CN108717491A - 基于系统辨识技术的火电机组一次调频性能评价方法及系统 - Google Patents

Abstract

本发明公开了一种基于系统辨识技术的火电机组一次调频性能评价方法及系统，通过将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型，并通过假设检验来评估模型品质。如果模型品质是良好的，那么从汽轮机转速到发电机实发功率的模型是有意义的，就可以从模型的无噪声单位阶跃响应中评价性能指标。在通过系统辨识技术得到模型的过程中，不需要区分一次调频响应类型，可以从阶跃、斜坡等任意类型响应中得到。更重要的是，该方法可以将主蒸汽压力对发电机实发功率的影响分离开来，以避免主蒸汽压力的变化对一次调频性能评估的影响。

Description

基于系统辨识技术的火电机组一次调频性能评价方法及系统

技术领域

本发明涉及一种基于系统辨识技术的火电机组一次调频性能评价方法及系统。

背景技术

电力系统运行中，电力系统频率是所关注的关键参数之一，其波动不仅影响电能质量，还会对电力系统无功平衡和电压调节带来困难，危害电力系统安全。因此，电网频率的稳定性控制是电力系统安全稳定运行的首要基础和主要目标。一次调频在保证电网频率稳定性方面有着越来越重要的作用，所以电网调控中心等电力监管部门都在制定发电机组一次调频性能评价标准，对性能好的机组进行奖励，对性能差的机组进行处罚。

传统的性能评价方法是从一次调频对汽轮机转速阶跃变化的响应中找出特定时刻的数据样本，再根据数据样本计算一次调频的性能指标。但是，传统的性能评价方法有三个缺点，具体包括:

传统的性能评价方法依赖特定时刻的数据样本，对噪声非常敏感；

传统的性能评价方法仅适用于阶跃类型的一次调频响应，无法用于非阶跃类型的一次调频响应；

传统的性能评价方法没有考虑到主蒸汽压力对于实发功率的影响，以至于导致错误的性能评价结果。

发明内容

本发明为了解决上述问题，提出了一种基于系统辨识技术的火电机组一次调频性能评价方法及系统。本发明将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型，并通过假设检验来评估模型品质。

进一步的，如果模型品质是良好的，那么从汽轮机转速到发电机实发功率的模型是有意义的，就可以从模型的无噪声单位阶跃响应中评价性能指标。在通过系统辨识技术得到模型的过程中，不需要区分一次调频响应类型，可以从阶跃、斜坡等任意类型响应中得到。

更重要的是，该方法可以将主蒸汽压力对发电机实发功率的影响分离开来，以避免主蒸汽压力的变化对一次调频性能评估的影响。

为了实现上述目的，本发明采用如下技术方案：

一种基于系统辨识技术的火电机组一次调频性能评价方法，包括以下步骤：

根据某个采样周期，收集所需输入输出的采样数据；

将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型；

通过假设检验方法，评估辨识所得到的模型的品质；

如果模型品质是良好的，则从模型的单位阶跃响应中得到性能评价结果。

当然，本发明中的模型品质良好是指：模型的品质满足设定要求或达到设定的指标。具体要求或评价标准可以根据实际情况进行调整。

进一步的，采样数据包括汽轮机转速、发电机实发功率和主蒸汽压力。

进一步的，对于系统辨识模型，包括辨识多输入单输出(MISO)模型和辨识单输入单输出(SISO)模型。

更进一步的，辨识多输入单输出模型，该模型描述输出“发电机实发功率”与两个输入“汽轮机转速、主蒸汽压力”之间的动态关系；如果该动态模型具有良好的品质，则利用该动态模型，否则，认为一次调频响应失败，因此无法提供性能评价结果。

进一步的，辨识单输入单输出模型，该模型描述输出“发电机实发功率”与输入“汽轮机转速”之间的动态关系；如果该动态模型具有良好的品质，则利用该动态模型，否则，认为一次调频响应失败，因此无法提供性能评价结果。

更进一步的，根据模型参数的统计分布，生成服从该统计分布的模型参数随机值，获得相应的模型输出估计值，进而获得模型输出估计值与模型输出采样数据之间的拟合度，利用求取的拟合度来确定模型品质。

进一步的，对辨识后的模型品质在显著性水平下做出一个单边假设检验，如果模型输出估计值与模型输出采样数据之间的拟合度不小于某个设定的阈值，则多输入单输出模型具有良好的品质，进行下一步评价工作，否则，认为一次调频响应失败，无法得到性能评价结果。

