粒子群算法在励磁参数实测辨识中的应用.doc

《粒子群算法在励磁参数实测辨识中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、粒子群算法在励磁参数实测辨识中的应用刘蔚，刘鹏，窦骞（广西电力试验研究院有限公司，广西南宁）摘要：励磁系统各环节辨识是励磁系统参数实测及建模工作的一项重要内容。针对采用频域分析和最小二乘拟合对复杂模型进行辨识时比较困难的缺点，本文提出了一种采用粒子群算法进行拟合辨识的方法，该方法直接采用幅频特性和相频特性来定义适应度函数，实现过程简单。实际算例表明，提出的方法对简单模型和复杂模型都可以得到较好的辨识效果。关键词：励磁系统，参数辨识，粒子群算法ApplicationofPSOforParameterIdentific

2、ationofExcitingSystemBasedonMeasuredDataLIUwei,DOUQian,LIUPeng(GuangxiElectricPowerTestandResearchInstituteCo.,Ltd.,NanningChina)Abstract:Parameteridentificationofeachelementofexcitingsystemisanimportantpartofparametermeasurementandmodelingofexcitingsystem.Con

3、sideringthatitisdifficultforfrequencydomainmethodandleastsquaremethodtoidentifyparametersofcomplicatemodels,aparameteridentificationmethodbasedonPSO（ParticleSwarmOptimization）isproposed,whichdefinesFitnessFunctionbydirectlyusingamplitude-frequencycharacteristi

4、candphase-frequencycharacteristicofelement.Theexamplebasedonmeasureddatashowsthattheproposedmethodcangetbetteridentificationresultsbothundersimplemodelandcomplicatemodel.Keywords:excitingsystem,parameteridentification,PSO(particleswarmoptimization)1引言随着电网的快速发展

5、，对电网稳定分析工作提出了更高要求。发电机、励磁系统等主要元件的数学模型及其参数是影响电网仿真计算结果的直接因素。采用经典发电机模型或采用详细模型而套用经典参数等处理方法开展电力系统稳定计算已经难以适应现代电网的要求。南网公司组织开展了发电机励磁系统参数实测及建模工作，并颁布了有关导则[1]和管理办法。通过励磁系统参数实测及建模工作，可以在电力系统分析研究工作中使用更准确和详细的励磁系统模型和参数，从而进一步提高电力系统分析的计算精度，保证电网的安全稳定运行。励磁系统参数实测及建模主要包括励磁系统环节辨识、建立实测

6、模型以及模型和参数校核等内容。其中励磁系统环节辨识的主要方法有频域分析法和时域分析法[2]。频域法是在输入端加入不同频率正弦信号或噪声信号，测量输出端对于输入端的频率响应特性，然后采用幅频与相频特性直接对比或曲线拟合技术来辨识模型及其参数。拟合方法常采用最小二乘法。对于多个典型环节串连在一起的复杂结构而言，采用传统的最小二乘法不能直接得出模型参数，还需要另外求解非线性方程组才能得到需要的模型参数[3]。传统的最小二乘方法不能得到不同环节的放大倍数，而只能得到所有待辨识环节的放大倍数的乘积。本文提出了一种采用粒子群算

7、法（ParticleSwarmOptimization，PSO）进行拟合的方法。提出的方法直接使用幅频特性和相频特性来定义适应度函数，实现过程简单，适用于简单模型和复杂模型的辨识。2粒子群算法粒子群算法（ParticleSwarmOptimization,PSO）是Kennedy等[4]在1995年提出的一种基于群体智能理论的演化计算技术。它是对鸟群觅食过程中的迁徙和聚集的模拟。更确切地说是对简单个体组成的群落与环境以及个体之间的互动行为的模拟。目前粒子群算法已广泛应用于函数优化、神经网络和系统控制等领域。在粒子群

8、算法中，粒子的位置代表优化问题的解，每个粒子由一个速度决定其分行方向和速率，每个粒子的优劣取决于目标函数确定的适应值。假设在一个维的目标搜索空间里，粒子群算法随机初始化一个由个粒子组成的群体，其中第个粒子表示为，相应的飞行速度表示为。粒子跟踪两个“极值”在解空间中搜索：第1个极值是粒子本身所找到的最优解，即个体极值，记为；第2个极值是群体所搜索到的最优解，即