CN109274892A - 一种计及饱和效应的调相机参数分步辨识方法 - Google Patents

Abstract

本发明公开了一种计及饱和效应的调相机参数分步辨识方法，属于电力系统建模与控制的技术领域。该方法利用分步辨识思想，利用稳态量测计算稳态参数；利用暂态过程中实测的机端电压、解耦的电压电流变量辨识暂态/次暂态参数，提高了辨识结果的精度和稳定性。方法中所涉及的调相机六阶实用模型，考虑了磁路饱和效应，通过对计及饱和效应的六阶实用模型的求解，以最小二乘原理建立目标函数，通过交叉概率p_c和变异概率p_m可自适应调节的改进遗传算法实现调相机参数的精确辨识。

Description

一种计及饱和效应的调相机参数分步辨识方法

技术领域

本发明属于电力系统建模与控制的技术领域，具体涉及一种计及饱和效应的调相机参数分步辨识方法。

背景技术

我国能源资源与负荷呈逆向分布，多采用高电压等级直流进行大容量输电。目前我国已投运向家坝——上海、锦屏——苏南、天山——中州等多回特高压直流。根据特高压直流设计原则，正常工况下直流换流站与系统无功交换为零，直流本身不向系统提供动态无功。因此，在系统发生故障的动态过程中，直流需从系统吸收大量的无功。随着大容量、远距离特高压交直流输电技术的深入应用，江苏电网资源优化配置能力显著提高，但江苏电网受电比例逐步提高，成为典型的受端电网，系统动态无功补偿不足和电压稳定问题、多回直流换相失败问题愈显突出。

针对我国特高压直流送受端动态无功储备和电压支撑不足的突出问题，客观要求直流大规模有功输送，必须匹配大规模动态无功，即“大直流输电、强无功支撑”。调相机作为旋转设备，与SVC(Switching Virtual Circuit，交换虚拟电路)、STATCOM(StaticSynchronous Compensator，静止同步补偿器)等基于电力电子技术的动态无功补偿装置相比，既为系统提供短路容量，又具有更好的无功出力特性，在降低直流送端暂态过电压、抑制直流受端换相失败、利用强励提高系统稳定性等方面具备独特优势。根据国网公司战略规划，在“十三五”期间，将在多回特高压直流的送受端加装调相机。新一代调相机设备在设备维护、技术特性等方面将进行大幅改进完善，以适应电网运行需求。

调相机工程的建设可以有效缓解特高压电网形成初期“强直弱交”的矛盾，解决特高压直流送、受端电网支撑能力不足的问题，对于推动特高压电网发展和提高电网安全稳定水平将发挥重要作用。

2018年规划在江苏投运10台300Mvar调相机。准确的调相机模型和参数是系统分析、运行与控制的基础。通过对江苏电网调相机的理论建模和现场测试及仿真分析，确定其适用于电力系统分析的模型和参数，对提高江苏特高压电网的稳定性仿真分析和安全稳定控制具有重要作用。

发明内容

本发明的发明目的是针对新一代大容量调相机在参数方面做出的调整，为了确定其适用于电力系统分析的模型和参数，提供了一种计及饱和效应的调相机参数分步辨识方法，全面评估了调相机本体磁路饱和效应对参数辨识的影响，解决了现有调相机辨识方法未考虑饱和效应的问题。

为解决上述技术问题，本发明采用如下技术方案：

本发明的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，包括如下步骤：

步骤A：确定辨识所需的计及饱和效应的调相机模型；

步骤B：从WAMS(Wide Area Measurement System，广域监测系统)系统中读取待辨识调相机并网时的PMU(power management unit，电源管理单元)量测数据；

步骤C：对PMU量测数据进行预处理；

步骤D：利用扰动前的稳态量测辨识出调相机的稳态参数；

步骤E：利用扰动后的动态过程辨识暂态/次暂态参数。

进一步的，步骤A中，根据调相机的运行状态将调相机辨识参数缩小到d轴范围，得到计及饱和效应的饱和效应的调相机六阶实用模型的d轴方程可为：

其中，饱和系数K_G定义为：

进一步的，步骤B中，从WAMS系统中读取待辨识调相机并网时的PMU量测数据包括正序电压幅值、正序电压相角、正序电流幅值、正序电流相角、主励磁电压、励磁电流、发电机功角。

