CN102592030B - 发电机参数辨识处理方法及其系统 - Google Patents

Abstract

本发明提供一种发电机参数辨识处理方法及其系统，所述方法包括以下步骤：建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；根据设定的大小和持续时间，对发电机施加所述参考激励信号；根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。本发明提供的发电机参数辨识处理方法能够准确辨识发电机参数，解决传统的发电机参数辨识处理方法对发电机参数的辨识结果不准确的问题。

Description

发电机参数辨识处理方法及其系统

技术领域

本发明涉及发电机参数辨识处理技术领域，尤其涉及一种发电机参数辨识处理方法，以及一种发电机参数辨识处理系统。

背景技术

我国电网的容量和规模日益增大，电力系统的安全问题日益突出，发电机的模型与参数作为仿真计算的重要环节，其参数的不准确性将直接影响到电力系统稳定计算结果。目前，我国大多数电厂的发电机参数数据不全，并且一般实测所获得的试验参数与典型参数或设计参数有一定差别，个别数据偏差高达20%。

国内电力运行和科研部门对电力系统数学模型动态参数库的工作十分重视。目前辨识发电机参数辨识处理的两大主要方法为抛载法和基于扰动数据的最小二乘辨识方法，抛载法是在特定的转子位置下，突然切除负载，利用定子端电压的衰减曲线、励磁绕组电流的变化曲线来求取发电机导出相应的发电机参数x_d、x'_d、x"_d、T_d′₀、T_d"₀、x_q、x'_q、x"_q、T_q′₀、T_q"₀等。抛载法包括d轴抛载和q轴抛载两部分试验，其中d轴抛载试验所需工况很容易实现，q轴抛载试验所需工况则不易实现，往往需要多次试验。抛载法在一定程度上考虑了饱和的影响，但试验时将产生一定的有功或无功冲击，在实际生产中较难实现。

基于扰动数据的最小二乘辨识方法在现场容易实现，且对电网和机组的冲击小，但是，在使用最小二乘法辨识同步电机参数过程中，尚存在以下问题：由于发电机运行特性的非线性，某种特定工况下辨识出来的参数结果不能适用于各种工况计算；多种工况下存在多值性和收敛性的问题，且待辨识的参数个数越多，多值性和收敛性的问题越严重，因此对发电机参数的辨识结果并不准确。

发明内容

为解决传统的发电机参数辨识处理方法对发电机参数的辨识结果不准确的问题，本发明提供一种能够准确辨识发电机参数的发电机参数辨识处理方法。

一种发电机参数辨识处理方法，包括以下步骤：

建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；

如果在其中一种激励信号作用下，计算出所述发电机参数对测量信号的轨迹灵敏度超过预设值，则选择相应类型的激励信号作为所述发电机参数的参考激励信号；

如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短；

根据设定的大小和持续时间，对发电机施加所述参考激励信号；

根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

与现有技术相比较，本发明的发电机参数辨识处理方法中，在不同的激励信号下计算发电机参数对测量信号的轨迹灵敏度，因此能够根据所述轨迹灵敏度选择对发电机参数影响最大的参考激励信号，并施加到发电机，再根据发电机在这些特定的参考激励信号下的实际扰动数据进行参数辨识，辨识结果最接近实际，最准确。

在一个实施例中，在计算所述轨迹灵敏度时，进一步根据在多个采样点计算的所述轨迹灵敏度，计算在不同的激励信号下所述发电机参数对测量信号的平均轨迹灵敏度；根据所述平均轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

通过所述平均轨迹灵敏度的计算，可以使参考激励信号的选取更加的准确，提高对发电机参数的辨识结果的准确性。

本发明提出的发电机参数辨识处理方法与传统方法相比较，结合了有效、完善的面向发电机参数实测激励信号的轨迹灵敏度，所述轨迹灵敏度和平均轨迹灵敏度分别从发电机参数的个性特征和宏观角度，对发电机参数辨识所采用的参考激励信号进行选择和设定，补充和完善了传统发电机参数辨识方法的辨识结果不准确的缺陷。

