简介概要

基于改进竞技粒子群算法的DFIG参数辨识

来源期刊:控制工程2018年第1期

论文作者:蒋莹莹 田娜 纪志成

文章页码:122 - 130

关键词:改进竞技粒子群算法;双馈风力发电机;参数辨识;粒子群算法;

摘    要:为了获得高性能的双馈感应发电机(Doubly-Fed Induction Generator,DFIG)的控制,必须确保发电机参数的准确性。针对DFIG多参数辨识问题,提出了基于改进竞技粒子群算法的参数辨识方法。首先在两相同步旋转坐标系下将DFIG数学模型转化为DFIG参数辨识的模型。然后针对竞技粒子群算法收敛速度较慢的问题,对所引入的竞技机制进行了改进。在粒子迭代过程中,优胜的粒子仍需向个体最优和全局最优的粒子学习,从而提高了算法的收敛速度和收敛精度。最后在Matlab/Simulink中将改进竞技粒子群算法用于DFIG的参数辨识,并与粒子群算法、量子粒子群算法和竞技粒子群算法进行了对比验证。仿真结果表明改进竞技粒子群算法能提高定子电阻、定子电感、转子电阻、转子电感以及定转子互感5个参数的辨识精度。

详情信息展示

基于改进竞技粒子群算法的DFIG参数辨识

蒋莹莹1,田娜1,2,纪志成1

1. 江南大学电气自动化研究所2. 江南大学教育技术系

摘 要:为了获得高性能的双馈感应发电机(Doubly-Fed Induction Generator,DFIG)的控制,必须确保发电机参数的准确性。针对DFIG多参数辨识问题,提出了基于改进竞技粒子群算法的参数辨识方法。首先在两相同步旋转坐标系下将DFIG数学模型转化为DFIG参数辨识的模型。然后针对竞技粒子群算法收敛速度较慢的问题,对所引入的竞技机制进行了改进。在粒子迭代过程中,优胜的粒子仍需向个体最优和全局最优的粒子学习,从而提高了算法的收敛速度和收敛精度。最后在Matlab/Simulink中将改进竞技粒子群算法用于DFIG的参数辨识,并与粒子群算法、量子粒子群算法和竞技粒子群算法进行了对比验证。仿真结果表明改进竞技粒子群算法能提高定子电阻、定子电感、转子电阻、转子电感以及定转子互感5个参数的辨识精度。

关键词:改进竞技粒子群算法;双馈风力发电机;参数辨识;粒子群算法;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号