进一步的，根据辨识得到的模型，给定一个单位阶跃输入，从它的阶跃响应中得到一次调频性能的评价结果。

一种基于系统辨识技术的火电机组一次调频性能评价系统，运行于处理器，被配置为执行以下指令：

根据某个采样周期，收集所需的采样数据；

将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型；

通过假设检验方法，评估辨识得到模型的品质；

如果模型品质是良好的，则从模型的单位阶跃响应中得到性能评价结果。

与现有技术相比，本发明的有益效果为：

1、本发明可以从模型的无噪声单位阶跃响应中评价性能指标，减少了对于噪声的敏感性，而且该模型不需要区分一次调频响应类型，可以从阶跃、斜坡等任意类型响应中得到，扩大了方法的适用范围；

2、本发明可以将主蒸汽压力对发电机实发功率的影响分离开来，以避免主蒸汽压力的变化对一次调频性能评估的影响，提高了性能评价结果的准确性。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1基于系统辨识技术评价火电机组一次调频性能的流程图；

图2为实例中火电机组的数据与MISO模型的估计功率

图3为实例中MISO模型的拟合度的抽样分布；

图4为实例中SISO模型的实发功率估计值

图5为实例中SISO模型的拟合度的抽样分布。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

本发明通过将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型，并通过假设检验来评估模型品质。如果模型品质是良好的，那么从汽轮机转速到发电机实发功率的模型是有意义的，就可以从模型的无噪声单位阶跃响应中评价性能指标。在通过系统辨识技术得到模型的过程中，不需要区分一次调频响应类型，可以从阶跃、斜坡等任意类型响应中得到。更重要的是，该方法可以将主蒸汽压力对发电机实发功率的影响分离开来，以避免主蒸汽压力的变化对一次调频性能评估的影响。

如图1所示，本发明主要基于系统辨识技术，包括如下步骤：

S1,以采样周期h，收集所需输入输出的采样数据；

S2,根据采集的数据，辨识MISO模型，并对模型品质进行验证；

S3,根据采集的数据，辨识SISO模型，并对模型品质进行验证；

S4，根据得到的模型结果，给定一个单位阶跃输入，从它的阶跃响应中得到性能评价结果。

具体的步骤如下：

S1，以采样周期h，收集所需输入输出的采样数据其中r(t)为汽轮机转速，d(t)为主蒸汽压力，p(t)为发电机实发功率，N为采样数据的个数，采样周期通常取h＝1秒。

S2，辨识MISO模型：

首先，一个多输入单输出(MISO)的动态模型可以表示为：

p(t)＝G_r(q^-1)r(t)+G_d(q^-1)d(t) (1)

这里q^-1为单样本延迟因子，q^-1r(t)＝r(t-1),G_r(q^-1)是描述r(t)与p(t)之间关系的传递函数，G_d(q^-1)是描述d(t)与p(t)之间关系的传递函数。如果这个模型品质是良好的，那么可以进行下一步；否则，一次调频响应失败，无法提供性能评价结果。

采用带有额外输入的自回归模型：

即

其中，

其中e(t)是一个平稳白噪声，上标T代表矩阵的转置。为模型参数，n_a,n_b,n_c,k_b,k_c为结构参数。a₀是由r(t)、p(t)和d(t)非零均值的作用所引起的。结构参数可以表示为：

其中：

为p(t)的估计

因此，为p(t)和的拟合度。由于θ_s为结构参数，则模型参数向量的估计由最小二乘算法得到:

其中

最终，θ_m的估计值可以由来得到：

在模型被辨识后，评估这个模型的品质是非常有必要的，通常称之为模型验证。模型品质可以通过来确定。如果接近于1，那么可以说模型质量是良好的。这个方法易于理解，但缺乏数学严谨性。因此，下面通过假设检验方法对拟合度做出统计判断。

根据系统辨识理论，可知服从高斯分布：

其中未知参数θ_m为均值，协方差矩阵为

这里噪声方差的无偏估计是

的抽样分布可以通过生成的替代数据来获得。精确地讲，可以根据一个均值为协方差矩阵为的高斯分布来生成k个随机向量从而通过生成的得到k个最后得到相应的及其样本分布。以的抽样分布为基础，可以在显著性水平α下做出一个单边假设检验：

一般来说，取α＝0.05。假设检验的阈值J₀可以确定为

其中为p(t)和之间的最大可接受偏差。

如果原假设H₀是成立的，即则认为MISO模型的品质是良好的，可以进行下一步评价工作；如果H₀不成立，即对立假设H₁成立，则认为一次调频响应失败，无法得到性能评价结果。

