基于apso算法的发电机励磁系统参数辨识 parameter identification for generator excitation system based on apso algorithm.pdfVIP

第43卷第2期 中国电力 V01．43．No．2 加10年2月 ET。ECTRlCPOWER F曲．∞10 基手1A嘲算法：酶发电枫励磁素统参数辨讽 李天云，姜志国，袁金腾，安博 (东北电力大学，吉林132012) 摘 要：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鼍 (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2 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i 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l 时域上进行参数辨识。无需经过n叩变换。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。 关键词：励磁系统；参数辨识；自适应粒子群优化算法；目标函数 中图分类号：TM71l 文献标志码：A 文章编号：1004—9649(2010)02-0026．05 适应变异全局极值的APSO算法．在发生早熟收敛 0引言 时．能够跳出局部最优。进入解空间中的其他区域继 续进行有哪些信誉好的足球投注网站，直到最后找到全局最优解。APSO算法 我国电力系统中目前常用的励磁系统参数辨识 具体为： 方法包括频域法(如FFr／LSE法…)和时域法(如(1)参数编码及初始化：种群中粒子及其速度都 PLPF法【23)．已在我国电力系统参数辨识中得到了采用实数编码。根据实际对象设定粒子的维数m，种 实际应用．但是都不能很好地解决励磁系统非线性 群大小玎，迭代次数J7、r。初始化种群产生一个随机矩 环节参数辨识问题∞】。由于电力系统的暂态过程本 阵．包括粒子的位置及其速度。根据实际对象选取目 身就是一个很复杂的非线性过程．电力系统参数辨 标函数E．定义适应度函数值厂。每个粒子的初始个 识除了尽可能地辨识出线性环节的参数．也应该给 体极值点p‰坐标设置为初始位置，且计算出每个 出非线性环节参数的辨识结果[纠。自适应粒子群 个体粒子的适应度值，初始全局极值点‰的适应 ParticleSwarm 度值就是个体极值中的最好的。 优化(Adaptive Optimization。APS0) 算法[6】是一种基于群体演化的随机全局优化算法． (2)自适应调节惯性权重：设第k代粒子群由几 有较好的全局有哪些信誉好的足球投注网站能力．对优化目标函数形式没有 个粒子菇。(蠡)，…，茗i(矗)，…，％(k)构成，Z为第i个 特殊要求。已在电力系统诸多领域得到应用…。励磁 粒子的适应值．粒子群的平均适应度值定义为： 系统建模属于灰箱建模，即模型的结构、阶数均已 知。未确定的只是模型的具体参数。结合发电机励磁 反矿 ●一珏 。∑越 卮 系统参数辨识的特点．可以方便地将APSO算法用 于发电机励磁系统参数的辨识．有效解决励磁系统 定义粒子群的群体适应度方差为： 非线性环节难以辨识的问题． 扛上n窆iffil㈣。)2 (2) 1 APSO算法 按照粒子群的平均适应度值．可将粒子分为优 PsO‘s]算法作为一种进化算法．在进化过程中保于、次于平均适应度值的2个子群．磊和．厄。 持群体的多样性