进一步的，步骤C的实现过程为：

步骤C1：去除无效数据。当仅当量测数据同时满足最低采样频率条件和扰动深度检验条件时，该量测数据有效；

步骤C2：对有效量测数据进行标幺化处理。

进一步的，步骤D中，在稳态情况下满足

由式(3)可以计算出稳态参数

进一步的，步骤E的实现过程为：

步骤E1：消去i_d后，式(1)可表示为

步骤E2：对式(5)做矩阵变换得到

记

则式(6)可以表示为

步骤E3：通过改进Euler法对式(7)进行数值求解，过程如下：

利用Euler算法算得一个初步的近似值称之预测值，表达式如下：

利用梯形公式将其校正一次，得到修正值e_k+1，表达式如下：

进而我们得到迭代通式如下：

d轴电流的计算值

步骤E4：应用最小二乘原理建立优化目标函数如下：

E5、利用参数交叉概率p_c和变异概率p_m自适应调节的改进遗传算法优化式(12)以得到参数辨识结果辨识。

步骤E5中，在寻优过程中设置的参数交叉概率p_c的自适应调节，具体如下：

交叉算子对种群实现不断更新，p_c的大小决定种群个体的更新速率,其值过大，会破坏优良的遗传模式，取值过小会导致算法搜索速度缓慢，种群难以得到进化。在进化前期，为了扩大整体搜索范围，加快种群更新速度,应该增大p_c的值；在进化后期，种群整体解集趋于稳定,为了使优良基因结构得以延续保存,应适当降低p_c。另外,交叉算子可以改变甚至破坏基因结构,对适应度较差的个体而言,更多地参与交叉操作可以促进其不断优化,所以应给予较高的p_c。相应地，适应度越高的个体,为了防止基因结构被破坏，进行交叉操作的概率应当越小。基于上述考虑,设置如下调节机制：

其中，p_ci为个体i发生交叉算子的概率，在进化初期给予较高的交叉概率，在后期降低交叉概率；G为进化过程的最大迭代数；g为当前迭代数；p_cmax的取值与进化迭代数相关，p_cmin＝0.6；f_i为个体i的适应度函数值，f_max为当前所有个体的最大适应度值，是当前种群的平均适应度值。由式(14)可见,交叉概率与当前迭代数和当前种群的进化状况密切相关。

步骤E5中，在寻优过程中设置的参数变异概率p_c的自适应调节，具体如下：

p_m影响种群的变异情况，个体的适当变异可以保持种群多样性，防止陷入局部最优。但是，如果p_m取值过大，算法则近似于随机搜索，失去了遗传进化特性。从遗传进化代数和种群个体适应函数值两个方面对变异概率建立调节公式，有

(15)

其中，p_mi为个体i发生变异的概率。由式(15)可见，适应函数值越小的个体发生变异的可能性越小，随着迭代次数的增加，种群个体趋于相似的基因结构，此时很有可能陷入局部最优。为了避免这种情况，应适当增大个体发生变异的概率，鼓励新型个体的产生，保持个体多样性。设置p_mmax＝0.005，p_mmin随着进化次数有所调整，有

在进化初期，个体发生变异的可能性较小，在进化末期，提高种群个体变异操作的概率，有利于扩大搜索范围，跳出局部最优。

本发明采用上述技术方案，具有以下有益效果：

(1)本发明在进行调相机参数辨识的时候，采用分步辨识的策略。针对辨识精度较高的稳态参数X_d，利用扰动前的稳态量测数据进行辨识；利用扰动过程中的动态数据进行动态参数辨识时，固定稳态参数X_d的值，辨识求得的调相机参数精度较一次性全部辨识所有d轴参数更高。

(2)本发明在进行调相机参数辨识的时候，在调相机模型中引入饱和系数，更好地反映了调相机的实际运行状态，辨识结果更加接近参数真值。

(3)本发明在进行调相机参数辨识的时候，在参数寻优过程中采用的遗传算法，引入了自适应调节的交叉概率p_c和变异概率p_m，防止解集陷入局部最优，解决了传统遗传算法早熟的问题。

