基于改进粒子群算法的双馈感应发电机参数辨识-论文.pdf

《基于改进粒子群算法的双馈感应发电机参数辨识-论文.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42卷第3期河海大学学报(自然科学版)Vo1．42No．32014年5月JournalofHohaiUniversity(NaturalSciences)Mav2014DOI：10．3876／j．issn．1000—1980．2014．03．017基于改进粒子群算法的双馈感应发电机参数辨识刘永康，潘学萍，鞠平(河海大学能源与电气学院，江苏南京211100)摘要：基本粒子群算法(PSO)存在早熟问题，且惯性权重对参数辨识结果的影响较大，为此提出将变权重PSO算法和全局最优位置变异PSO算法相结合的改进PSO算法，并将其应用于双馈感应发电机(DFIG)的参数辨识。分析了DF

2、IG中各参数的可辨识性和辨识难易度，给出了基于改进PSO算法的参数辨识步骤。与采用基本PSO算法、变权重PSO算法和全局最优位置变异PSO算法的参数辨识结果相比较，该方法具有收敛速度快、辨识误差小的优点，即使在较大的搜索范围内仍具有较高的辨识精度。关键词：双馈感应发电机(DFIG)；参数辨识；灵敏度；粒子群算法；改进粒子群算法中图分类号：TP301．6；TM614文献标志码：A文章编号：1000—1980(2014)03—0273—05IdentificationofDFIGparametersbasedonimprovedPSOalgorithmLIUYongkang，

3、PANXueping，JUPing(CollegeofEnergyandElectricalEngineering，HohaiUniversity，Nanjing211100，China)Abstract：ToovercometheinherentdeficienciesintheparticleswaFnloptimization(PSO)algorithm，suchasprematureconvergence，andtotakeintoaccounttheeffectsofinertiaweightontheidentificationaccuracy，animpro

4、vedPSOalgorithm，whichcombinestheadaptiveinertiaweightPSOalgorithmwiththeglobaloptimumlocationmutationPSOalgorithm，isproposedinthispaper，inordertoidentifythedouble-fedinductiongenerator(DFIG)parameters．First，theidentifiabilityoftheDFIGparametersandthedificultiesinidentificationareanalyzed．

5、Then，theidentificationstepsbasedonthisimprovedPSOalgorithmareillustrated．ComparedwiththebasicPSOalgorithm，theadaptiveinertiaweightPSOalgorithm，andtheglobaloptimumlocationmutationPSOalgorithm，theproposedalgorithmhasfasterconvergence，smallererrors，andhigheridentificationaccuracy，evenatawide

6、searchrange．Keywords：doubly—fedinductiongenerator(DFIG)；parameteridentification；sensitivity；particleswarmoptimization；improvedparticleswarmoptimization由于风能具有随机性、波动性等特点，风电接入给电力系统带来了新的安全稳定问题和运行调控问题L1J。要对含大规模风电的电力系统进行仿真与分析，合适的模型是关键。目前风力发电机组在机理建模方面的研究已有较多的成果，辨识建模与模型验证方面的工作也在广泛展开4。。辨识建模过程中，一般选

7、择某变量为观测量，参数辨识的目标是寻找待辨识参数，使得仿真轨线与实测轨线间的误差达到最小，因此参数辨识的实质是优化问题。合适的优化算法可提高参数的辨识精度。目前在电力系统参数辨识中，采用的优化算法主要有非线性最小二乘算法L5]、蚁群算法J、微变搜索算法【、卡尔曼滤波算法J、基因算法L9J、模拟淬火算法J。等。粒子群优化算法¨具有全局性能好、收敛速度快等特点，在电力系统参数辨识及其他工程领域得到了收稿日期：2013—03一ll基金项目：国家自然科学基金重大项目(51190102)；国家高技术研究发展计划(863计划)(2011A