基于多策略融合粒子群算法的油纸绝缘参数辨识

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (795 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对粒子群优化算法收敛速度较慢、易陷入局部最优、收敛结果不够稳定等问题,本文从初始种群、边界处理、惯性权重三个方面对传统粒子群算法进行改进,提出多策略融合粒子群算法（MSF-PSO）,并通过测试函数证明了MSF-PSO可大幅提高计算速度和计算效率。将MSF-PSO应用于变压器油纸绝缘介电响应的德拜等效电路参数辨识中,计算结果表明,与其他粒子群优化算法相比,该算法获得的回复电压极化谱能更好地与现场测试获得的回复电压极化谱相吻合,进一步验证了本文所提改进算法的准确性,可为诊断变压器油纸绝缘设备老化情况提供参考。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐晨展
	刘庆珍

关键词 ：油纸绝缘, 参数辨识, 回复电压, 粒子群优化, 回复电压极化谱

Abstract：To address the issues of slow convergence speed, susceptibility to local optima, and unstable convergence results in particle swarm optimization (PSO) algorithm, this paper proposes a multi-strategy fusion particle swarm optimization (MSF-PSO) by enhancing the traditional PSO algorithm in three aspects: initial population, boundary handling, and inertia weight. Through the examination of testing functions, the MSF-PSO algorithm is proven to considerably enhance computational speed and efficiency. The MSF-PSO algorithm is applied to the identification of parameters for the Debye equivalent circuit in the dielectric response of oil-paper insulation. The computational results demonstrate that the polarization spectrum of the recovered voltage obtained by this algorithm exhibits better concordance with the polarization spectrum of the recovered voltage acquired from field tests, in comparison to other particle swarm optimization algorithms. This further validates the accuracy of the proposed method and establishes a crucial foundation for diagnosing the aging condition of transformer oil-paper insulation equipment.

Key words： oil-paper insulation parameter identification recovery voltage particle swarm optimization recovery voltage polarization spectrum

收稿日期: 2024-05-15

作者简介: 徐晨展（2000—）,男,汉族,湖南省长沙市人,硕士研究生,主要从事电力设备绝缘老化诊断方面的研究工作。

引用本文:

徐晨展, 刘庆珍. 基于多策略融合粒子群算法的油纸绝缘参数辨识[J]. 电气技术, 2024, 25(9): 14-21. XU Chenzhan, LIU Qingzhen. Identification of oil-paper insulation parameters based on multi-strategy fusion particle swarm optimization. Electrical Engineering, 2024, 25(9): 14-21.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2024/V25/I9/14

[1] 赖汶鸿, 刘庆珍, 鄢仁武. 基于关联信息熵和轻量级梯度提升机的油纸绝缘特征优选策略[J]. 电气技术, 2024, 25(1): 34-41, 47.
[2] 林朝明, 叶荣. 油浸式变压器绝缘诊断方法的研究进展[J]. 电气技术, 2019, 20(12): 1-6, 22.
[3] 邹阳, 林锦煌, 何津, 等. 基于频谱解构法的油纸绝缘扩展德拜模型参数辨识[J]. 电工技术学报, 2023, 38(3): 622-632.
[4] 苏凯强, 刘庆珍. 基于TLS-ESPRIT算法的变压器油纸绝缘等效电路参数辨识及新特征量提取[J]. 电气技术, 2022, 23(7): 89-96.
[5] 史加奇, 赵春明, 许文燮, 等. 基于WOA-LM算法的变压器油纸绝缘等效模型参数辨识[J]. 水电能源科学, 2021, 39(8): 190-193.
[6] 陈俊鸿, 刘庆珍, 高浩. 基于矩阵束算法的油纸绝缘变压器去极化电流等效电路参数辨识[J]. 广东电力, 2021, 34(1): 89-96.
[7] 莫仕勋, 杨皓, 蒋坤坪, 等. 基于改进秃鹰搜索算法的变压器J-A模型参数辨识[J]. 电工电能新技术, 2022, 41(4): 67-74.
[8] 林峻宁, 严柏平, 冯浩文, 等. 基于模拟退火改进PSO算法的J-A磁滞模型参数辨识[J]. 变压器, 2024, 61(2): 26-34.
[9] 王杰, 姜念, 张毅. SVM算法的区间自适应PSO优化及其应用[J]. 郑州大学学报(工学版), 2011, 32(1): 75-79.
[10] 林智勇, 蔡金锭. 油纸绝缘极化等效电路参数计算方法[J]. 电机与控制学报, 2014, 18(8): 62-66.
[11] 李秋红. 基于改进粒子群算法的前馈神经网络识别用户窃电行为[J]. 电气技术, 2022, 23(11): 44-48.
[12] 龙文, 伍铁斌, 唐明珠, 等. 基于透镜成像学习策略的灰狼优化算法[J]. 自动化学报, 2020, 46(10): 2148-2164.
[13] 徐杰, 周新志. 基于边界自适应技术的精英交互学习粒子群算法[J]. 计算机科学, 2023, 50(11): 210-219.
[14] 张慧峰, 邹德旋, 刘树赵, 等. 融合反向学习和黄金正弦的改进粒子群算法[J]. 计算机时代, 2023(4): 48-52, 57.
[15] SHI Y, EBERHART R.A modified particle swarm optimizer[C]//1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No. 98TH8360), Anchorage, AK, USA, 1998: 69-73.
[16] 陈群静, 蔡金锭, 叶荣. 基于去极化电量的油纸绝缘变压器微水含量评估[J]. 电气技术, 2019, 20(3): 62-66.
[17] 蔡超, 刘庆珍, 范映, 等. 基于油纸绝缘变压器回复电压法的半峰周期极化谱分析[J]. 电气技术, 2020, 21(3): 79-83, 90.
[18] 孔鹏飞. 融合爬山策略的改进粒子群混合路径规划算法[J/OL]. 电光与控制, 1-8 [2024-06-04]. http://kns.cnki.net/kcms/detail/41.1227.TN.20240524.0905.002.html.
[19] 高森, 王康, 姜宏昌, 等. 基于改进粒子群算法的永磁同步电机参数辨识[J]. 微特电机, 2023, 51(11): 65-70.