电力系统及其自动化专业优秀论文电力系统及其自动化专业优秀论文 基于改进型混合遗传算法的发基于改进型混合遗传算法的发电机励磁系统参数辨识研究电机励磁系统参数辨识研究关键词：发电机关键词：发电机 励磁系统励磁系统 参数辨识参数辨识 遗传算法遗传算法摘要：发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制 无功功率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。 目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常 用的电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统 数学模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型 数据，或者不得已而采用 Elt;,qgt;恒定模型，这样就造成计算 结果粗糙，严重影响了计算结果的准确性和可信度。因此，结合发电机励磁系 统的特点，开展励磁系统参数辨识的研究非常有必要。通过辨识得到的励磁系 统准确参数有助于预测系统性能，监测系统状态，从而提高系统的安全性和稳 定性。 本文首先在深入研究励磁系统模型结构和系统辨识理论的基础之上， 对励磁系统模型的可辨识性进行了研究，这对后面基于混合遗传算法的励磁系 统参数辨识提供了理论依据。遗传算法作为一种有效的全局直接搜索方法，具 有求解过程与梯度信息无关的优点和将复杂的非线性问题经过有效搜索与动态 演化而达到优化状态的特性，使得其在应用于复杂问题的优化上具有很大的优 势。然而研究表明，标准遗传算法具有两大缺陷：易早熟和收敛速度慢。本文 在分析标准遗传算法的缺点之后，结合遗传算法的基本原理和基本理论，提出 算法的改进策略，改善了算法性能。为了进一步提高辨识的精度与速度，本文 引入结合模拟退火机制的混合遗传算法用于励磁系统参数的辨识，该算法的辨 识原理为：辨识前期利用遗传算法的全局收敛性在整个解空间搜索全局次优解， 而在辨识后期利用模拟退火算法在全局次优解附近以一定的搜索准则快速搜索， 从而达到全局搜索与快速搜索的目的。 实际发电机励磁系统往往存在一些非 线性环节，传统辨识法不能很好地计及这些非线性环节的作用，辨识结果往往 无法反映系统的非线性动态特性。本文将混合遗传算法运用到励磁系统参数辨 识之中，使得励磁系统非线性环节的参数辨识成为可能。同时该算法具有较强 的通用性，算法可以十分方便地用于电力系统其它元件的参数辨识和标准模型 的建立。实际励磁系统参数辨识结果表明，该方法能有效辨识励磁系统参数， 具有很好的效果。正文内容正文内容发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制无 功功率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。 目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常 用的电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统 数学模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型 数据，或者不得已而采用 Elt;,qgt;恒定模型，这样就造成计算 结果粗糙，严重影响了计算结果的准确性和可信度。因此，结合发电机励磁系 统的特点，开展励磁系统参数辨识的研究非常有必要。通过辨识得到的励磁系 统准确参数有助于预测系统性能，监测系统状态，从而提高系统的安全性和稳 定性。 本文首先在深入研究励磁系统模型结构和系统辨识理论的基础之上， 对励磁系统模型的可辨识性进行了研究，这对后面基于混合遗传算法的励磁系 统参数辨识提供了理论依据。遗传算法作为一种有效的全局直接搜索方法，具 有求解过程与梯度信息无关的优点和将复杂的非线性问题经过有效搜索与动态 演化而达到优化状态的特性，使得其在应用于复杂问题的优化上具有很大的优 势。然而研究表明，标准遗传算法具有两大缺陷：易早熟和收敛速度慢。本文 在分析标准遗传算法的缺点之后，结合遗传算法的基本原理和基本理论，提出 算法的改进策略，改善了算法性能。为了进一步提高辨识的精度与速度，本文 引入结合模拟退火机制的混合遗传算法用于励磁系统参数的辨识，该算法的辨 识原理为：辨识前期利用遗传算法的全局收敛性在整个解空间搜索全局次优解， 而在辨识后期利用模拟退火算法在全局次优解附近以一定的搜索准则快速搜索， 从而达到全局搜索与快速搜索的目的。 实际发电机励磁系统往往存在一些非 线性环节，传统辨识法不能很好地计及这些非线性环节的作用，辨识结果往往 无法反映系统的非线性动态特性。本文将混合遗传算法运用到励磁系统参数辨 识之中，使得励磁系统非线性环节的参数辨识成为可能。同时该算法具有较强 的通用性，算法可以十分方便地用于电力系统其它元件的参数辨识和标准模型 的建立。实际励磁系统参数辨识结果表明，该方法能有效辨识励磁系统参数， 具有很好的效果。 发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制无功功 率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常用的 电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统数学 模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型数据， 或者不得已而采用 Elt;,qgt;恒定模型，这样就造成计算结果粗 糙，严重影响了计算结果的准确性和可信度。因此，结合发电机励磁系统的特 点，开展励磁系统参数辨识的研究非常有必要。通过辨识得到的励磁系统准确 参数有助于预测系统性能，监测系统状态，从而提高系统的安全性和稳定性。 本文首先在深入研究励磁系统模型结构和系统辨识理论的基础之上，对励磁系 统模型的可辨识性进行了研究，这对后面基于混合遗传算法的励磁系统参数辨 识提供了理论依据。