S3，辨识SISO模型：

一个单输入-单输出(SISO)模型可以表示为：

p(t)＝G(q^-1)r(t) (13)

与上述辨识MISO模型的步骤类似，如果模型品质是良好的，即G(q^-1)可以合理地描述r(t)与p(t)之间的关系，那么可以进行下一步工作。否则，认为一次调频响应失败，无法提供性能评价结果。

采用带有额外输入的自回归模型：

可以看出，SISO模型与MISO模型是相似的，只是排除了主蒸汽压力的影响。SISO模型的品质检验过程与MISO模型的品质检验过程是类似的。同样地，如果则认为SISO模型的品质是良好的，可以进行下一步评价工作；如果则认为一次调频失败，无法得到性能评价结果。

S4，根据S2步骤辨识得到的模型，给定一个单位阶跃输入，从它的阶跃响应中得到性能评价结果：

这里r_s(t)为单位阶跃信号，模型参数和结构参数已通过之前计算得出。由于P_s(t是没有噪声的，则可以通过现有的一次调频性能评价方法计算响应时间(τh)、稳定时间(Th)和转速不等率(δ)。在计算转速不等率(δ)时，与的取值为：

以下结合一个实施例具体说明各个步骤的实施过程。

一个300MW火电机组在某一段历史采样数据如图2所示。

S1,以采样周期h＝1秒，收集所需输入输出的采样数据。

S2，根据采集的数据，辨识MISO模型，并对模型品质进行检验。计算的在e_p为0.5MW时，计算拟合度的阈值J₀＝45.2576％。K＝100的抽样分布如图3所示。在显著性水平α＝0.05下，可得出在统计学上大于J₀的结论。

S3，建立的SISO模型如图4所示，其中图5为响应的抽样分布，从中可得出在统计学上大于J₀的结论。

S4，计算的秒，计算的模型的静态增益为0.8583，选取r₀＝3000r/min且p₀＝300MW，计算的为

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：包括以下步骤：

根据某个采样周期，收集所需输入输出的采样数据；将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型；

通过假设检验方法，评估辨识得到模型的品质；

如果模型品质是良好的则从模型的单位阶跃响应中得到性能评价结果。

2.如权利要求1所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：采样数据包括汽轮机转速、发电机实发功率和主蒸汽压力。

3.如权利要求1所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：对于系统辨识模型，包括辨识多输入单输出模型和辨识单输入单输出模型。

4.如权利要求3所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：辨识多输入单输出模型，该模型，描述输出“发电机实发功率”与两个输入“汽轮机转速、主蒸汽压力”之间的动态关系；如果该动态模型具有良好的品质，则利用该动态模型，否则，认为一次调频响应失败，因此无法提供性能评价结果。

5.如权利要求3所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：辨识单输入单输出模型，该模型描述输出“发电机实发功率”与输入“汽轮机转速”之间的动态关系；如果该动态模型具有良好的品质，则利用该动态模型否则，认为一次调频响应失败，因此无法提供性能评价结果。

6.如权利要求4或5所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：根据模型参数的统计分布，生成服从该统计分布的模型参数随机值，获得相应的模型输出估计值，进而获得模型输出估计值与模型输出采样数据之间的拟合度，利用求取的拟合度来确定模型品质。

7.如权利要求4或5所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：对辨识后的模型品质在显著性水平下做出一个单边假设检验，如果模型输出估计值与模型输出采样数据之间的拟合度不小于某个设定的阈值，则多输入单输出模型具有良好的品质，进行下一步评价工作，否则，认为一次调频响应失败，无法得到性能评价结果。

8.如权利要求4或5所述的一种基于系统辨识技术的火电机组一次调频性能评价方法，其特征是：根据辨识得到的模型，给定一个单位阶跃输入，从它的阶跃响应中得到一次调频性能的评价结果。

9.一种基于系统辨识技术的火电机组一次调频性能评价系统，其特征是：运行于处理器，被配置为执行以下指令：

根据某个采样周期，收集所需的采样数据；

将汽轮机转速和主蒸汽压力作为两个输入，发电机实发功率作为输出，应用系统辨识技术，获得描述输入输出关系的线性时不变模型；

通过假设检验方法，评估辨识得到模型的品质；

如果模型品质是良好的则从模型的单位阶跃响应中得到性能评价结果。