Uncertainty Distribution Assessment of Jiles-Atherton Parameter Estimation for Inrush Current Studies

变压器是交流配电网和可再生能源集成中的关键资产之一。在变压器通电过程中会出现涌流电流，这会导致变压器退化并可能引起电网不稳定事件。这些涌流电流是变压器磁芯在连接到电网时饱和的结果。变压器磁芯通常由Jiles-Atherton（JA）模型建模，其中包含五个参数。这些参数可以通过元启发式搜索算法进行估计。参数初始化在算法收敛中起着重要作用。最流行的JA参数初始化策略是随机均匀分布。然而，使用概率密度函数（PDF）进行参数初始化的技术已经证明可以提高精度。在这个背景下，这项研究提出了一个框架，评估不同参数初始化策略对涌流电流研究中JA参数估计性能的影响。根据可用数据和专业知识，不确定性水平用不同的PDF进行建模。此外，采用了三种不同的元启发式搜索算法，在两种不同的磁芯材料上进行比较其精度和计算时间。结果表明，使用PDF参数初始化可以提高元启发式算法的精度和计算时间。

本文旨在解决变压器启动时出现的瞬态过电流问题，并验证不同参数初始化策略对参数估计的影响。该问题在AC分布式电网和可再生能源集成中很常见。

使用概率密度函数（PDFs）进行参数初始化可以提高Jiles-Atherton（JA）模型参数估计的准确性和计算时间。

该论文提出了一个框架来评估不同参数初始化策略对JA参数估计的影响，包括使用不同的PDFs来建模不确定性水平，比较了三种不同的元启发式搜索算法在两种不同的核心材料上的准确性和计算时间。实验结果表明，使用PDF参数初始化可以提高元启发式算法的准确性和计算时间。

最近的相关研究包括使用其他元启发式算法和不同的核心材料进行JA参数估计，例如“Differential Evolution Algorithm-Based Parameter Identification of Jiles-Atherton Model for Magnetic Hysteresis Loops”。