｅ ’Ｉ — ｄｄ ｑｑ （ ４）
Ｉ 南 ｄ莨
Ｘ — Ｘ Ｘ ＋
［・ ｄ Ｅ ） ｘ（ Ｅ ） （ Ｒ（ — ’＋ ’ － ’］ ６ Ｖ ｄ Ｖ ）
（ ） ８
是 自下 而 上 的 一 种 建 模 方 法 ， 调 查 得 到 某 地 区 底 先 层 负 荷 的 构 成 特 性 ， 后 有 低 压 侧 向 高 压 侧 规 算 负 然 荷 模 型 。该 方 法 的 优 点 是 物 理 意 义 明 确 ， 于 理 解 ， 易 缺 点是调 查 统计 工作 量 大 ， 确 性低 ， 利 于长 期进 准 不 行 。 体 测 辨 法 是 一 种 自上 而 下 的 建 模 方 式 ， 负 荷 总 把 看成 是 一个 黑箱 系统 ， 不管 其 内部 的组 成结 构 。 而 只 根 据 负荷 电压 、 率 的测 量 值 利 用 系统 辨识 理论 计 功 算 出负荷 参 数 。故 障仿 真法 是是 基 于全 网的 负荷都
一
性 时 间 常 数 ， 为 定 子 电 阻 ， 为 定 子 电 抗 ， 为 Ｒ。 ｘ。 Ｘ， 转 子 电 抗 ， 为 转 子 电阻 ， Ｒ Ｘ 是 定 转 － 互 感 抗 ， Ｔ － Ｘ’ 为 转 子 不 动 时 短 路 电 抗 ， 为 转 子 开 路 电 抗 ， ’是 Ｘ Ｔｄ ｏ 定子 开路 转子 回路时 间 常数 ， Ｋ。为 异 步 电 动 机 负 荷 率 系数 ， ， Ｃ为机 械 转矩 系 数 。上述 变 量和 参 数 Ａ Ｂ，
发电机励磁系统参数辨识扰动信号与辨识精度分析_孙黎霞
图 ２ 励 磁 系 统 参 数 辨 识 原 理
Ｆｉｇ．２ Ｐｒｉｎｃｉｐｌｅ ｄｉａｇｒａｍ ｏｆ ｐａｒａｍｅｔｅｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｆｏｒ ｅｘｃｉｔａｔｉｏｎ ｓｙｓｔｅｍ
本文给出的目标函数为：
ｅ（θ１ ，θ２ ，… ，θｎ）＝
Ｎ
槡∑ （Ｅｆｄ（θ１，θ２，…，θｎ，ｋ）－Ｅｆｄｍ（ｋ））２ ＋ ｋ＝１
ｆ ＝ （５～１５）／Ｔ９５
（１）
式 中 ，Ｔ９５为 系 统 过 渡 过 程 时 间 的 ９５％ 。 一般采用二 进 制 伪 随 机 信 号 （ＰＲＢＳ）代 替 白
噪声信 号 进 行 系 统 辨 识。 在 励 磁 系 统 参 数 辨 识 中，采用阶 跃 信 号 （ＳＴＥＰ）作 为 扰 动 信 号 进 行 辨 识 ，但 阶 跃 信 号 对 系 统 有 较 大 扰 动 ，易 影 响 系 统 的 正 常 运 行 ，且 幅 值 越 大 越 易 干 扰 系 统 。 因 此 ，本 文 分别采用伪 ＰＲＢＳ和 ＳＴＥＰ 作为扰动信号。
号与参数辨识精度的关系及在相同的采样频率下不同信噪比的扰动信号对参数辨识精度的影响。结果表明，
采用 ＰＲＢＳ信号作为扰动信号时，辨识结果的相对误差 随 着 采 样 频 率 的 改 变 有 一 定 的 波 动，而 ＳＴＥＰ 信 号 为
扰动信号时辨识结果的相对误差相对稳定；同一采 样 频 率 下，采 样 ＰＲＢＳ与 ＳＴＥＰ 信 号 辨 识 结 果 的 相 对 误 差
第３１卷 第６期 ２ ０ １ ３ 年 ６ 月
文 章 编 号 ：１０００－７７０９（２０１３）０６－０１７７－０５
水 电 能 源 科 学 Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｐｏｗｅｒ
Ｖｏｌ．３１ Ｎｏ．６ Ｊｕｎ．２ ０ １ ３
华北电网开展发电机励磁系统参数辨识工作综述_吴涛
