一种Jiles‑Atherton模型参数辨识方法和装置制造方法及图纸

本发明专利技术公开了一种Jiles‑Atherton模型参数辨识方法和装置，解决了对于处理J‑A模型这种多目标的复杂优化问题，单一的智能寻优方法往往存在显著缺陷，不利于获取精确的全局最优解，导致的难以进行大范围搜索的同时，在后期寻优过程中难以获得更为精确的结果的结束问题。其中方法包括：建立Jiles‑Atherton互感器磁滞回线模型，获取Jiles‑Atherton互感器磁滞回线模型公式；接收预定的Jiles‑Atherton互感器磁滞回线模型参数的取值范围，获取Jiles‑Atherton互感器磁滞回线模型公式对应的目标函数；通过目标函数对在所述取值范围内的模型参数的初始值和目标函数初始值执行变步长人工鱼群算法进行目标函数寻优获取全局最优解；对全局最优解执行并行模拟退火算法继续进行目标函数寻优，获取目标函数最优值对应的模型参数的值。

A Jiles Atherton model parameter identification method and device

The invention discloses a Jiles Atherton model parameter identification method and device to solve the complex optimization problem for J A model this multi-objective, single intelligent optimization methods often have significant defects, is not conducive to obtaining accurate optimal solutions, the result is hard to carry out large-scale search at the same time, in the the optimization process is difficult to obtain more accurate results over the. The method comprises the following steps: the establishment of Jiles Atherton transformer hysteresis model, obtain the Jiles Atherton transformer hysteresis loop model formula; range of receiving a predetermined Jiles Atherton transformer hysteresis loop model parameters, the objective function to obtain the Jiles Atherton transformer hysteresis formula line corresponding model; implementation of objective function optimization to obtain the global optimal solution of variable step of artificial fish swarm algorithm through the initial objective function of the model parameters in the range of the value of the objective function and the initial value; to perform parallel simulated annealing algorithm to search global optimal solution of the objective function, to obtain the optimal value of the objective function of the model parameters corresponding to the value of.

【技术实现步骤摘要】
一种Jiles-Atherton模型参数辨识方法和装置
本专利技术涉及电工
，尤其涉及一种Jiles-Atherton模型参数辨识方法和装置。
技术介绍
电磁式互感器多使用非线性铁磁材料制作，描述磁滞现象的理论模型有Lucas、Jiles–Atherton模型(简称为J-A模型)等，其中J-A模型因其参数较少、实现方便而被广泛应用在铁磁材料的磁滞建模与仿真中，该模型具有清晰的物理意义，能够真实地描述B-H的非线性关系，通过求解J-A模型方程便能够得到较为准确的B-H磁滞回线。参数辨识经常被用在难以直接获取参数的场合中，即利用拟合参数来逼近理论参数，若误差足够小，则认为拟合参数已经精确到可以取代理论参数。J-A磁滞模型的参数虽具有实际意义，却难以通过实测直接得到，所以要对其进行准确可靠的参数辨识。目前应用于参数辨识领域的常用算法主要是一些基于仿生学的智能优化算法，如遗传算法、差分进化算法、神经网络、粒子群算法等。J-A模型由五个具有实际意义的非线性方程组构成，有Ms、a、α、c、k五个待辨识参数，若这些参数确定，便可以获取唯一对应的B-H曲线。对于J-A模型的参数辨识问题，由于磁本文档来自技高网...

【技术保护点】
一种Jiles‑Atherton模型参数辨识方法，其特征在于，包括：S1：获取Jiles‑Atherton互感器磁滞回线模型公式B＝f([Ms，a，α，c，k]，H)，其中H为磁场强度，B为磁通密度，Ms为饱和磁化强度，a为朗之万函数参数，α为磁畴内部耦合的平均场参数，c为可逆磁化系数，k为损耗系数；S2：接收预定的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的取值范围，获取Jiles‑Atherton互感器磁滞回线模型公式对应的目标函数；S3：通过所述目标函数对在所述取值范围内的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆...