为解决传统的发电机参数辨识处理方法对发电机参数的辨识结果不准确的问题，本发明还提供一种能够准确辨识发电机参数的发电机参数辨识处理系统。

一种发电机参数辨识处理系统，包括：

灵敏度运算模块，用于建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

激励设定模块，用于根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；在所述灵敏度运算模块计算出的所述轨迹灵敏度超过预设值时，选择相应类型的激励信号作为所述发电机参数的参考激励信号；如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短；

发电机激励模块，用于根据设定的大小和持续时间，对发电机施加所述参考激励信号；

参数辨识模块，用于根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

与现有技术相比较，本发明的发电机参数辨识处理系统中，所述灵敏度运算模块在不同的激励信号下计算发电机参数对测量信号的轨迹灵敏度，所述激励设定模块根据所述轨迹灵敏度选择对发电机参数影响最大的参考激励信号，并由所述发电机激励模块施加到发电机，再由所述发电机激励模块根据发电机在这些特定的参考激励信号下的实际扰动数据进行参数辨识，辨识结果最接近实际，最准确。

在一个实施例中，所述灵敏度运算模块在计算所述轨迹灵敏度时，进一步根据在多个采样点计算的所述轨迹灵敏度，计算在不同的激励信号下所述发电机参数对测量信号的平均轨迹灵敏度；所述激励设定模块根据所述平均轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

通过所述平均轨迹灵敏度的计算，可以使参考激励信号的选取更加的准确，提高对发电机参数的辨识结果的准确性。

本发明提出的发电机参数辨识处理系统与现有技术相比较，结合了有效、完善的面向发电机参数实测激励信号的轨迹灵敏度，所述轨迹灵敏度和平均轨迹灵敏度分别从发电机参数的个性特征和宏观角度，对发电机参数辨识所采用的参考激励信号进行选择和设定，补充和完善了传统发电机参数辨识方法的辨识结果不准确的缺陷。

附图说明

图1是本发明发电机参数辨识处理方法的流程示意图；

图2是本发明建立的发电机单机无穷大系统模型示意图；

图3是本发明中施加上阶跃扰动下d轴参数轨迹灵敏度曲线图；

图4是本发明中施加定子侧电压短路扰动下d轴参数轨迹灵敏度曲线图；

图5是本发明中施加脉冲扰动下d轴参数轨迹灵敏度曲线图；

图6是本发明中施加脉冲扰动下q轴参数轨迹灵敏度曲线图；

图7是本发明中施加下阶跃扰动下q轴参数轨迹灵敏度曲线图；

图8是本发明中施加不同阶跃量时的d轴参数平均轨迹灵敏度曲线图；

图9是本发明中施加不同持续时间及脉冲大小d轴参数平均轨迹灵敏度曲线图；

图10是本发明中施加定子侧电压扰动不同持续时间时的d轴参数平均轨迹灵敏度曲线图；

图11是本发明中施加不同下阶跃量时的q轴参数平均轨迹灵敏度曲线图；、

图12是本发明中施加不同上阶跃量时的q轴参数平均轨迹灵敏度曲线图；

图13是本发明中施加不同脉冲峰值时的q轴参数平均轨迹灵敏度曲线图；

图14是本发明中施加不同脉冲持续时间时的q轴参数平均轨迹灵敏度曲线图；

图15是本发明中施加定子侧电压扰动故障较小时不同持续时间时q轴参数平均轨迹灵敏度曲线图；

图16是本发明中施加定子侧电压扰动故障较大时不同持续时间时q轴参数平均轨迹灵敏度曲线图；

图17是本发明发电机参数辨识处理系统的结构示意图。

具体实施方式

请参阅图1，图1是本发明发电机参数辨识处理方法的流程示意图。

所述发电机参数辨识处理方法包括以下步骤：

步骤S101，建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

在本步骤中，首先，采用MATLAB程序建立单机无穷大系统模型，如图2所示，其中发电机的模型采用BPA程序中的6阶发电机模型，具体分析发电机的参数包括x_d、x'_d、x"_d、T_d′₀、T_d"₀、x_q、x'_q、x"_q、T_q′₀、T_q"₀共10个。

然后，按照以下公式计算发电机参数在不同的激励信号下对测量信号的轨迹灵敏度：

$\frac{\∂y(t,\mathrm{\θ})}{\∂\mathrm{\θ}}=\underset{\mathrm{\Δ\θ}\→0}{\lim }\frac{y(t,{\mathrm{\θ}}_0+\mathrm{\θ})-y(t,{\mathrm{\θ}}_0)}{\mathrm{\Δ\θ}}$

