5070210016：粒子群算法在励磁参数实测辨识中的应用_0.docVIP

粒子群算法在励磁参数实测辨识中的应用刘蔚，（广西电力试验研究院有限公司，广西 南宁 530023） 摘要：励磁系统环节辨识励磁系统参数实测及建模本文提出了一种采用粒子群算法进行拟合的方法方法幅频和相频特性得到的辨识。关键词：励磁系统，参数辨识粒子群算法Research Institute Co., Ltd., Nanning China 530023 ) Abstract: Parameter identification of each element of exciting system is an important part of parameter measurement and modeling of exciting system. Considering that it is difficult for frequency domain method and least square method to identify parameters of complicate models, a parameter identification method based on PSO（Particle Swarm Optimization）Fitness Function by directly using amplitude-frequency characteristic and phase-frequency characteristic of element. The example based on measured data shows that the proposed method can get better identification results both under simple model and complicate model. Key words: exciting system, parameter identification, PSO (particle swarm optimization) 1 引言 随着电网的快速发展，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[]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法和时域法[]。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。最小二乘法[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法（Particle Swarm OptimizationPSO）进行拟合的方法。提出的方法辨识。 2 粒子群算法 粒子群算法（Particle Swarm Optimization, PSO）是Kennedy等[]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，即全局极值，记为。具体的，在第次迭代中， 粒子根据以下公式更新速度和位置： （1） （2） 其中：和为[0,1]范围内变化的随机数；和为加速因子用来调节每次迭代的步长；为惯性为迭代次数。式的第1部分是粒子的惯性行为，表示了粒子先前速度的惯性，反映了粒子的记忆能力；第2部分是粒子的认知行为，表示