基于matlab的励磁系统参数辨识程序的实现

基于matlab的励磁系统参数辨识程序的实现

ID:30482275

大小:350.21 KB

页数:6页

时间:2018-12-30

基于matlab的励磁系统参数辨识程序的实现_第1页
基于matlab的励磁系统参数辨识程序的实现_第2页
基于matlab的励磁系统参数辨识程序的实现_第3页
基于matlab的励磁系统参数辨识程序的实现_第4页
基于matlab的励磁系统参数辨识程序的实现_第5页
资源描述:

《基于matlab的励磁系统参数辨识程序的实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、http://www.paper.edu.cn基于Matlab的励磁系统参数辨识程序的实现陈锴墉清华大学电机工程与应用电子技术系,北京(100084)E-mail:cky@mails.tsinghua.edu.cn摘要:电力系统元件模型的参数辨识是一项很重要的工作。对试验数据进行处理时,编写有针对性的程序显得方便而高效。本文在Matlab平台上实现了用于励磁系统的参数辨识程序,给出了关键部分代码以及运行结果示例。关键词:参数辨识,励磁系统,Matlab中图分类号:TP3191.引言随着信息技术及计算机技术在

2、科研和工程领域中的广泛应用,数字仿真已经成为电力系统研究、设计、决策与运行中不可缺少的手段,因而,数字仿真计算精度的提高越来越为人们所重视。而仿真计算的精度主要取决于电力系统中各元件的数学模型和模型参数的准确性。近年来国内电网对四大参数(即发电机、励磁系统、原动机和调速系统以及综合负荷的参数)测试和动态建模的呼声很高。作为同步发电机的重要组成部分——励磁控制系统,不但与发电机及其相联的运行经济技术指标密切相关,而且与发电机及电力系统的运行稳定性密切相关。很有必要采用现代辨识技术通过现场试验来获取可靠的实际励

3、磁系统模型参数,将其应用到仿真研究和系统优化中。所谓辨识建模,就是利用待测系统动态过程提供的输入、输出数据,经过计算处理后建[1]立数学模型。励磁系统模型结构可以根据物理机理写出,再利用试验得到的数据,选择合适的辨识方法便可以得到模型参数,从而获得完整的实际模型。Matlab软件提供了通用的[2]系统辨识工具箱,可以用于对试验数据的计算处理。本文通过Matlab提供的GUI编程功能,借助系统辨识工具箱,有针对性、有效地实现针对励磁系统参数辨识的数据预处理和辨识计算功能并给出部分关键源代码,并给出了计算结果示

4、例。2.数据预处理进行数据预处理的目的是消除或尽量减少试验记录数据中的噪声。由于工业现场环境复杂,采样仪器经常会受到严重的电磁干扰,电厂环境中尤其如此,因此采集到的数据就含有高频的噪声信号。对于某些弱信号,其有效分量甚至有可能被噪声所掩盖。进行现场试验时,应尽量采取措施减少干扰,比如在条件许可时使用屏蔽导线,对传感器输出信号进行放大,等等。在对试验数据进行计算处理之前,应进行滤波,去除高频噪声,以消除其对计算的影响。数据预处理程序的界面如下图1所示:-1-http://www.paper.edu.cn图1数

5、据预处理窗口点击“浏览”选择试验数据文件,程序部分代码如下:filter='.dat';%文件后缀,这里使用了.dat,可以根据实际需要自行选择[cfile,cdir]=uigetfile(filter,'载入采样数据');%读取文件路径及文件名handles.cfile=cfile;handles.cdir=cdir;cmd=strcat(cdir,cfile);%合并文件路径及文件名handles.cmd=cmd;在“设定基值”处填入用于数据标幺化的基值,通道1对应试验中的输入量,通道2对应试验中的输出

6、量。使用如下语句读取该数值:handles.ChannelOneBaseValue=str2double(get(handles.ChannelOneBase,'String'));handles.ChannelTwoBaseValue=str2double(get(handles.ChannelTwoBase,'String'));点击“预处理”,开始对试验数据进行预处理。首先用fopen()函数打开handles.cmd指向的文件,用fscanf()函数读取采样频率、采样点数、通道号等相关信息,再由采样

7、点序号和频率计算实际时间。这段处理过程与数据文件中各项数据的存储方式有关,可根据实际情况编写代码。然后进行数据的预处理,部分代码如下:UfBase=handles.ChannelOneBaseValue;%读入基值UffBase=handles.ChannelTwoBaseValue;UfData=OutputData1;%读入数据UffData=OutputData2;UffDataSmoo=Smoothing(UffData,MaxPoint,Fs);%使用移动平均的方式进行滤波,MaxPoint为采样

8、点数,Fs为采样频率,具体实现方式可参考有关文献UfDataSmoo=Smoothing(UfData,MaxPoint,Fs);K=length(UfDataSmoo);-2-http://www.paper.edu.cnUfDataOut=UfDataSmoo*ChannelOneK/UfBase;%折算到一次侧,标幺化,UffDataOut=UffDataSmoo*ChannelTwoK/UffBase;U

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。