·综述·华北电网开展发电机励磁系统参数辨识工作综述Review on Developing Generator Exciting System ParameterRecognition in North China Power Network华北电力科学研究院有限责任公司(北京100045) 吴 涛 苏为民华北电力调度局(北京100045) 刘永奇 张智刚摘 要:随着华北电网的发展,系统中长期动态稳定问题变得突出,要求更详细地模拟发电机励磁系统各部件的动态特性。
为此从华北电网实际出发,详细调查华北电网内容量为100MW以上的发电机及其励磁系统类型和制造厂家,首先选择直接接入500kV系统的4台具有典型励磁系统特性的大容量发电机组,开展发电机励磁系统参数测试辨识,经过现场测试、励磁系统参数初值拟合,电磁暂态校核以及系统暂态稳定校核,最后得到满足生产实际需要的发电机励磁系统模型参数。
关键词:励磁系统;参数辨识;仿真校验;暂态稳定;中长期动态稳定中图分类号:TM761+.11文献标识码:B文章编号:1003-9171(2003)09-0024-03近年来华北电网发展很快,主要表现在:(1)2001年5月与东北电网联网运行,实现全国第一个大区电网互联,2003年还将与华中电网联网。
(2)首都地区负荷增长很快,受资源限制,必须通过由外部大量受电的方式来满足北京地区用电增长的需要。
华北东北联网后计算表明,联网后系统中长期动态稳定问题变得突出,表现为系统阻尼特性变差,容易发生低频振荡或故障后多摆振荡失步;另一方面,根据发达国家的运行经验,电网存在因发生突发性灾害事故,出现连锁反应,导致系统电压崩溃或频率崩溃的危险性。
为了详细研究系统故障后的暂态和中长期电压、频率动态过程,要求考虑发电机励磁系统等元部件动态特性的影响。
因此,有必要从华北电网实际出发,开展华北电网发电机励磁系统参数测试,逐步建立华北电网励磁系统模型参数数据库。
基于APSO算法的发电机励磁系统参数辨识
。
的适 应
p tiv
e
P
a lr t
ic le
S
w
a r m
O p tim iz
t
io
n
．
A PS O )
．
度值 就 是个 体极 值 中的最 好 的
( 2 ) 自适 应 调 节 惯 性 权 重
：
算 法
是
一
种 基 于 群体演 化 的 随机 全 局 优 化算 法
．
设 第 k 代粒 子群 由 (k ) 构 成
，
( A P S O ) 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 对 模 型 参数进 行优化涮 整 时域 上 进 行 参数 辨识 的问题 关键 词
、
．
以 实 际 励 磁 系 统 和 模 型 的 输 出 误 差 最 小 作 为 目标 函 数
∞
由最 大 惯 性 权 重
。
线
利 用 自适 应 调 节 惯 性 权 重 和 自
性 减小到最 小惯性权 重
∞ 。
即：
收 稿 日期
：
2 0 0 9 0 9 2 3 ：修 回 日 期
— 一
：
200 9 11 30
—
作 者 简 介 ： 李 天 云 ( 19 4 5
) 男 吉林市人 教授 从 事非线性 理 论 在 电力 系统 中的应 用 研 究
：
A PS 0
；
算 法 具 有 较 快 的 收 敛 速 度 和 较 高 的 辨 识精 度
白适 应 粒 子 群 优 化 算 法
感应电机参数辨识三种智能算法的比较_陈振锋
第14卷 第11期2010年11月电 机 与 控 制 学 报ELE CTR IC M ACH I NE S AND CONTROLVo l 14No 11Nov .2010感应电机参数辨识三种智能算法的比较陈振锋, 钟彦儒, 李洁(西安理工大学自动化与信息工程学院,陕西西安710048)摘 要:针对感应电机参数辨识,采用3种智能优化算法,即遗传算法、蚁群算法、微粒群算法。
感应电机的实际输出电流和电气模型的观测电流之间的差值被作为目标函数不断对电气模型中的参数进行更新,从而辨识全部的感应电机参数。