附图说明

图1为调相机的空载特性曲线；

图2为本发明的计及饱和效应的调相机参数分步辨识方法的一种实施例的流程框图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

图1显示了调相机的空载特性曲线，如图1所示，对应调相机额定电压时的空载特性曲线刚好开始弯曲。空载曲线通过式(2)进行拟合，拟合得到该调相机饱和特性参数为a＝0.9258,b＝0.0791,n＝8.0417。通过式(2)，我们可以得到每步迭代过程中K_G的值。

图2为本发明的计及饱和效应的调相机参数分步辨识方法的一种实施例的流程框图。如图2所示，本发明的计及饱和效应的调相机参数分步辨识方法的一种实施例，包括以下步骤：

步骤A：确定辨识所需的计及饱和效应的调相机模型；

根据调相机的运行状态将调相机辨识参数缩小到d轴范围，得到计及饱和效应的饱和效应的调相机六阶实用模型的d轴方程可为：

其中，饱和系数K_G定义为：

步骤B：从WAMS系统中读取待辨识调相机并网时的PMU量测数据，包括正序电压幅值、正序电压相角、正序电流幅值、正序电流相角、主励磁电压、励磁电流、发电机功角。

步骤C：对PMU量测数据进行预处理。

步骤C1：去除无效数据。当仅当量测数据同时满足最低采样频率条件和扰动深度检验条件时，该量测数据有效；

步骤:C2：对有效量测数据进行标幺化处理。

步骤D：利用扰动前的稳态量测辨识出调相机的稳态参数，在稳态情况下满足

由上式可以计算出稳态参数

步骤E：利用扰动后的动态过程辨识暂态/次暂态参数；

步骤E1：消去i_d后，式(1)可表示为

步骤E2：对上式做矩阵变换得到

记

则上式可以表示为

步骤E3：通过改进Euler法对上式进行数值求解，过程如下：

利用Euler算法算得一个初步的近似值称之预测值，表达式如下：

利用梯形公式将上式校正一次，得到修正值e_k+1，表达式如下：

进而我们得到迭代通式如下：

d轴电流的计算值

步骤E4：应用最小二乘原理建立优化目标函数如下：

步骤E5：利用参数交叉概率p_c和变异概率p_m自适应调节的改进遗传算法优化目标函数以得到参数辨识结果辨识。

步骤E5中，在寻优过程中设置的参数交叉概率p_c的自适应调节，具体如下：

交叉算子对种群实现不断更新，p_c的大小决定种群个体的更新速率,其值过大，会破坏优良的遗传模式，取值过小会导致算法搜索速度缓慢，种群难以得到进化。在进化前期，为了扩大整体搜索范围，加快种群更新速度,应该增大p_c的值；在进化后期，种群整体解集趋于稳定,为了使优良基因结构得以延续保存,应适当降低p_c。另外,交叉算子可以改变甚至破坏基因结构,对适应度较差的个体而言,更多地参与交叉操作可以促进其不断优化,所以应给予较高的p_c。相应地，适应度越高的个体,为了防止基因结构被破坏，进行交叉操作的概率应当越小。基于上述考虑,设置如下调节机制：

其中，p_ci为个体i发生交叉算子的概率，在进化初期给予较高的交叉概率，在后期降低交叉概率；G为进化过程的最大迭代数；g为当前迭代数；p_cmax的取值与进化迭代数相关，p_cmin＝0.6；f_i为个体i的适应度函数值，f_max为当前所有个体的最大适应度值，是当前种群的平均适应度值。由式(14)可见,交叉概率与当前迭代数和当前种群的进化状况密切相关。

步骤E5中，在寻优过程中设置的参数变异概率p_c的自适应调节，具体如下：

p_m影响种群的变异情况，个体的适当变异可以保持种群多样性，防止陷入局部最优。但是，如果p_m取值过大，算法则近似于随机搜索，失去了遗传进化特性。从遗传进化代数和种群个体适应函数值两个方面对变异概率建立调节公式，有

