CN109989875B - 一种水轮机调节系统参数辨识方法 - Google Patents

Abstract

本发明涉及一种水轮机调节系统参数辨识方法，其特征在于包括以下步骤：(1)根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的实际输出量；(2)采用水循环算法，基于建立的水轮发电机组调速系统的仿真系统模型和获取的各种扰动输入量和实际输出量，对水轮发电机机组调速系统进行参数辨识，得到水轮发电机组调速系统的参数辨识结果。本发明有很高的参数辨识精度，能快速准确地辨识出水轮机被控系统各环节的参数，且有很少的参数需人工设定，同时该方法比传统的PSO算法有更快的收敛速度和辨识精度，能够广泛应用于水轮发电机组的参数辨识领域。

Description

一种水轮机调节系统参数辨识方法

技术领域

本发明涉及一种水轮机调节系统参数辨识方法，属于水轮机调节系统参数辨识领域。

背景技术

水轮机调节系统是机组控制系统的核心部分，它的性能决定电力系统的安全与稳定。水轮机调节系统参数的设置不当将严重影响水电机组调频功能的发挥。只有很好地掌握系统运行规律，设置合适的参数，才能有效提高水轮机调节系统的控制性能，进而保证电网安全及其运行稳定性。

目前，PSASP，BPA是国内常用的电力系统稳定计算分析软件，但其调速系统模型是基于早期的机械液压型调速器建立的，水轮机调节系统的参数辨识大多局限于IEEE推荐模型的参数实测，与实际相差较大。应用较多的参数辨识方法有频域辨识法、时域辨识法及仿生学智能优化算法。但时域辨识法和频域辨识法所辨识得到的都是整个系统的传递函数的系数，要进一步获得模型中各个子环节的参数值还必须通过数学分解，该过程存在一定误差。而且如果分别辨识各个子环节，会成倍增加工作量。智能优化方法具有强大的目标函数适应能力和理论上的全局优化能力，在水轮机调速系统参数辨识中有广泛的应用。其中，遗传算法需要进行复制、交叉与变异操作，进化速度较慢，易出现早熟收敛，并且其性能对参数有较大的依赖性；粒子群优化算法容易陷入局部最优解，产生早熟现象，且优化性能对参数设置有较大的依赖。

发明内容

针对上述问题，本发明的目的是提供一种水轮机调节系统参数辨识方法，利用水循环算法实现水轮机调节系统的参数辨识，有效提高了辨识精度和收敛速度。

为实现上述目的，本发明采取以下技术方案：一种水轮机调节系统参数辨识方法，其包括以下步骤：(1)根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的实际输出量；(2)采用水循环算法，基于建立的水轮发电机组调速系统的仿真系统模型和获取的各种扰动输入量和实际输出量，对水轮发电机机组调速系统进行参数辨识，得到水轮发电机组调速系统的参数辨识结果。

进一步的，所述步骤(1)中，根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的实际输出量的方法，包括以下步骤：

(1.1)分析所要辨识的水轮发电机组调速系统，建立符合实际情况的同步电机模型作为仿真系统；所述仿真系统包括所要辨识的全部参数以及各所要辨识参数的辨识范围，其中，所要辨识参数包括电液随动系统时间常数T_y、水轮机引水系统惯性时间常数T_w、发电机惯性时间参数T_a及发电机参数e_n，所要辨识参数的辨识范围根据厂家提供参数或经验值确定；

(1.2)通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的动态特性，得到各扰动量对应的输出量数据。

进一步的，所述步骤(2)中，采用水循环算法，基于建立的水轮发电机组调速系统的仿真系统模型和获取的各种扰动输入量和实际输出量，对水轮发电机机组调速系统进行参数辨识，得到水轮发电机组调速系统的参数辨识结果的方法，包括以下步骤：

(2.1)确定代价函数计算公式；

(2.2)设定水循环算法控制参数，包括降雨层个数N_pop，河流和海洋总数N_sr，极小值初始值d_max和最大迭水循环算法代次数T；

(2.3)根据确定的各所要辨识参数的辨识范围，随机生成初始种群，并形成初始溪流、河流和海洋；

(2.4)将溪流种群划分为多个溪流层作为仿真系统的模型参数输入到仿真系统模型，以实际系统的各种扰动量作为仿真系统模型的输入信号，得到仿真系统模型的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个溪流层的代价函数值J_i；