变速运行实验是在电机不带负载的情况下进行的。
通过实验,对感应电机参数辨识3种智能优化算法进行比较,并得出结论。
遗传算法可以得到最准确的电机参数,微粒群算法次之,蚁群算法最差。
蚁群算法所需时间最短,遗传算法次之,微粒群算法最长。
关键词:感应电机;矢量控制;参数辨识;智能优化算法中图分类号:TU 313文献标志码:A文章编号:1007-449X (2010)11-0007-06Co mparison of t hree i ntelligent optim ization algorit h m s forpara m eter i dentificati on of i nduction motorsCHEN Zhen -feng , Z HONG Yan -ru , LI Jie(School o fA utom ati on and Informa ti on Eng i neer i ng ,X i an U niversity of T echno logy ,X i an 710048,Ch i na)Abst ract :G enetic a l g orithm,ant co l o ny opti m izati o n and particle s w ar m opti m ization w ere introduced and app li e d to the para m eter i d entificati o n o f an i n ducti o n m otor for vector contr o.l The err o rs bet w een the ac -tual stator current output o f an inducti o n m otor and the stato r current outpu t of the m odelw ere used as the criterion to correct the m odel para m eters ,so as to i d entify a ll the para m eters of an induction mo tor .Ex -peri m ents w ere conducted on speed -vary i n g operation w ith no load .The three k i n ds o f opti m ization algo -rit h m sw ere co m pared w ith each other and conc l u si o ns w ere summ arized .Genetic algorithm can acqu ire the m ost accurate para m eters o f inducti o n m otor .Partic le s w ar m opti m ization takes second p lace ,and an t co lony opti m ization is t h e w ors.t I n co mpu ti n g ti m e ,the ant colony opti m izati o n i s the fastes.t Genetic a-l gorith m takes second p lace ,and particle s w ar m opti m ization runs the m ost sl o w ly .K ey w ords :i n duction m otors ;vector contr o ;l para m eter identification ;i n te lli g ent opti m ization a l g orit h m收稿日期:2009-12-07作者简介:陈振锋(1973 ),男,博士研究生,研究方向为现代交流传动系统与感应电机参数辨识;钟彦儒(1950 ),男,教授,博士生导师,研究方向为新型电力电子装置与系统;李 洁(1976 ),女,博士,副教授,研究方向为矩阵变换器、异步电机高性能控制、软开关电源。