其中，p_mi为个体i发生变异的概率。由式(15)可见，适应函数值越小的个体发生变异的可能性越小，随着迭代次数的增加，种群个体趋于相似的基因结构，此时很有可能陷入局部最优。为了避免这种情况，应适当增大个体发生变异的概率，鼓励新型个体的产生，保持个体多样性。设置p_mmax＝0.005，p_mmin随着进化次数有所调整，有

在进化初期，个体发生变异的可能性较小，在进化末期，提高种群个体变异操作的概率，有利于扩大搜索范围，跳出局部最优。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (10)

1.一种计及饱和效应的调相机参数分步辨识方法，其特征在于，包括如下步骤：

步骤A：确定辨识所需的计及饱和效应的调相机模型；

步骤B：从WAMS系统中读取待辨识调相机并网时的PMU量测数据；

步骤C：对PMU量测数据进行预处理；

步骤D：利用扰动前的稳态量测辨识出调相机的稳态参数；

步骤E：利用扰动后的动态过程辨识暂态/次暂态参数。

2.根据权利要求1所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，所述步骤A中的调相机辨识参数为d轴范围，待辨识的调相机参数有：直轴同步电抗X_d，直轴暂态电抗X′_d，直轴次暂态电抗X″_d，直轴暂态时间常数T′_d0和直轴次暂态时间常数T″_d0。

3.根据权利要求2所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，调相机辨识参数为d轴范围时，得到的计及饱和效应的调相机六阶实用模型的d轴方程可以表述为：

其中，饱和系数K_G定义为：

其物理意义在于考虑饱和效应时相当于对励磁电压e_fd进行部分抵消。

4.根据权利要求1所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，所述步骤B中，从WAMS系统中读取待辨识调相机并网时的PMU量测数据包括正序电压幅值、正序电压相角、正序电流幅值、正序电流相角、主励磁电压、励磁电流、发电机功角。

5.根据权利要求1所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，所述步骤C的实现过程为：

步骤C1：去除无效数据，当仅当量测数据同时满足最低采样频率条件和扰动深度检验条件时，该量测数据有效；

步骤C2：对有效量测数据进行标幺化处理。

6.根据权利要求5所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，所述步骤D中，在稳态情况下满足

由式(3)可以计算出稳态参数

7.根据权利要求3所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，所述步骤E的实现过程为：

步骤E1：式(1)消去i_d，得到

步骤E2：对式(5)做矩阵变换，得到

记

则式(6)可以表示为

步骤E3：通过改进Euler法对式(7)进行数值求解，包括以下步骤：

1)利用Euler算法算得一个初步的近似值称之预测值，表达式如下：

2)利用梯形公式将其校正一次，得到修正值e_k+1，表达式如下：

从而得到迭代通式如下：

d轴电流的计算值为：

步骤E4：应用最小二乘原理建立优化目标函数如下：

步骤E5：利用改进遗传算法优化式(12)以得到参数辨识结果辨识。

8.根据权利要求7所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，式(7)由于K_G的时变性，矩阵A是一个时变矩阵，在解微分方程时需要交替迭代，首先，由饱和曲线和E′_q的初值求出K_G，再将K_G代入(2)求出新的E′_q，然后再用E′_q的新值求新的K_G，以此类推，从而得出饱和情况下的电动势。

9.根据权利要求7所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，步骤E5中，在寻优过程中设置参数交叉概率p_c的自适应调节，具体如下：

其中，p_ci为个体i发生交叉算子的概率，在进化初期给予较高的交叉概率，在后期降低交叉概率；G为进化过程的最大迭代数；g为当前迭代数；p_cmax的取值与进化迭代数相关，p_cmin＝0.6；f_i为个体i的适应度函数值，f_max为当前所有个体的最大适应度值，是当前种群的平均适应度值。

10.根据权利要求7所述的一种计及饱和效应的调相机参数分步辨识方法，其特征在于，步骤E5中，在寻优过程中设置参数变异概率p_c的自适应调节，具体如下：

其中，p_mi为个体i发生变异的概率，设置p_mmax＝0.005，p_mmin随着进化次数调整，有