CN108182529A - 一种微电网运行时的不确定因素辨识方法 - Google Patents

Abstract

本发明公布了一种微电网运行时的不确定因素辨识方法，利用微电网（群）并网接入点的故障扰动数据提取微电网不确定因素特征，特征信息包含了不确定因素的频率、幅值、衰减系数和相位等信息，采用扩展Prony方法对不确定因素进行辨识。本发明利用扰动数据的特征模态来描述微电网不确定因数的动态特性，在不需要明确微电网拓扑结构和运行参数的情况下确定微电网并网规划仿真模型。

Description

一种微电网运行时的不确定因素辨识方法

技术领域

本发明涉及一种微电网运行时的不确定因素辨识方法，属于电力运行与控制技术领域。

背景技术

随着分布式电源、微电网等设施的建设与发展，使得配电网中的不确定性因素越来越多，配电网规划工作要考虑的因素变得更多，配电网规划变得更为复杂，更为难以准确。作为配电网和分布式电源的纽带，微电网与配电网电力和信息交换量日益增大，并且在提高电力系统运行可靠性和灵活性方面体现出较大的潜力。微电网并网时，与配电网是有机整体，可以灵活连接、断开，其智能性与灵活性较高。微电网能量管理策略可以高效的管理微电网与配网间的能量交换，实现分布式能源的最大利用。如何采用合理的方法处理这些不确定性因素，建立合理、可行的规划模型成为人们研究的热点。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种微电网运行时的不确定因素辨识方法，利用扰动数据的特征模态来描述微电网不确定因素的动态特性，在不需要明确微电网拓扑结构和运行参数的情况下确定微电网并网规划仿真模型。

为解决上述技术问题，本发明采用的技术方案如下：

一种微电网运行时的不确定因素辨识方法，包括以下步骤：

1)将微电网中不确定因素定义为分布式电源和负荷接入的不确定性，通过采集微电网并网接入点动态扰动电压、电流和功率数据，获得不确定因素的Prony模型，所述不确定因素的Prony模型将对象动态特征描述为一组具有幅值、相位、频率和衰减因子的故障动态序列；

2)定义故障动态序列的估计值，并构造基于量测值和估计值误差最小的目标函数；

3)构建扩展Prony来求解目标函数；

4)利用Prony来拟合被测数据；

5)利用扩展Prony方法对不确定因素进行辨识。

前述的故障动态序列，表示为：

其中，χ(t)故障动态序列，A_i为幅值，α_i为衰减因子，f_i为振荡频率，θ_i为初始相位，K为信号分量个数，t为时间序列

前述的故障动态序列的估计值定义为：

其中，为故障动态序列的第n个采样点值的估计值，p为模型的阶数，N为采样点的个数，Δt为采样间隔，b_i＝A_iexp(jθ_i),z_i＝exp[(j2πf_i-α_i)Δt]，上标n表示n次方；