一种隐极式永磁电机多参数满秩辨识方法
一种隐极式永磁电机多参数满秩辨识方法全文共四篇示例，供读者参考第一篇示例：一种隐极式永磁电机多参数满秩辨识方法隐极式永磁电机是一种在现代电机领域应用广泛的电机类型，其具有高效率、高性能和高能量密度的特点，因此在工业生产和日常生活中被广泛应用。
隐极式永磁电机的性能与参数之间存在着密切的关系，因此准确地辨识出其参数对于提高电机的性能和效率至关重要。
本文将介绍一种利用满秩辨识方法来对隐极式永磁电机多参数进行辨识的方法，以提高电机的性能和效率。
隐极式永磁电机是一种结构简单、性能优越的电机类型，其参数包括电阻、电感、磁导、转子惯量等多个参数。
这些参数对于电机的运行性能和效率具有重要的影响，因此需要对这些参数进行准确的辨识。
满秩辨识方法是一种对多参数进行辨识的有效方法，其原理是根据电机的输入输出数据，通过建立数学模型和利用辨识算法来求解出电机的参数。
1. 数据采集：首先需要准备好电机的输入输出数据，包括电流、转速、转矩等数据。
这些数据用于建立电机的数学模型。
2. 建立数学模型：根据电机的结构和工作原理，建立电机的数学模型，包括状态方程和输出方程。
3. 辨识算法选择：选择合适的辨识算法对电机的参数进行辨识，常用的算法包括最小二乘法、粒子群优化算法等。
4. 参数辨识：利用选定的辨识算法对电机的参数进行辨识，根据输入输出数据和数学模型求解出电机的参数。
5. 参数优化：对辨识出的参数进行优化和调整，以提高电机的性能和效率。
6. 模型验证：通过实际的实验数据对辨识出的模型和参数进行验证，验证结果符合要求则说明辨识方法有效。
1. 高精度：满秩辨识方法能够准确地辨识出电机的多个参数，使得电机的模型更加准确，进而提高电机的性能和效率。
2. 稳定性好：满秩辨识方法对数据的要求较低，能够稳定地辨识出电机的参数，不易受到干扰和误差的影响。
3. 适用范围广：满秩辨识方法适用于各种类型的隐极式永磁电机，无论是小功率电机还是大功率电机，都能够有效地进行参数的辨识。
发电机励磁系统参数辨识三种智能算法的比较
142同步发电机励磁系统起到控制机端电压、控制无功功率的分配、改善电力系统稳定性的作用,对电力系统影响巨大。
励磁系统性能优劣与其参数密不可分,因此准确辩识发电机励磁系统参数非常必要。
近年来,智能优化算法被用于发电机励磁系统参数辨识,这些算法包括:蚁群算法[1]、遗传算法[2-3]、粒子群算法[4]。
智能算法被用于励磁系统参数辨识,相对于频域法和时域法参数辨识方法,智能算法能有效辨识非线性环节,并能一次辨识出系统的每一个环节传递函数的参数[5]。
本文将蚁群算法、遗传算法、粒子群算法用于发电机励磁系统参数辨识。
通过MATLAB建模仿真实验,对发电机励磁系统参数辨识的三种智能算法的速度、精确程度进行综合比较,并得出了结论。
仿真模型为湖南某电厂一台型号为MEC3300的600MW机组励磁系统。
厂家提供的发电机组模型框图如图1所示,待辨识的参数有15个。
1 智能算法的特点蚁群算法是模拟蚂蚁觅食的基于种群的进化算法,采用正反馈机制是其最为显著的特点。
它通过【最优路径上蚂蚁数量的增加→信息素强度增加→后来蚂蚁选择概率增大→最优路径上蚂蚁数量更大增加】达到最终收敛于最优路径上。