其中，y为系统量测信号，θ为发电机参数，Δθ为参数变化量，t为时间。

上式中y为系统量测信号，分别是发电机定子电流的d轴分量id或者发电机定子电流的q轴分量iq，即计算d轴发电机参数的轨迹灵敏度时y取id，而计算q轴发电机参数的轨迹灵敏度时y取iq；θ为相应的发电机参数，包括d轴发电机参数x_d、x'_d、x"_d、T_d′₀、T_d"₀和q轴发电机参数x_q、x'_q、x"_q、T_q′₀、T_q"₀共10个参数；Δθ为发电机参数变化量；t为时间。

所述轨迹灵敏度表明了发电机参数在当前激励信号扰动过程中的动态影响规律，若某段时间内A参数的轨迹灵敏度大，说明A参数对这段时间内动态过程影响大，即该段时间的扰动数据的特征主要体现了A参数的影响。

下面具体分析d轴发电机参数和q轴发电机参数在不同类型的激励信号下的轨迹灵敏度计算。

首先，d轴发电机参数在不同激励信号下的轨迹灵敏度计算：

1）在发电机励磁电压上叠加上阶跃扰动激励信号，然后计算d轴发电机参数的轨迹灵敏度，获得的计算结果如图3所示，其中T_d′₀的轨迹灵敏度最大，T_d"₀的轨迹灵敏度最小。在上阶跃扰动激励信号下，参数T_d′₀的影响最大，参数T_d"₀的影响最小。

2）在发电机定子侧实际短路扰动激励信号，然后计算d轴发电机参数的轨迹灵敏度，获得的计算结果如图4所示，其中x′_d和x"_d的轨迹灵敏度比其它参数大，它们的轨迹灵敏度曲线在短路持续时间内较大，之后迅速减小。

3）在励磁电压上叠加脉冲扰动激励信号，然后计算d轴发电机参数的轨迹灵敏度，获得的计算结果如图5所示，x'_d、x"_d、T_d′₀轨迹灵敏度较大。

从参数对输出的轨迹灵敏度曲线图来看，T_d"₀在所有参考激励信号下均表现出较小的灵敏度，说明该参数对仿真计算的结果影响较小。

其次，q轴发电机参数在不同激励信号下的轨迹灵敏度计算：

1）在励磁电压上叠加脉冲扰动激励信号，然后计算q轴发电机参数的轨迹灵敏度，获得的计算结果如图6所示。x'_q的输出灵敏度较大，其它三个q轴参数灵敏度较小，x′_q占主导作用。

2）在励磁电压上叠加下阶跃扰动激励信号，计算的到T_q′₀的轨迹灵敏度相对较大，如图7所示。

从参数对输出的轨迹灵敏度曲线图来看，x_q的轨迹灵敏度在大多数扰动情况下都是最大，x"_q和T_q"₀的平均轨迹灵敏度在各种扰动中都不是很大。

步骤S102，根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；

在本步骤中，根据步骤1的计算结果，筛选出发电机待辨识的10个参数所需的激励信号类型。具体地，可按照以下方法选择对应的激励信号：

预先设定在各种激励信号下所述轨迹灵敏度的标准预设值；

如果在其中一种激励信号作用下，计算出所述发电机参数对测量信号的轨迹灵敏度超过所述标准预设值，则选择相应类型的激励信号作为所述发电机参数的参考激励信号。

例如，在施加短路扰动激励信号时，计算出d轴发电机参数的x_d和x_d的轨迹灵敏度比其它参数大，它们的轨迹灵敏度曲线在短路持续时间内较大，之后迅速减小，因此，辨识x′_d和x"_d须选择在发出短路扰动激励信号的短路持续时间内进行该参数辨识。