所述目标函数为：

其中，χ(n)为故障动态序列的第n个采样点值。

前述的构建扩展Prony来求解目标函数，具体步骤如下：

3-1)定义多项式：

其中，z为变量，z_k＝exp[(j2πf_k-α_k)Δt]，z^p-i表示z的p-i次方，a_i为方程系数；

3-2)由式(2)可得：

3-3)将式(5)两边同乘以a_k，然后对p+1个成绩求和，则有：

3-4)将代入式(6)，由Ψ(z_l)＝0，可知公式中第二项求和等于0，由此可得：

3-5)则满足递推的差分方程式为：

前述的利用Prony来拟合被测数据，具体步骤如下：

4-1)定义信号误差e(n)：

4-2)由式(9)可知，因此有：

4-3)定义估计方程系数ε(n)：

则

前述的利用扩展Prony方法对不确定因素进行辨识，具体步骤如下：

5-1)自定义样本函数γ(i,j)：

其中，χ^*(n-i)为χ(n-j)的共轭函数，p_e是一个远大于p的自然数；由此构造全部信号特征的样本函数，并构造扩展阶的矩阵为：

5-2)根据下式来确定系数a_i的总体最小二乘估计，

其中，

5-3)求解差分方程的特征方程1+a₁z^-1+a₂z^-2+…+a_pz^-p＝0得到特征根z_i,i＝1,2,…,p，z_i为prony的极点；

5-4)由式(2)得到矩阵方程(20)：

其中，

将式(20)写成矩阵形式

其中，

由于z_i各不相同，所以Z为满秩矩阵，可求逆，因此式(20)的最小二乘解为：

5-5)由式(22)即可计算出目标信号的频率f_i，衰减因子α_i，幅值A_i和初相角θ_i：

本发明所达到的有益效果为：

本发明利用扰动数据的特征模态来描述微电网不确定因素的动态特性，在不需要明确微电网拓扑结构和运行参数的情况下确定微电网并网规划仿真模型。

附图说明

图1为本发明实施例中的负载故障动态拟合曲线。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

微电网(群)中电源和负荷的不确定性决定了微电网整体运行特性，如果确定分布式电源和负荷的不确定性，那么微电网的整体运行特性也就确定。利用微电网并网时由不确定因素引起的系统扰动数据，提取扰动数据的特征分量，建立特征分量和不确定因素的对应关系，从而确定不确定因素，进而分析微电网不确定因素作用下的运行特性。利用微电网(群)并网接入点的故障扰动数据提取微电网不确定因素特征，特征信息包含了不确定因素的频率、幅值、衰减系数和相位等信息。

本发明将微电网(群)中不确定因素定义为分布式电源和负荷接入的不确定性，在微电网并网规划仿真中，分布式电源和负荷的变化直接导致系统功率特性的变化。利用扩展Prony方法对不确定因素进行辨识，能够通过采集微电网并网接入点动态扰动电压、电流和功率数据，获得不确定因素的Prony模型，该模型将对象动态特征描述为一组具有幅值、相位、频率和衰减因子的衰减余弦因子，表示为：

其中，χ(t)故障动态序列，A_i为幅值，α_i为衰减因子，f_i为振荡频率，θ_i为初始相位，K为信号分量个数，t为时间序列。扰动信号的第n个采样点值的估计值可表示为：

其中，p为模型的阶数，N为采样点的个数，Δt为采样间隔，b_i＝A_iexp(jθ_i),z_i＝exp[(j2πf_i-α_i)Δt]，上标n表示n次方。

为了求出A_i、α_i、f_i、θ_i，构造基于量测值和估计值误差最小的目标函数，如下所示：

其中，χ(n)为量测值，为估计值。

构建扩展Prony来求解方程组，定义多项式：

其中，z为变量，z_k＝exp[(j2πf_k-α_k)Δt]，z^p-i表示z的p-i次方，a_i为方程系数。

由式(2)可得：

将上式两边同乘以a_k，然后对p+1个成绩求和，则有：

将代入上式，由Ψ(z_l)＝0，可知公式中第二项求和等于0，由此可得：

则满足递推的差分方程式为：

为了能够利用Prony来拟合被测数据，定义信号误差e(n)：

由式(9)可知，因此有：

定义估计方程系数ε(n)：

则可得到：

式(13)化为矩阵方程为：

或Xα＝ε，

因此，可将传统prony算法中求最小变为求最小，将求解此方程式的线性最小二乘法成为扩展的prony算法。这已经是一个AR模型，其参数a_i和最小误差能量ε_p的估计值可以通过AR模型的最小二乘估计得到。

为使最小，求并令其等于零，结果为：

其中，χ^*(n-j)为χ(n-i)的共轭函数，

对应的最小误差能量ε_p是：

扩展Prony方法的具体步骤如下：

步骤一：自定义样本函数γ(i,j)

