CAJ | 학술논문

为解决同步发电机三阶非线性模型参数辨识问题,在将参数辨识问题转化为非线性优化问题的基础上,引入粒子群优化(particle swarm optimization,PSO)算法.考虑到PSO收敛速度慢、参数辨识精度低,而量子粒子群优化(quantum particle swarm optimization,QPSO)算法收敛速度快、具有较好的全局搜索能力,将量子操作引入到PSO算法中,提出了粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)优化算法.仿真试验结果表明,与PSO算法、QPSO算法相比,PSO-QO算法收敛速度快、参数辨识精度高、算法更为稳定；与经典扩展卡尔曼滤波(extended Kalman filter,EKE)方法相比,PSO-QO具有更强的鲁棒性,尽管强噪声条件下参数辨识精度有所下降,但效果仍优于EKF.
위해결동보발전궤삼계비선성모형삼수변식문제,재장삼수변식문제전화위비선성우화문제적기출상,인입입자군우화(particle swarm optimization,PSO)산법.고필도PSO수렴속도만、삼수변식정도저,이양자입자군우화(quantum particle swarm optimization,QPSO)산법수렴속도쾌、구유교호적전국수색능력,장양자조작인입도PSO산법중,제출료입자군-양자조작(particle swarm optimization with quantum operation,PSO-QO)우화산법.방진시험결과표명,여PSO산법、QPSO산법상비,PSO-QO산법수렴속도쾌、삼수변식정도고、산법경위은정；여경전확전잡이만려파(extended Kalman filter,EKE)방법상비,PSO-QO구유경강적로봉성,진관강조성조건하삼수변식정도유소하강,단효과잉우우EKF.