又如，在励磁电压上叠加脉冲扰动激励信号，计算出d轴发电机参数的x′_d、x"_d、T_d′₀轨迹灵敏度较大，因此，辨识x"_d可选择脉冲扰动激励信号。

在根据所述轨迹灵敏度的大小，设定所述参考激励信号的大小和持续时间时，也可以采用下面的方法来进行设定：

如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；

如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短。

步骤S103，根据设定的大小和持续时间，对发电机施加所述参考激励信号；

在本步骤中，按照在步骤二中选择的参考激励信号的信号类型，设定好的参考激励信号的大小和持续时间，对发电机施加所述参考激励信号。

步骤S104，根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

在本步骤中，根据发电机在施加特定参考激励信号下，发生的实际的扰动情况，获取扰动数据，并根据扰动情况对相应的发电机参数进行常规的参数在线辨识操作，获得准确的参数辨识结果。

与现有技术相比较，本发明的发电机参数辨识处理方法中，在不同的激励信号下计算发电机参数对测量信号的轨迹灵敏度，因此能够根据所述轨迹灵敏度选择对发电机参数影响最大的参考激励信号，并施加到发电机，再根据发电机在这些特定的参考激励信号下的实际扰动数据进行参数辨识，辨识结果最接近实际，最准确。

作为一个优选实施方式，在步骤S101中，在计算发电机参数在不同的激励信号下对测量信号的轨迹灵敏度时，可根据在多个采样点计算的所述轨迹灵敏度，进一步计算所述发电机参数在不同的激励信号下的平均轨迹灵敏度：

则在选择参考激励信号，以及设定参考激励信号的大小和持续时间时，可根据所述平均轨迹灵敏度的大小，选择对应的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

通过所述平均轨迹灵敏度的计算，可以使参考激励信号的选取更加的准确，提高对发电机参数的辨识结果的准确性。

在本实施例中，为了从宏观上比较某一激励信号下发电机参数的相对灵敏度大小，计算整个扰动过程中发电机参数对量测信号y的平均轨迹灵敏度，平均轨迹灵敏度定义为参数轨迹灵敏度绝对值的平均值：

$S=\frac{1}{k}\underset{n=1}{\overset{k}{\mathrm{\Σ}}}\left|\frac{\∂y(n,\mathrm{\θ})}{\∂\mathrm{\θ}}\right|$

式中，k为执行轨迹灵敏度计算的采样次数。

下面具体分析d轴发电机参数和q轴发电机参数在不同类型的激励信号下的平均轨迹灵敏度计算。在轨迹灵敏度分析的基础上分析步骤1中的10个发电机参数的平均轨迹灵敏度。

首先，d轴发电机参数在不同激励信号下的平均轨迹灵敏度计算：

1）在励磁上叠加不同大小的下阶跃与上阶跃激励信号，然后计算d轴发电机参数的平均轨迹灵敏度，d轴各发电机参数的平均轨迹灵敏度的变化情况见图8。其中，x_d、T_d'₀、x'_d参数的平均轨迹灵敏度较大，且随着阶跃量增大而增大，而x"_d、T_d"₀的平均轨迹灵敏度较小，随阶跃量增大基本不变。下阶跃激励扰动时，参数x_d、T_d′₀灵敏度最大；上阶跃激励扰动时，参数T_d′₀灵敏度最大。

2），在励磁上叠加不同大小的脉冲激励信号，脉冲峰值为正表示向上脉冲，脉冲峰值为负表示向下脉冲，随着脉冲持续时间的增长和脉冲量越大，各个参数的平均轨迹灵敏度增大，而向上脉冲比向下脉冲对参数的平均轨迹灵敏度的增长影响更大，见图9。另外可以得出，在脉冲扰动中瞬态参数T_d′₀灵敏度均为最大。

3）在定子侧进行短路激励扰动，这里采用的是在发电机出口的升压变压器的高压端进行短路故障来模拟。当故障持续时间越长，参数的平均轨迹灵敏度越大，见图10。故障较大时（机端电压跌落至0.6左右），参数x′_d的平均轨迹灵敏度较大；故障较小时（机端电压跌落至0.8左右），参数x′_d的平均轨迹灵敏度较大。

其次，q轴发电机参数在不同激励信号下的平均轨迹灵敏度计算：

1）在励磁电压上叠加不同大小的下阶跃激励信号，x_q的平均轨迹灵敏度最大，并且明显大于其他参数的灵敏度，其次是T_d′₀的平均轨迹灵敏度较大，见图11。在励磁电压上叠加不同大小的上阶跃激励信号情况下，结论和下阶跃激励信号一致，见图12。