其中，χ^*(n-i)为χ(n-j)的共轭函数，p_e是一个远大于p的自然数。

可由此构造全部信号特征的样本函数，并构造扩展阶的矩阵为：

步骤二：为减小最小二乘拟合带来的误差，采用奇异值分解法算法来确定R_e的有效秩p，并根据下式来确定系数a_i的总体最小二乘估计，由式(15)(16)可得下式：

其中，

通过式(19)可求得

步骤三：求解差分方程的特征方程1+a₁z^-1+a₂z^-2+…+a_pz^-p＝0得到特征根z_i,i＝1,2,…,p，z_i为prony的极点。

步骤四：由式(2)得到矩阵方程(20)：

其中，

将式(20)写成矩阵形式

其中，

此处，Z是N*p维矩阵。由于z_i各不相同，所以Z为满秩矩阵，可求逆，因此式(20)的最小二乘解为：

步骤五：由式(22)即可计算出目标信号的频率f_i，衰减因子α_i，幅值A_i和初相角θ_i。

图1给出了一个负荷故障扰动数据的Prony拟合实例，结果表明Prony拟合曲线能较精确的反映实际情况。表1给出负荷故障引起扰动信号的特征量。

表1负荷故障主要特征模式

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种微电网运行时的不确定因素辨识方法，其特征在于，包括以下步骤：

1)将微电网中不确定因素定义为分布式电源和负荷接入的不确定性，通过采集微电网并网接入点动态扰动电压、电流和功率数据，获得不确定因素的Prony模型，所述不确定因素的Prony模型将对象动态特征描述为一组具有幅值、相位、频率和衰减因子的故障动态序列；

2)定义故障动态序列的估计值，并构造基于量测值和估计值误差最小的目标函数；

3)构建扩展Prony来求解目标函数；

4)利用Prony来拟合被测数据；

5)利用扩展Prony方法对不确定因素进行辨识。

2.根据权利要求1所述的一种微电网运行时的不确定因素辨识方法，其特征在于，所述故障动态序列，表示为：

其中，χ(t)故障动态序列，A_i为幅值，α_i为衰减因子，f_i为振荡频率，θ_i为初始相位，K为信号分量个数，t为时间序列。

3.根据权利要求2所述的一种微电网运行时的不确定因素辨识方法，其特征在于，所述故障动态序列的估计值定义为：

其中，为故障动态序列的第n个采样点值的估计值，p为模型的阶数，N为采样点的个数，Δt为采样间隔，b_i＝A_iexp(jθ_i),z_i＝exp[(j2πf_i-α_i)Δt]，上标n表示n次方；

所述目标函数为：

其中，χ(n)为故障动态序列的第n个采样点值。

4.根据权利要求3所述的一种微电网运行时的不确定因素辨识方法，其特征在于，所述构建扩展Prony来求解目标函数，具体步骤如下：

3-1)定义多项式：

其中，z为变量，z_k＝exp[(j2πf_k-α_k)Δt]，z^p-i表示z的p-i次方，a_i为方程系数；

3-2)由式(2)可得：

3-3)将式(5)两边同乘以a_k，然后对p+1个成绩求和，则有：

3-4)将代入式(6)，由Ψ(z_l)＝0，可知公式中第二项求和等于0，由此可得：

3-5)则满足递推的差分方程式为：

5.根据权利要求4所述的一种微电网运行时的不确定因素辨识方法，其特征在于，所述利用Prony来拟合被测数据，具体步骤如下：

4-1)定义信号误差e(n)：

4-2)由式(9)可知，因此有：

4-3)定义估计方程系数ε(n)：

则

6.根据权利要求5所述的一种微电网运行时的不确定因素辨识方法，其特征在于，所述利用扩展Prony方法对不确定因素进行辨识，具体步骤如下：

5-1)自定义样本函数γ(i,j)：

其中，χ^*(n-i)为χ(n-j)的共轭函数，p_e是一个远大于p的自然数；

由此构造全部信号特征的样本函数，并构造扩展阶的矩阵为：

5-2)根据下式来确定系数a_i的总体最小二乘估计，

其中，

5-3)求解差分方程的特征方程1+a₁z^-1+a₂z^-2+…+a_pz^-p＝0得到特征根z_i,i＝1,2,…,p，z_i为prony的极点；

5-4)由式(2)得到矩阵方程(20)：

其中，

将式(20)写成矩阵形式

其中，

由于z_i各不相同，所以Z为满秩矩阵，可求逆，因此式(20)的最小二乘解为：

5-5)由式(22)即可计算出目标信号的频率f_i，衰减因子α_i，幅值A_i和初相角θ_i：