遗传算法模拟自然界中生物的遗传和进化机理,在优化过程中借鉴了生物学中的染色体和基因等概念,遗传操作能求解无数值概念或很难有数值概念的优化问题。
遗传算法通过交叉算子产生新个体,这是遗传算法与其他仿生优化算法的不同之处。
粒子群算法是模拟鸟类群体行为的一种算法,是一种启发式算法,与其他仿生优化算法相比,其受所求问题维数的影响较小。
2 发电机励磁系统参数辨识智能优化算法原理发电机励磁系统参数辨识方法的原理如图2所示。
辨识过程中,根据发电机的实际输出和电气模型输出的差值,通过智能优化算法对电气模型参数不断修正,从而辨识出发电机励磁系统的参数[6]。
辨识过程:规定一目标函数θJ ,它通常是误差e的函数,实际系统和电气模型系统在同一激励信号x的作用下,产生实际输出信号y r 和模型输出信号y m ,其误差为e,经辨识准则计算后,去修正模型参数,反复进行,直至误差e满足目标函数最小为止。
同步发电机参数辨识的蚁群算法及扰动分析
同步发电机参数辨识的蚁群算法及扰动分析黄其新1，孙黎霞2，甄威3，刘柏私3，鞠平2（1.三江学院电气及自动化工程学院，江苏南京210012；2.河海大学电气工程学院，江苏南京210098；3.四川电力试验研究院，四川成都610072）摘要：以发电机5阶实用模型为研究对象，利用励磁电压参考值的变化产生动态响应，采用蚁群算法辨识同步发电机参数，分析干扰的大小和类型对发电机参数辨识的影响。
在RTDS 仿真机组上验证了蚁群算法的可行性，结果表明，从扰动的大小上看，扰动越大，参数辨识的精度越高；从扰动的类型上看，白噪声激励下辨识精度较好，该激励更有利于激发同步发电机的次暂态过程；无论是哪种扰动方式，稳态参数的精度没有大的变化，改善的主要是次暂态参数的辨识精度。
关键词：同步发电机；参数辨识；辨识精度；蚁群算法；白噪声；扰动方式中图分类号：TM 341；TM 711；TP 18文献标识码：A 文章编号：1006-6047（2009）11-0050-04收稿日期：2009-05-14；修回日期：2009-06-18基金项目：国家重点基础研究发展计划课题（2004CB217901）；国家杰出青年科学基金项目（50725723）电力自动化设备Electric Power Automation EquipmentVol．29No．11Nov.2009第29卷第11期2009年11月0引言合理而精确的同步发电机模型和参数对准确计算和分析电力系统的行为有着决定性的意义［1-2］。
目前，电力系统分析计算仿真所用的同步发电机参数多采用厂家提供的数据或典型值，或不得已采用简化模型。
由于数据不全或者不够精确，未计及涡流、磁滞、饱和等实际运行工况的影响，用厂家提供的参数进行仿真所得结果与实际动态过程有出入，影响了计算的准确度和可信度，有鉴于此，近年来国内电网对4大参数（即发电机、励磁系统、调速系统和综合符合模型的参数）测试的呼声相当高。
基于改进粒子群算法的励磁系统参数辨识
基于改进粒子群算法的励磁系统参数辨识查卫华;袁越;张涛【摘要】励磁系统模型参数的求取一般采用频域测试方法,但是电力系统是一个非线性系统,因此频域测试方法需要做线性化处理,而时域辨识方法中的参数模型辨识方法也存在线性化处理的问题.利用时域非参数模型辨识的方法,对待测系统受到阶跃扰动时,记录被调量的变化曲线,辨识出非线性特性,用动态拟合技术,利用被测信号采用改进的粒子群算法,根据目标函数,动态调整粒子飞行速度的惯性权重,从动态曲线求取模型参数,实现参数辨识.试验证明,新的算法能够很好地平衡调节粒子群算法的局部搜索与全局搜索的能力,克服了基本粒子群算法容易陷入局部最优的缺点.