遗传算法作为一种有效的全局直接搜索方法，具有求解过 程与梯度信息无关的优点和将复杂的非线性问题经过有效搜索与动态演化而达 到优化状态的特性，使得其在应用于复杂问题的优化上具有很大的优势。然而 研究表明，标准遗传算法具有两大缺陷：易早熟和收敛速度慢。本文在分析标准遗传算法的缺点之后，结合遗传算法的基本原理和基本理论，提出算法的改 进策略，改善了算法性能。为了进一步提高辨识的精度与速度，本文引入结合 模拟退火机制的混合遗传算法用于励磁系统参数的辨识，该算法的辨识原理为： 辨识前期利用遗传算法的全局收敛性在整个解空间搜索全局次优解，而在辨识 后期利用模拟退火算法在全局次优解附近以一定的搜索准则快速搜索，从而达 到全局搜索与快速搜索的目的。 实际发电机励磁系统往往存在一些非线性环 节，传统辨识法不能很好地计及这些非线性环节的作用，辨识结果往往无法反 映系统的非线性动态特性。本文将混合遗传算法运用到励磁系统参数辨识之中， 使得励磁系统非线性环节的参数辨识成为可能。同时该算法具有较强的通用性， 算法可以十分方便地用于电力系统其它元件的参数辨识和标准模型的建立。实 际励磁系统参数辨识结果表明，该方法能有效辨识励磁系统参数，具有很好的 效果。 发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制无功功 率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常用的 电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统数学 模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型数据， 或者不得已而采用 Elt;,qgt;恒定模型，这样就造成计算结果粗 糙，严重影响了计算结果的准确性和可信度。因此，结合发电机励磁系统的特 点，开展励磁系统参数辨识的研究非常有必要。通过辨识得到的励磁系统准确 参数有助于预测系统性能，监测系统状态，从而提高系统的安全性和稳定性。 本文首先在深入研究励磁系统模型结构和系统辨识理论的基础之上，对励磁系 统模型的可辨识性进行了研究，这对后面基于混合遗传算法的励磁系统参数辨 识提供了理论依据。遗传算法作为一种有效的全局直接搜索方法，具有求解过 程与梯度信息无关的优点和将复杂的非线性问题经过有效搜索与动态演化而达 到优化状态的特性，使得其在应用于复杂问题的优化上具有很大的优势。然而 研究表明，标准遗传算法具有两大缺陷：易早熟和收敛速度慢。本文在分析标 准遗传算法的缺点之后，结合遗传算法的基本原理和基本理论，提出算法的改 进策略，改善了算法性能。为了进一步提高辨识的精度与速度，本文引入结合 模拟退火机制的混合遗传算法用于励磁系统参数的辨识，该算法的辨识原理为： 辨识前期利用遗传算法的全局收敛性在整个解空间搜索全局次优解，而在辨识 后期利用模拟退火算法在全局次优解附近以一定的搜索准则快速搜索，从而达 到全局搜索与快速搜索的目的。 实际发电机励磁系统往往存在一些非线性环 节，传统辨识法不能很好地计及这些非线性环节的作用，辨识结果往往无法反 映系统的非线性动态特性。本文将混合遗传算法运用到励磁系统参数辨识之中， 使得励磁系统非线性环节的参数辨识成为可能。同时该算法具有较强的通用性， 算法可以十分方便地用于电力系统其它元件的参数辨识和标准模型的建立。实 际励磁系统参数辨识结果表明，该方法能有效辨识励磁系统参数，具有很好的 效果。 发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制无功功 率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常用的 电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统数学 模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型数据，或者不得已而采用 Elt;,qgt;恒定模型，这样就造成计算结果粗 糙，严重影响了计算结果的准确性和可信度。因此，结合发电机励磁系统的特 点，开展励磁系统参数辨识的研究非常有必要。通过辨识得到的励磁系统准确 参数有助于预测系统性能，监测系统状态，从而提高系统的安全性和稳定性。 本文首先在深入研究励磁系统模型结构和系统辨识理论的基础之上，对励磁系 统模型的可辨识性进行了研究，这对后面基于混合遗传算法的励磁系统参数辨 识提供了理论依据。遗传算法作为一种有效的全局直接搜索方法，具有求解过 程与梯度信息无关的优点和将复杂的非线性问题经过有效搜索与动态演化而达 到优化状态的特性，使得其在应用于复杂问题的优化上具有很大的优势。然而 研究表明，标准遗传算法具有两大缺陷：易早熟和收敛速度慢。本文在分析标 准遗传算法的缺点之后，结合遗传算法的基本原理和基本理论，提出算法的改 进策略，改善了算法性能。为了进一步提高辨识的精度与速度，本文引入结合 模拟退火机制的混合遗传算法用于励磁系统参数的辨识，该算法的辨识原理为： 辨识前期利用遗传算法的全局收敛性在整个解空间搜索全局次优解，而在辨识 后期利用模拟退火算法在全局次优解附近以一定的搜索准则快速搜索，从而达 到全局搜索与快速搜索的目的。 实际发电机励磁系统往往存在一些非线性环 节，传统辨识法不能很好地计及这些非线性环节的作用，辨识结果往往无法反 映系统的非线性动态特性。本文将混合遗传算法运用到励磁系统参数辨识之中， 使得励磁系统非线性环节的参数辨识成为可能。同时该算法具有较强的通用性， 算法可以十分方便地用于电力系统其它元件的参数辨识和标准模型的建立。实 际励磁系统参数辨识结果表明，该方法能有效辨识励磁系统参数，具有很好的 效果。 发电机励磁系统作为同步发电机的重要组成部分，具有控制电压，控制无功功 率分配，提高发电机并联运行的稳定性和改善电力系统运行特性的能力。目前 IEEE 等国际组织已经提出了多种标准化的励磁系统模型以供选择，一些常用的 电力系统仿真软件(如 PSASP、PSS/E、BPA 等)也都给出了不同的励磁系统数学 模型，但由于缺少实测参数，在计算中只能查用厂家数据或手册中的典型数据，