基于人工智能的励磁系统非线性参数辨识

论文摘要

发电机励磁系统模型参数的准确性对电力系统的分析与控制有重要的影响。传统的辨识方法大都是采用线性化的方法,只辨识励磁系统线性部分的参数,而励磁系统实际上是一个非线性系统,本文分别采用两种人工智能方法,神经网络和遗传算法,对考虑非线性环节的励磁系统模型进行辨识。采用MATLAB为仿真工具,搭建励磁模型和电力系统模型,选用阶跃扰动信号,采集数据,分别用以上两种方法进行辨识。结果证明,神经网络要用大量的样本数据来训练,得到的励磁系统网络模型可以模拟原励磁系统的输出。根据可测量的多少,遗传算法可以单环节辨识和整体辨识.单环节辨识效果好,整体辨识效果不如单环节,但是辨识模型同样可以用于系统仿真。根据具体情况尽可能多的分环节辨识可以有较好的辨识效果。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 励磁系统参数辨识的意义
• 1.2 国内外励磁系统参数辨识研究现状和发展动态
• 1.3 人工智能及其在励磁非线性参数辨识中的应用
• 1.4 论文内容
• 第二章 发电机励磁系统的数学模型
• 2.1 发电机励磁系统控制系统的结构
• 2.2 励磁系统数学模型
• 2.2.1 励磁电源的数学模型
• 2.2.2 励磁调节器的数学模型
• 2.2.3 完整的励磁系统模型
• 2.3 用MATAB/SIMULINK 建立研究用的系统模型和励磁模型
• 第三章 神经网络辨识励磁模型
• 3.1 神经网络简介
• 3.2 神经元模型和网络结构
• 3.2.1 神经元模型
• 3.2.2 多层网络结构
• 3.3 BP 网络
• 3.4 BP 网络实现励磁模型辨识
• 3.5 本章小结
• 第四章 遗传算法辨识励磁系统模型参数
• 4.1 遗传算法概述
• 4.2 遗传算法在励磁参数辨识中的应用
• 4.2.1 适应度函数
• 4.2.2 编码方法
• 4.2.3 遗传算子
• 4.2.4 辨识流程
• 4.3 利用遗传算法辨识IEEE AC1A 励磁模型
• 4.3.1 单环节辨识
• 4.3.2 整体辨识
• 4.4 本章小结
• 第五章 结论
• 参考文献
• 致谢
• 在学期间发表的学术论文