【期刊名称】《电力系统保护与控制》【年(卷),期】2010(038)011【总页数】5页(P29-32,54)【关键词】参数辨识;粒子群算法;改进;惯性权重;励磁【作者】查卫华;袁越;张涛【作者单位】河海大学电气工程学院,江苏,南京,210024;核电秦山联营有限公司,浙江,海盐,314300;河海大学电气工程学院,江苏,南京,210024;核电秦山联营有限公司,浙江,海盐,314300【正文语种】中文【中图分类】TM710 引言系统辨识就是通过观测一个系统，或一个过程的输入与输出的关系，确定描述该系统或过程的动态特性的数学模型。
按照对待测系统的认知程度，可以将待测系统分为黑箱系统、灰箱系统、白箱系统。
励磁系统属于灰箱系统，可以按照其物理机理建立数学模型，再用系统辨识求出参数。
本文用时域辨识的方法，对待测系统首先辨识出非线性特性，得出时域响应，再用动态拟合技术，从动态特性曲线求取模型参数。
在电力系统正常运行或事故状态下，同步发电机励磁系统起着重要的作用。
它具有控制电压，控制无功功率的分配，提高同步发电机并联运行的稳定性，改善电力系统的稳定性的能力[1-2]。
电力系统仿真软件大多自带一些励磁系统标准模型供仿真分析时使用，然而实际系统原模型往往不是这些软件中的标准模型。
感应电机参数辨识三种智能算法的比较
感应电机参数辨识三种智能算法的比较
陈振锋;钟彦儒;李洁
【期刊名称】《电机与控制学报》
【年(卷),期】2010(014)011
【摘要】针对感应电机参数辨识,采用3种智能优化算法,即遗传算法、蚁群算法、微粒群算法.感应电机的实际输出电流和电气模型的观测电流之间的差值被作为目标函数不断对电气模型中的参数进行更新,从而辨识全部的感应电机参数.变速运行实验是在电机不带负载的情况下进行的.通过实验,对感应电机参数辨识3种智能优化算法进行比较,并得出结论.遗传算法可以得到最准确的电机参数,微粒群算法次之,蚁群算法最差.蚁群算法所需时间最短,遗传算法次之,微粒群算法最长.
【总页数】6页(P7-12)
【作者】陈振锋;钟彦儒;李洁
【作者单位】西安理工大学,自动化与信息工程学院,陕西,西安,710048;西安理工大学,自动化与信息工程学院,陕西,西安,710048;西安理工大学,自动化与信息工程学院,陕西,西安,710048
【正文语种】中文
【中图分类】TU313
【相关文献】
1.发电机励磁系统参数辨识三种智能算法的比较 [J], 舒辉;陈芳
2.无速度传感器控制系统中感应电机参数离线辨识 [J], 王凯东;李宏浩
3.基于电流测量误差补偿的感应电机参数辨识 [J], 侯文宝;李德路;张刚
4.考虑铁耗电阻的感应电机参数在线辨识技术 [J], 李耀宇; 高强
5.发电机励磁系统参数辨识三种智能算法的比较 [J], 舒辉陈芳
因版权原因，仅展示原文概要，查看原文内容请购买。
发电机励磁系统参数辨识综述
发电机励磁系统参数辨识综述
舒辉;文劲宇
【期刊名称】《电力自动化设备》
【年(卷),期】2008(28)2
【摘要】综述了发电机励磁系统参数辨识的方法及其在国内外的应用和发展,将辨识方法分为时域法、频域法和人工智能法 3 种.时域法原理简单,计算方便,对激励信号没有特别要求,容易实现,但是该方法没有滤波功能;频域法利用快速傅里叶变换,将时域上的卷积转化为频域上的简单乘积,计算方便,但它需要伪随机信号作为激励信号,对伪随机码的参数选取要视具体情况而定,对低阶系统的参数辨识准确度高;人工智能方法原理简单,对激励信号没有特殊要求,能辨识非线性系统,可以直接得到实际参数,但它也没有滤波功能,而且对系统的先验知识要求较高.这些先验知识制约着用遗传算法辨识系统参数的精度.3 种辨识方法没有绝对的最优,可根据不同情况选用不同方法,必要时 3 种方法可结合使用.
