采用最大-最小蚁群算法的励磁系统参数辨识.pdf

采用最大-最小蚁群算法的励磁系统参数辨识.pdf

ID:52499704

大小:361.73 KB

页数:5页

时间:2020-03-28

采用最大-最小蚁群算法的励磁系统参数辨识.pdf_第1页
采用最大-最小蚁群算法的励磁系统参数辨识.pdf_第2页
采用最大-最小蚁群算法的励磁系统参数辨识.pdf_第3页
采用最大-最小蚁群算法的励磁系统参数辨识.pdf_第4页
采用最大-最小蚁群算法的励磁系统参数辨识.pdf_第5页
资源描述:

《采用最大-最小蚁群算法的励磁系统参数辨识.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第27卷第5期电力系统及其自动化学报Vo1.27No.52015年5月ProceedingsoftheCSU—EPSAMav2015采用最大.最小蚁群算法的励磁系统参数辨识毛晓明,,蔡永智,赵勇(1.广东工业大学自动化学院,广州510006;2.中国南方电网科学研究院,广州510080)摘要:为获得发电机励磁系统准确的模型参数,对BPA(bonnevillepoweradministration)软件中励磁系统典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

2、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。BPA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;电压阶跃响应中图分类号:TM743文献标志码:A文章编号:1003—8930(2015)05—0051—05DoI:10.3969/j.issn.1003—8930.2015.05.10

3、ExcitationSystemParameterIdentificationviaMaximum-minimumAntSystemMAOXiaoming,CAIYongzhi,ZHAOYong(1.FacultyofAutomation,GuangdongUniversityofTechnology,Guangzhou510006,China;2.ScienceResearchAcademy,ChinaSouthernPowerGrid,Guangzhou510080,China)Abstract:I

4、nordertoacquiretheaccurateparametemofgeneratorexcitationsystems,thetypicalsimulationmodelsusedinbonnevitlepoweradministrationBPAsoftwarepackageareanalyzedindepth.Therelationshipbetweenthepa—rametersandsystemsmallandlarge-signalvoltage-stepresponseisinves

5、tigated.Parametersneededtobeidentifiedareselectedandtheirrangesofvaluesarespecifiedaccordingtopracticalstatus.Selectedparametersareidentifiedviathemaximum-minimumantsystem,andtheparameterswhichmainlyimpactongeneratorsmall-signalvoltagestep-re—sponsearein

6、itiallyobtained,thentheparametersdominatinggeneratorlarge—signalvoltagestep-responsearesubse-quentlyacquired.SimulationcurvesoftheidentifiedmodelobtainedbyBPAfitwellwiththefielddata,andresultsshowtheefectivenessofthedevelopedmethod.Keywords:excitationsys

7、tem;parameteridentification;maximum—minimumantsystem;voltagestep-response电力系统规划及运行方式的制定,有赖于电能有效解决高阶非线性系统辨识难的问题。目前力系统仿真计算与分析f1】。励磁系统模型是同步电使用最多的人工智能方法为遗传算法GA(genetic机模型的重要组成部分,其参数的准确性对电力algorithm)。文献[6—7]将GA及其改进算法应用于系统稳定性计算的精度和结论有重要影响。对发励磁系统参数辨识,结果较为理想。但GA

8、寻优效电机励磁系统进行相关实验,根据现场采集的数据果依赖于参数初值的选定,在先验知识不足时难进行励磁系统参数辨识是一项非常重要的工作圆。以辨识出与实际相符的系统参数。励磁系统参数辨识的方法主要有传统辨识法本文以仿真软件BPA中的励磁系统标准模型和人工智能法。常用的传统辨识法有频域法[31和时为待辨识模型,根据发电机空载大、小干扰电压阶域法,这两种方法概念清晰,简便易行,在工程上跃响应实测数据,采用最大一最小蚁群算法辨识励得到了广泛应用。但励

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。