搜索结果: 1-5 共查到“动力与电气工程 模型参数辨识”相关记录5条 . 查询时间(0.118 秒)
为解决锂电池荷电状态（SOC）难以精确估计的问题，提出了基于改进的粒子群优化扩展卡尔曼滤波（IPSO-EKF）算法预测电池SOC。为减小参数非线性特性影响，重新构建了EKF算法电池状态空间方程，以辨识出的电池模型参数为基础，获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵，解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题，进一步提高SOC的估计精度。计算结果表明：IPSO...
基于改进粒子群优化算法的电力线通信多径传输模型参数辨识
低压电力线载波通信 粒子群优化 参数辨识
2009/7/17
基于已有的电力线多径传输模型结构，以0.5~20 MHz范围内的实际低压载波通信信道测量数据为样本，将改进粒子群优化算法应用于低压载波通信信道模型的多参数辨识，通过自适应改变惯性权重提高搜索效率，同时采用模拟退火算法并自适应调整退火温度，克服了基本粒子群算法容易发生早熟收敛的缺点。对路径数为4和18的信道模型进行参数辨识的结果表明：与遗传算法相比，改进的粒子群算法可加速收敛，缩短辨识时间，...
广东电网基于PMU的负荷模型参数辨识研究
负荷模型 参数辨识 负荷模型结构 辨识算法
2009/2/19
建立基于PMU（phasor measurement unit，相量测量装置）数据的广东电网的实测负荷模型和辨识算法，指出PMU数据处理后用于负荷建模，要满足两个基本条件：一是PMU数据采集地点要装在220 kV及以下电压等级的功率受端的纯负荷站点，负荷站出线没有小电源接入；二是PMU数据采集密度达到100 Hz/s以上。以广东电网220 kV清远变电站为例，通过与系统实际响应的对比分析，验证了负...
负荷的精确建模在电力系统分析中的重要性已被电力 工作者所认识到。文中在对自适应的三层前馈网络（ABP）进行修改、简化后，得到简化（或线性）前馈网络（LBP）。 并结合现场试验和仿真数据，对用线性前馈网络和辅助变量法对负荷建模的精度进行了比较。把线性前馈网络作为一种 算法，对负荷动态模型即差分方程的参数进行了辨识。同时， 应用 LBP对负荷静态模型即幂函数和多项式模型的参数进 行了辨识，还提出基于人...