【总页数】4页(P104-107)
【作者】舒辉;文劲宇
【作者单位】湖南省电力公司,中心培训部,湖南,长沙,410131;华中科技大学,电气与电子工程学院,湖北,武汉,430074
【正文语种】中文
【中图分类】TM761+.11
【相关文献】
1.华北电网开展发电机励磁系统参数辨识工作综述 [J], 吴涛;苏为民;刘永奇;张智刚;李丹;雷为民;高洵
2.发电机励磁系统参数辨识方法综述 [J], 苏宇;王政
3.基于在线数据的发电机励磁系统参数辨识新方法 [J], 金冬鸣;苑开波
4.基于改进灰狼算法的发电机励磁系统参数辨识算法 [J], 刘亨铭;曹路
5.发电机励磁系统建模与参数辨识综述 [J], 贺仁睦;沈峰;韩冬;韩志勇
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＭＡＯ Ｘｉ ａ ｏ ｍｉ ｎｇ ，ＣＡＩ Ｙｏ ｎｇ ｚ ｈ ｉ ，ＺＨＡＯ Ｙｏ ｎｇ
中图分类号 ：Ｔ Ｍ７ ４ ３ 文献标志码 ：Ａ 文章编号 ：１ ０ ０ ３ — ８ ９ ３ ０ （ ２ ０ １ ５ ） ０ ５ — ０ ０ ５ １ — ０ ５
Ｄｏ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ３ — ８ ９ ３ ０ ． ２ ０ １ ５ ． ０ ５ ． １ ０
毛晓 明 ， ，蔡永智 ，赵 勇
（ １ ． 广东工业大学 自动化学院，广州 ５ １ ０ ０ ０ ６ ；２ ． 中国南方电网科学研究院 ， 广州 ５ １ ０ ０ ８ ０ ）
摘要 ：为获得发 电机励磁 系统准确 的模 型参数 ，对 Ｂ Ｐ Ａ（ ｂ ｏ ｎ ｎ ｅ ｖ ｉ ｌ ｌ ｅ ｐ ｏ ｗ ｅ ｒ ａ ｄ ｍ ｉ ｎ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ） 软件 中励磁系统典
ｍａ ｘ ｉ ｍｕ ｍ－ ｍｉ ｎ ｉ ｍｕ ｍ ａ ｎ ｔ ｓ ｙ ｓ ｔ ｅ ｍ ，ａ ｎ ｄ ｔ ｈ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｓ ｒ ｗ ｈ ｉ ｃ ｈ ｍａ ｉ ｎ ｌ ｙ ｉ ｍｐ ａ ｃ ｔ ｏ ｎ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｏ ｒ ｓ ｍａ ｌ ｌ － ｓ ｉ ｇ ｎ ａ ｌ ｖ ｏ ｌ ｔ ａ ｇ ｅ ｓ ｔ ｅ ｐ－ ｒ ｅ —
（ １ ． Ｆ ａ ｃ ｕ ｌ ｔ ｙ ｏ ｆ Ａ ｕ ｔ ｏ ｍａ ｔ ｉ ｏ ｎ ， Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ０ ０ ６ ， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ Ａ ｃ ａ ｄ ｅ ｍ ｙ ， Ｃ ｈ ｉ ｎ ａ Ｓ ｏ ｕ ｔ ｈ ｅ ｒ ｎ Ｐ ｏ ｗ ｅ ｒ Ｇ ｒ ｉ ｄ ， Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ０ ８ ０ ， Ｃ ｈ ｉ ｎ ａ ）
第２ ７卷第 ５期
２ ０ １ ５年 ５月
电 力 系 统 及 其 自 动 化 学 报
Ｐｒ ｏ ｃ ｅ ｅ ｄ ｉ ｎ ｇｓ ｏ ｆ ｔ ｈ ｅ ＣＳ Ｕ— ＥＰ ＳＡ
Ｖｏ １ ． ２ ７ Ｎｏ ． ５
Ｍａ ｖ ２ ０１ ５
采用最大． 最小蚁群算法的励磁 系统参数 辨识
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ａ ｃ ｑ ｕ ｉ ｒ ｅ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｐ ｒａ ａ ｍｅ ｔ ｅ ｍ ｏ ｆ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｏ ｒ ｅ ｘ ｃ ｉ ｔ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍｓ ，ｔ ｈ ｅ ｔ ｙ ｐ ｉ ｃ ａ ｌ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ｓ ｕ ｓ ｅ ｄ ｉ ｎ ｂ ｏ ｎ ｎ ｅ ｖ ｉ ｔ ｌ ｅ ｐ ｏ ｗ ｅ ｒ ａ ｄ ｍｉ ｎ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ Ｂ Ｐ Ａ ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ ｐ ａ ｃ ｋ ａ ｇ ｅ ｒｅ ａ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｉ ｎ ｄ ｅ ｐ ｔ ｈ ． Ｔ ｈ ｅ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｂ ｅ ｔ ｗ ｅ ｅ ｎ ｔ ｈ ｅ ｐ ａ — ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ａ ｎ ｄ ｓ ｙ ｓ ｔ ｅ ｍ ｓ ｍａ ｌ ｌ ａ ｎ ｄ ｌ ａ ｒ ｇ ｅ － ｓ ｉ ｇ ｎ ｌ ａ ｖ ｏ ｌ ｔ ａ ｇ ｅ － ｓ ｔ ｅ ｐ ｒ ｅ ｓ ｐ ｏ ｎ ｓ ｅ ｉ ｓ ｉ ｎ ｖ ｅ ｓ ｔ ｉ ｇ ａ ｔ ｅ ｄ ． Ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｎ ｅ ｅ ｄ ｅ ｄ ｔ ｏ ｂ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｉｅ ｆ ｄ ｒｅ ａ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｉ ｒ ｒ ａ ｎ ｇ ｅ ｓ ｏ ｆ ｖ ｌｕ ａ ｅ ｓ ａ ｒ ｅ ｓ ｐ ｅ ｃ ｉ ｉｅ ｆ ｄ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｐ ｒ ａ ｃ ｔ ｉ ｃ ｌ ａ ｓ ｔ ａ ｔ ｕ ｓ ． Ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ａ ｒ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｉ ｆ ｅ ｄ ｖ ｉ ａ ｈｅ ｔ
ｓ ｐ ｏ ｎ ｓ ｅ ｒｅ ａ ｉ ｎ ｉ ｔ ｉ ａ ｌ ｌ ｙ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ，ｔ ｈｅ ｎ ｔ ｈ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｄ ｏ ｍｉ ｎ ａ ｔ ｉ ｎ ｇ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｏ ｒ ｌ ｒｇ ａ ｅ — ｓ ｉ ｇ ｎ ｌ ａ ｖ ｏ ｌ ｔ ａ ｇ ｅ ｓ ｔ ｅ ｐ － ｒ ｅ ｓ ｐ ｏ ｎ ｓ ｅ ａ ｒ ｅ ｓ ｕ ｂ ｓ ｅ － ｑ ｕ ｅ ｎ ｔ ｌ ｙ ａ ｃ ｑ ｕ ｉ ｒ ｅ ｄ ． Ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｃ ｕ ｒ ｖ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｉ ｆ ｅ ｄ ｍｏ ｄ ｅ ｌ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｂ ｙ Ｂ Ｐ Ａ ｉ ｆ ｔ ｗｅ ｌ ｌ ｗｉ ｔ ｈ ｈｅ ｔ ｉ ｆ ｅ ｌ ｄ ｄ ａ ｔ ａ，ａ ｎ ｄ ｒ ｅ ｓ ｕ ｌ ｔ ｓ
型仿真模型进行 深入分析 ，得 到模 型参数与励磁 系统大 、小阶跃响应特性的关联 关系。结合实 际情况 ，对需 辨识参数进行筛选 ，对参数取 值范围进 行限制 。采用最大一 最小蚁群算法对参 数进 行辨识 ，先求得影响发 电 机空载 电压小干扰 阶跃 响应特性的主要参数 ，再得到影 响发 电机 空载电压大干扰阶跃响应特性 的主要参 数 。 Ｂ Ｐ Ａ计算得 到的辨识模 型仿真 曲线 与实测数据吻合 良好 ，仿真结果表明了辨识方法 的有效性 。 关键词 ：励磁系统 ； 参数辨识 ； 最大一 最小蚁群算法 ； 电压阶跃 响应