【技术特征摘要】
1.一种Jiles-Atherton模型参数辨识方法，其特征在于，包括：S1：获取Jiles-Atherton互感器磁滞回线模型公式B＝f([Ms，a，α，c，k]，H)，其中H为磁场强度，B为磁通密度，Ms为饱和磁化强度，a为朗之万函数参数，α为磁畴内部耦合的平均场参数，c为可逆磁化系数，k为损耗系数；S2：接收预定的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的取值范围，获取Jiles-Atherton互感器磁滞回线模型公式对应的目标函数；S3：通过所述目标函数对在所述取值范围内的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c、损耗系数k的初始值和目标函数初始值执行变步长人工鱼群算法，迭代进行目标函数寻优获取全局最优解；S4：对所述全局最优解执行并行模拟退火算法继续进行目标函数寻优，获取目标函数最优值对应的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的值。2.根据权利要求1所述的Jiles-Atherton模型参数辨识方法，其特征在于，所述步骤S1具体包括：通过磁化强度M、磁场强度H和磁通密度B的预置第一公式，通过能量守恒原理获取的预置第二公式，通过预置第三公式、预置第四公式、预置第五公式和第六公式，获取Jiles-Atherton互感器磁滞回线模型公式；所述Jiles-Atherton互感器磁滞回线模型公式为B＝f([Ms，a，α，c，k]，H)，其中H为磁场强度；B为磁通密度；Ms为饱和磁化强度；a为朗之万函数参数；α为磁畴内部耦合的平均场参数；c为可逆磁化系数；k为损耗系数；所述预置第一公式为B＝μ0(H+M)，其中μ0＝4π×10-7为真空磁导率，M为磁化强度；所述预置第二公式为其中，He为有效磁场强度，Man为无磁滞磁化强度，Mirr为磁化强度M中的不可逆磁化分量，Mrev为磁化强度M中的可逆磁化分量；所述预置第三公式为He＝H+αM，所述预置第四公式为所述预置第五公式为M＝Mirr+Mrev，所述预置第六公式为Mrev＝c(Man-Mirr)。3.根据权利要求2所述的Jiles-Atherton模型参数辨识方法，其特征在于，所述步骤S2具体包括：接收预定的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的取值范围，通过预置第七公式、预置第八公式和第九公式获取Jiles-Atherton互感器磁滞回线模型公式对应的目标函数Fitness，其中所述预置第七公式为：B计算i＝f([Ms，a，α，c，k]，H实测i)，所述预置第八公式为：所述预置第九公式为：其中N为组数，B计算i为计算的第i组磁通密度，H实测i为实测的第i组磁场强度，B实测i为实测的第i组磁通密度，B实测为实测的磁通密度。4.根据权利要求3所述的Jiles-Atherton模型参数辨识方法，其特征在于，所述变步长人工鱼群算法具体包括：a：初始化人工鱼个数FISHNUM、最大迭代次数MAXGEN，搜索前期阈值Ymax1和定步长STEP，在所述取值范围内初始化鱼群位置{X1,X2,…,Xn}及鱼群目标{Y1,Y2,…,Yn}；b：在鱼群聚群和追尾行为中进行鱼群位置更新，若满足移动条件Y(X)>Yi(Xi)，则将当前人工鱼的位置坐标Xi＝Xi+rand*STEP*|X-Xi|，其中rand是小于1的随机数，对应人工鱼的鱼群目标值Yi；c：获取最大的鱼群目标值BestY＝max[Yi]和对应的鱼群位置BestX＝X[Y＝max[Yi]]；d：判断最大的鱼群目标值BestY是否小于搜索前期阈值Ymax1，若是，则返回执行步骤b进行迭代更新，直至最大的鱼群目标值BestY不小于搜索前期阈值Ymax1或迭代次数大于最大迭代次数MAXGEN，若否，则结束转入并行模拟退火算法；其中鱼群位置Xi为饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的一组取值[Ms，a，α，c，k]，鱼群目标Yi为对应的目标函数Fitness。5.根据权利要求4所述的Jiles-Atherton模型参数辨识方法，其特征在于，所述并行模拟退火算法具体包括：a：获取初始温度T0、终止温度Tend、每个温度下对应的固定迭代次数链长L、降温速度q和最大允许误差per_erro，并将所述全局最优解作为初始温度T0的初解输入至并行模拟退火模型；b：将所述并行模拟退火模型进行迭代更新，同时根据Metropolis法则得到当前最优解besty，以及对应的bestx和当前误差erro；c：判断所述当前误差erro是否大于所述最大允许误差per_erro，若是，令所述初始温度T0＝q*T0，所述当前最优解besty作为初始温度T0的初解，且返回执行步骤b，若否，则BestY＝besty，BestX＝bestx，得到目标函数最优值。6.根据权利要求5所述的Jiles-Atherton模型参数辨识方法，其特征在于，步骤S4之后还包括：S5、判断所述目标函数最优值是否大于预设后期阈值Ymax2，若否，则令所述最大迭代次数MAXGEN＝MAXGEN+1，并返回执行步骤S3，若是，则结束，且所述目标函数最优值对应的饱和磁化强度Ms、朗之万函数参数a、磁畴内部耦合的平均场参数α、可逆磁化系数c和损耗系数k的一组取值[Ms，a，α，c，k]为Jiles-Atherton模型参数辨识结果。7.一种Jiles-Atherton模型参数辨识装置，其特征在于，包...

【专利技术属性】
技术研发人员：林国营，宋强，张鼎衢，潘峰，孟庆亮，党三磊，肖厦颖，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：广东,44