基于支持向量机和粒子群算法的励磁系统频域辨识  

Frequency-domain Parameter Identification of Exciting System Based on Support Vector Machine and Particle Swarm Optimization Algorithms

作　　者：刘瑞兰[1] 刘蔚[2] 

机构地区：[1]南京邮电大学自动化学院,江苏南京210046 [2]广西电力试验研究院有限公司,广西南宁530023

出　　处：《南京邮电大学学报（自然科学版）》2010年第5期42-46,共5页Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition

摘　　要：针对励磁系统参数实测及建模问题,提出了采用支持向量机和粒子群算法进行励磁系统参数频域辨识的方法。先用支持向量机方法来提取特征样本,然后采用粒子群算法和这些少量的特征样本对励磁系统进行参数辨识。用支持向量机筛选出的特征样本一方面可以减少粒子群算法的计算时间,另一方面还可以提高模型的辨识精度。实际算例表明粒子群算法用于频域辨识时实现过程简单,对简单模型和复杂模型都可以得到较好的辨识效果。A frequency-domain parameter identification method based on SVM（support vector machine） and PSO（particle swarm optimization） algorithms is proposed to identify the parameters of exciting system.First,the feature samples are selected by SVM regression algorithm.Then the parameters of exciting system are identified by the PSO algorithm using the feature samples instead of all samples.The calculation time of the PSO algorithm is reduced and the accuracy of the model identified is increased by use of feature samples.The example based on measured data shows that the proposed method is simple to be implemented and can get better identification results under both simple model and complicate model.

关 键 词：励磁系统 参数辨识 粒子群算法 支持向量机 

分 类 号：TM712[电气工程—电力系统及自动化] TP181[自动化与计算机技术—控制理论与控制工程]