2）在励磁电压上叠加不同大小的脉冲激励信号，x_q的平均轨迹灵敏度最大，并且明显大于其他参数的灵敏度，其次是x′_q平均轨迹灵敏度较大，见图13、图14。

3）在定子侧进行短路激励扰动，随着故障持续时间增长，参数的平均轨迹灵敏度增大，瞬态参数灵敏度的增长较快。相对其它扰动，在定子侧短路故障较小时，x"_q和T_q"₀的平均轨迹灵敏度明显大于其他参数，见图15。定子侧短路故障较大时（图16）情况与图15类似。

最后，根据以上计算结果，筛选出发电机待辨识的10个参数所需的激励信号方式及大小。

例如根据步骤一和上述平均轨迹灵敏度的分析，结合各发电机参数在不同激励信号下的轨迹灵敏度和平均轨迹灵敏度变化规律，筛选出发电机待辨识的10个参数的参考激励信号方式如下：

d轴发电机参数筛选出的参考激励信号分别为：

参数xd的参考激励信号：励磁电压下阶跃、上阶跃激励和脉冲激励；

参数x′_d的参考激励信号：励磁电压下阶跃、上阶跃激励、脉冲激励和定子侧短路激励；

参数x′_d的参考激励信号：定子侧短路激励；

参数T_d′₀的参考激励信号：励磁电压下阶跃、上阶跃激励和脉冲激励；

参数T_d"₀在所有激励信号下均表现出较小的灵敏度，说明该参数对仿真计算的结果影响较小。

q轴参数筛选出的参考激励信号分别为：

参数x_q的参考激励信号：励磁电压下阶跃、上阶跃激励、脉冲激励和定子侧短路激励。该参数在各种扰动中均表现出较大的灵敏度，各种激励信号下均容易辨识出该参数；

参数x′_q的参考激励信号：定子侧短路激励，励磁电压下阶跃、上阶跃激励和脉冲激励；

参数x′_q的参考激励信号：定子侧短路激励；

参数T_q′₀的参考激励信号：励磁电压下阶跃、上阶跃激励和脉冲激励；

参数T_q"₀在所有激励信号下均表现出较小的灵敏度，说明该参数对仿真计算的结果影响较小。

本发明提出的发电机参数辨识处理方法与传统方法相比较，结合了有效、完善的面向发电机参数实测激励信号的轨迹灵敏度，所述轨迹灵敏度和平均轨迹灵敏度分别从发电机参数的个性特征和宏观角度，对发电机参数辨识所采用的参考激励信号进行选择和设定，补充和完善了传统发电机参数辨识方法的辨识结果不准确的缺陷。

本发明给出了BPA程序用发电机6阶模型的10个参数的有效激励信号，在这些信号的激励下，对应参数的辨识结果是非常准确有效的。

另外，本发明给出了发电机参数在不同激励信号下的轨迹灵敏度分析，据此可指导发电机参数辨识过程中进行分步、降阶辨识处理，以提高辨识结果的精度，使辨识结果更加接近实际运行工况。

请参阅图17，图17是本发明发电机参数辨识处理系统的结构示意图。

所述发电机参数辨识处理系统包括：灵敏度运算模块11，激励设定模块12，发电机激励模块13，以及参数辨识模块14

所述灵敏度运算模块11用于建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

所述激励设定模块12用于根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；

所述发电机激励模块13用于根据设定的大小和持续时间，对发电机施加所述参考激励信号；

所述参数辨识模块14用于根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

与现有技术相比较，本发明的发电机参数辨识处理方法中，在不同的激励信号下计算发电机参数对测量信号的轨迹灵敏度，因此能够根据所述轨迹灵敏度选择对发电机参数影响最大的参考激励信号，并施加到发电机，再根据发电机在这些特定的参考激励信号下的实际扰动数据进行参数辨识，辨识结果最接近实际，最准确。

所述灵敏度运算模块11在计算所述发电机参数在不同的激励信号下对测量信号的轨迹灵敏度时，首先采用MATLAB程序建立单机无穷大系统模型，其中发电机的模型采用BPA程序中的6阶发电机模型，具体分析发电机的参数包括x_d、x'_d、x"_d、T_d′₀、T_d"₀、x_q、x'_q、x"_q、T_q′₀、T_q"₀共10个。

