Jiles-Atherton （J-A）磁滞模型静态参数辨识结果直接影响其对变压器铁心磁滞特性的预测效果。针对目前单一智能算法存在的寻优能力差、计算时间长等问题,提出了一种人工鱼群算法与优化惯性权重线性递减粒子群优化算法相结合的混合算法。搭建变压器铁心磁性能测试系统,对正弦激励下变压器铁心的磁滞特性和损耗特性进行实验研究。对比分析了所提混合算法与其他单一智能算法对J-A模型的参数辨识速度与精度。结果表明,混合算法辨识结果的均方根误差仅为0.006 9,低于其他单一智能算法的相应结果,证明了该混合算法相较于其他单一智能算法,具有不易陷入局部最优解、收敛速度快、参数辨识精度高等优点。此外,考虑交变磁场下动态损耗分量对变压器铁心磁滞特性的影响,修正现有动态损耗系数求解方法,建立了J-A动态磁滞模型。通过对比动态磁滞回线模型预测结果与实验数据,验证了该方法的正确性与有效性。
