基于改进秃鹰搜索算法的变压器J-A模型参数辨识

在对变压器的精确建模中,铁磁材料特性的表示是一大关键点。J-A磁滞模型具有参数较少、物理意义清晰等优点,在研究中得到广泛应用。针对现有J-A模型参数辨识所使用的优化算法存在精度低、耗时久等问题,本文提出了一种基于改进秃鹰搜索算法,以实现对J-A磁滞模型参数的快速、精确辨识。该方法融合混沌映射、精英反向学习及自适应权重,能使算法具有很好的全局搜索能力与局部搜索能力,将待求值快速收敛于全局最优值。本文使用该算法对磁滞曲线的J-A磁滞模型参数进行辨识,然后基于所得到的参数对磁性材料的磁滞特性进行模拟,并将模拟结果与其他算法的模拟结果进行了对比分析。结果表明,使用该算法辨识模型参数时收敛速度更快、辨识精度更高,且基于该算法所辨识的参数模拟磁滞回线与实测曲线吻合较好,验证了该算法的实用性、有效性与优越性。

基于旗鱼优化算法与扰动观察法复合控制的最大功率点跟踪策略

针对传统的最大功率点跟踪MPPT(maximum power point tracking)方法在部分遮阴条件下陷入局部最优而失效,且常见的智能优化算法往往存在收敛精度差、收敛速度慢、系统稳定性不高等问题,提出1种基于旗鱼优化SFO(sailfish optimization)算法与扰动观察P&O(perturbation and observation)法混合控制的光伏系统最大功率跟踪策略。SFO算法同时使用旗鱼(捕食者)和沙丁鱼(猎物)2个种群,可保证粒子在全局空间探索。所提混合算法先利用SFO算法快速跟踪到最大功率点附近,再利用小步长P&O法对最大功率点进行精细搜索,最后利用分段步长的方法同时兼顾MPPT搜索速度和搜索精度的要求。仿真结果表明,所提混合控制策略有效提升了控制系统的响应速度及跟踪精度,提升了系统的稳定性。