所述灵敏度运算模块11按照以下公式计算发电机参数在不同的激励信号下对测量信号的轨迹灵敏度：

$\frac{\∂y(t,\mathrm{\θ})}{\∂\mathrm{\θ}}=\underset{\mathrm{\Δ\θ}\→0}{\lim }\frac{y(t,{\mathrm{\θ}}_0+\mathrm{\θ})-y(t,{\mathrm{\θ}}_0)}{\mathrm{\Δ\θ}}$

其中，y为系统量测信号，θ为发电机参数，Δθ为参数变化量，t为时间。

上式中y为系统量测信号，分别是发电机定子电流的d轴分量id或者发电机定子电流的q轴分量iq，即计算d轴发电机参数的轨迹灵敏度时y取id，而计算q轴发电机参数的轨迹灵敏度时y取iq；θ为相应的发电机参数，包括d轴发电机参数x_d、x'_d、x"_d、T_d′₀、T_d"₀和q轴发电机参数x_q、x'_q、x"_q、T_q′₀、T_q"₀共10个参数；Δθ为发电机参数变化量；t为时间。

所述轨迹灵敏度表明了发电机参数在当前激励信号扰动过程中的动态影响规律，若某段时间内A参数的轨迹灵敏度大，说明A参数对这段时间内动态过程影响大，即该段时间的扰动数据的特征主要体现了A参数的影响。

所述激励设定模块12根据所述灵敏度运算模块11的计算结果，筛选出发电机待辨识的10个参数所需的激励信号类型。具体地，所述激励设定模块12可按照以下方法选择对应的激励信号：

预先设定在各种激励信号下所述轨迹灵敏度的标准预设值；

如果在其中一种激励信号作用下，计算出所述发电机参数对测量信号的轨迹灵敏度超过所述标准预设值，则选择相应类型的激励信号作为所述发电机参数的参考激励信号。

例如，在施加短路扰动激励信号时，计算出d轴发电机参数的x′_d和x"_d的轨迹灵敏度比其它参数大，它们的轨迹灵敏度曲线在短路持续时间内较大，之后迅速减小，因此，辨识x′_d和x"_d须选择在发出短路扰动激励信号的短路持续时间内进行该参数辨识。

又如，在励磁电压上叠加脉冲扰动激励信号，计算出d轴发电机参数的x′_d、x"_d、T_d′₀轨迹灵敏度较大，因此，辨识x"_d可选择脉冲扰动激励信号。

所述激励设定模块12在根据所述轨迹灵敏度的大小，设定所述参考激励信号的大小和持续时间时，也可以采用下面的方法来进行设定：

如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；

如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短。

所述发电机激励模块13根据所述激励设定模块12选择的参考激励信号的信号类型，以及设定好的参考激励信号的大小和持续时间，对发电机施加所述参考激励信号。

所述参数辨识模块14根据发电机在施加特定参考激励信号下，发生的实际的扰动情况，获取扰动数据，并根据扰动情况对相应的发电机参数进行常规的参数在线辨识操作，获得准确的参数辨识结果。

作为一个优选实施方式，所述灵敏度运算模块11在计算发电机参数在不同的激励信号下对测量信号的轨迹灵敏度时，根据在多个采样点计算的所述轨迹灵敏度，进一步计算所述发电机参数在不同的激励信号下的平均轨迹灵敏度：所述激励设定模块12在选择参考激励信号，以及设定参考激励信号的大小和持续时间时，根据所述平均轨迹灵敏度的大小，选择对应的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

通过所述平均轨迹灵敏度的计算，可以使参考激励信号的选取更加的准确，提高对发电机参数的辨识结果的准确性。

在本实施例中，所述灵敏度运算模块11计算整个扰动过程中发电机参数对量测信号y的平均轨迹灵敏度，平均轨迹灵敏度定义为参数轨迹灵敏度绝对值的平均值：

$S=\frac{1}{k}\underset{n=1}{\overset{k}{\mathrm{\Σ}}}\left|\frac{\∂y(n,\mathrm{\θ})}{\∂\mathrm{\θ}}\right|$

