电机数学模型对于远距离输电系统中远离负荷中心的同步发电机而言，可将其外部等值为一个无穷大系统，无穷大母线U=1.00∠，如示。单机无穷大系统一般接线同步发电机模型选用的是5阶模型，方程式式中：K=Xad/rf比例系数；D阻尼系数；H机组惯性时间常数。

　　辨识方法基本原理基于优化的参数估计方法的主要过程是寻找一个最优的参数矢量Z，使得误差目标函数E最小。即）（minZEZ=误差目标函数通常选取输出误差的平方函数∑==NKemkYkYE02）>（<式中：Ym测量值（或真实值）；Ye计算值。

　　对同步发电机的五阶模型而言，d、q轴电气方程（参数）和转子机械方程（参数）之间是解耦的，可以分开辨识。应该注意的是，在辨识转子机械参数时，由于电磁转矩eM较难测量，噪声污染严重，因此，本文先辨识电气参数，然后采用电气参数辨识所得的值来计算电磁转矩，并以此作为辨识机械参数时的输入信号。分开辨识时，各自的参数辨识矢量、输出量测矢量和目标函数分别为：TdKTXZ>，<0′′′=，或TqTX>，<0′′，或TDH>，<；TdIY><=或TqI><或T><δ；2）（dedmIE=或2）（qeqmII或2）（emδ，其中，Ide、Iqe、δe均为参数矢量Z的函数。

　　最小二乘法在系统辨识领域中，最小二乘法是一种基本的估计方法。考虑模型：）（h）（kekzT+=α）（hkT和z（k）是可观测数据，α是待估计参数组成的向量，取如下准则函数：21T2>）（h）（<）>（<）（α∑=LkLkzkeJ具体使用时，一般采用最小二乘递推算法（RLS）。

　依据上面的思想，整个流程图如。图中error1为EPSO算出的目标函数值，1ε为允许误差，N1为当前迭代次数，max1N为EPSO算法中的最大迭代次数。max2errorNN、、ε为最小二乘法中的控制量，其意义和EPSO中的类似。

　　算例仿真和分析用文献<5>中的一台100MW的汽轮发电机作为辨识对象，且采用的是同步发五阶模型，其设计值见。把文献<5>中的辨识结果作为此发电机在某运行状态下的真值。

　　本文的扰动为励磁电压突降30%，功角输出为输出量测量。用MATLAB进行仿真，时间长度取的是5s，积分步长为0.005s.仿真结果见、、。由于d轴、q轴和机械参数的辨识方法基本一致，所以、仅以d轴参数的辨识为例。

　　说明，EPSO算法作为一种随机搜索算法，对优化问题无可微性和连续性的要求，对迭代初值的选择也没有太多的要求，具有全局收敛性、通用性及鲁棒性强的优点，但是其收敛速度不快，收敛精度也不是很高，而且对噪声污染较敏感（中是在各量测量qfduui，，上人为地加入零均值的随机白噪声，其最大幅值为正常值的5%±）。

　　EPSO辨识结果参数XdX′dX′0dT0dT′K迭代次数粒子数真值1.3140.33280.20765.8500.19401352辨识值1（无噪声）1.43440.33280.20776.27690.17881404100误差1（无噪声）9.16%0%0.05%7.30%7.84%3.85%100辨识值2（无噪声）1.4210.33350.20746.4030.17941409100250误差2（无噪声）8.14%0.20%0.09%9.45%7.52%4.22%100250辨识值3（加入噪声）1.53040.33330.305.6160.11479.2100误差3（加入噪声）16.47%0.15%4.00%9.40%100的结果验证了本文的想法：把两种方法结合起来后，既大大减少了单用EPSO算法的迭代次数，又解决了最小二乘法的初值设定问题。

　　用此混合算法辨识出来的参数，己经把饱和、涡流等非线性因素和外部系统对同步发电机的影响都包括进去了，符合电机的实际运行状态，可以达到对同步发电机运行状态较好的仿真效果。