式中，k为执行轨迹灵敏度计算的采样次数。

根据上式的计算结果，筛选出发电机待辨识的10个参数所需的激励信号的方式。

本发明提出的发电机参数辨识处理系统，结合了有效、完善的面向发电机参数实测激励信号的轨迹灵敏度，所述轨迹灵敏度和平均轨迹灵敏度分别从发电机参数的个性特征和宏观角度，对发电机参数辨识所采用的参考激励信号进行选择和设定，补充和完善了传统发电机参数辨识方法的辨识结果不准确的缺陷。

本发明给出了BPA程序用发电机6阶模型的10个参数的有效激励信号，在这些信号的激励下，对应参数的辨识结果是非常准确有效的。

另外，本发明给出了发电机参数在不同激励信号下的轨迹灵敏度分析，据此可指导发电机参数辨识过程中进行分步、降阶辨识处理，以提高辨识结果的精度，使辨识结果更加接近实际运行工况。

以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (6)

1.一种发电机参数辨识处理方法，其特征在于，包括以下步骤：

建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；

如果在其中一种激励信号作用下，计算出所述发电机参数对测量信号的轨迹灵敏度超过预设值，则选择相应类型的激励信号作为所述发电机参数的参考激励信号；

如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短；

根据设定的大小和持续时间，对发电机施加所述参考激励信号；

根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

2.如权利要求1所述的发电机参数辨识处理方法，其特征在于，按照以下公式计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度：

$\frac{\∂y(t,\mathrm{\θ})}{\∂\mathrm{\θ}}=\underset{\mathrm{\Δ\θ}\→0}{\lim }\frac{y(t,{\mathrm{\θ}}_0+\mathrm{\θ})-y(t,{\mathrm{\θ}}_0)}{\mathrm{\Δ\θ}}$

其中，y为系统量测信号，θ为发电机参数，Δθ为参数变化量，t为时间。

3.如权利要求1至2中任意一项所述的发电机参数辨识处理方法，其特征在于，在计算所述轨迹灵敏度时，进一步根据在多个采样点计算的所述轨迹灵敏度，计算在不同的激励信号下所述发电机参数对测量信号的平均轨迹灵敏度；其中，所述平均轨迹灵敏度为发电机参数的轨迹灵敏度绝对值的平均值；

根据所述平均轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

4.一种发电机参数辨识处理系统，包括：

灵敏度运算模块，用于建立发电机单机无穷大系统模型，计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度；

激励设定模块，用于根据所述轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数对应的参考激励信号，并设定所述参考激励信号的大小和持续时间；在所述灵敏度运算模块计算出的所述轨迹灵敏度超过预设值时，选择相应类型的激励信号作为所述发电机参数的参考激励信号；如果所述轨迹灵敏度超过所述预设值越多，则设定所述参考激励信号的幅度越大和/或持续时间越长；如果所述轨迹灵敏度超过所述预设值越小，则设定所述参考激励信号的幅度越小和/或持续时间越短；

发电机激励模块，用于根据设定的大小和持续时间，对发电机施加所述参考激励信号；

参数辨识模块，用于根据发电机在施加所述参考激励信号时发生的扰动数据，对所述参考激励信号对应的发电机参数进行参数辨识。

5.如权利要求4所述的发电机参数辨识处理系统，其特征在于，所述灵敏度运算模块按照以下公式计算在不同类型的激励信号下发电机参数对测量信号的轨迹灵敏度：

$\frac{\∂y(t,\mathrm{\θ})}{\∂\mathrm{\θ}}=\underset{\mathrm{\Δ\θ}\→0}{\lim }\frac{y(t,{\mathrm{\θ}}_0+\mathrm{\θ})-y(t,{\mathrm{\θ}}_0)}{\mathrm{\Δ\θ}}$

其中，y为系统量测信号，θ为发电机参数，Δθ为参数变化量，t为时间。

6.如权利要求4至5中任意一项所述的发电机参数辨识处理系统，其特征在于，所述灵敏度运算模块在计算所述轨迹灵敏度时，进一步根据在多个采样点计算的所述轨迹灵敏度，计算在不同的激励信号下所述发电机参数对测量信号的平均轨迹灵敏度；其中，所述平均轨迹灵敏度为发电机参数的轨迹灵敏度绝对值的平均值；

所述激励设定模块根据所述平均轨迹灵敏度的大小，选择相应类型的激励信号作为所述发电机参数的参考激励信号，并设定所述参考激励信号的大小和持续时间。

Images