(2.5)比较每个溪流层代价函数值的大小，选择最小的代价函数值J_i对应的溪流层作为大海，选择N_河个次小的代价函数值J_i对应的溪流层作为河流，确定流向指定河流和大海的溪流个数；

(2.6)分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换；

(2.7)判断是否满足蒸发条件，如果满足则进入降雨过程即步骤(2.8)，否则进入步骤(2.9)；

(2.8)根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水；

(2.9)对当前次迭代的极小值进行更新；

(2.10)以迭代次数达到最大迭代次数来结束算法寻优，若满足，则迭代结束，输出水轮机调节系统参数辨识的最优结果；否则，返回步骤(2.6)，直到迭代结束。

进一步的，所述步骤(2.6)中，分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换的方法，包括以下步骤：

(2.6.1)分别对溪流流向河流的位置和溪流流向海洋的位置进行更新；

(2.6.2)将溪流新的位置作为系统参数分别输入到仿真系统，以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个溪流的代价函数值：若溪流的代价函数小于河流的代价函数，则河流和溪流的位置对换；若溪流的代价函数小于大海的代价函数，则海洋和溪流的位置对换；

(2.6.3)更新河流流向海洋的位置；

(2.6.4)将河流新的位置作为系统参数输入到仿真系统，以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个河流的代价函数值；若河流的代价函数值小于海洋的代价函数值，则海洋和河流的位置对换。

进一步的，所述步骤(2.6.1)中，分别对溪流流向河流的位置和溪流流向海洋的位置进行更新的公式为：

其中，溪流流向河流的位置的更新公式为：

溪流流向海洋的位置的更新公式为：

式中：

分别表示第i次迭代过程中，溪流、河流和海洋的当前位置；

表示溪流新的位置；rand为0到1之间均匀分布的随机数；C为位置更新的系数。

进一步的，所述步骤(2.6.3)中，更新河流流向海洋的位置的公式为：

式中：rand为0到1之间均匀分布的随机数；

分别表示第i次迭代过程中，河流和海洋的当前位置；

表示河流新的位置；C为位置更新的系数。

进一步的，所述步骤(2.7)中，蒸发条件为：

式中，

和

分别为第i次迭代过程中，海洋和河流的位置；i＝1，2，…，N_sr-1。

进一步的，所述步骤(2.8)中，根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水的方法为：

如果

或者rand<0.1，i＝1，2，…，N_sr-1，则利用下式进行降雨过程，形成新的降水：

式中：

为新形成溪流的最新位置，UB和LB分别为变量的上、下边界，rand为0到1之间均匀分布的随机数；

如果

利用下式进行降雨过程，形成新的降水：

式中：randn是正态分布的随机数；μ表示海洋附近搜索区域范围的系数。

进一步的，所述步骤(2.9)中，对极小值

进行更新的公式为：

式中：T为水循环算法最大迭代次数，

第i次迭代过程中的极小值，

为第i+1次迭代过程中的极小值。

本发明由于采取以上技术方案，其具有以下优点：本发明提出的基于水循环算法的水电机组调节对象参数辨识方法，所需参数少，计算简单，有较快的收敛速度和姣好的收敛精度，避免了常规的PSO算法需要人工设置多个重要参数而带来的误差，适用范围更广，有很好的实用价值。

附图说明

图1是本发明实施例中水轮机调节系统被控对象结构图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

水循环算法(Water Cycle Algorithm,WCA)受启发于大自然，是根据观察大自然水循环过程中水由江、河、湖泊流向海洋的过程，而提出的一种新型优化算法。该算法具有良好的收敛速度、收敛精度和稳定性，能很好地应用于水轮机调节系统参数辨识。因此，本发明提出一种基于水循环算法的水轮机调节系统参数辨识方法，具体包括以下步骤：

(1)根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动输入情况下的实际输出量；

具体的，包括以下步骤：

(1.1)分析所要辨识的水轮发电机组调速系统，建立符合实际情况的同步电机模型作为仿真系统。其中，仿真系统模型中包含所要辨识的全部参数(电液随动系统时间常数T_y、水轮机引水系统惯性时间常数T_w、发电机惯性时间参数T_a及发电机参数e_n)以及根据厂家提供参数或经验值为每个待辨识参数设定的合适的辨识范围。

(1.2)通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动输入情况下的动态特性，并记录各种扰动量输入及其对应的实际输出量数据。

(2)采用水循环算法，基于建立的水轮发电机组调速系统的仿真系统模型，对水轮发电机机组调速系统进行参数辨识，得到水轮发电机组调速系统的参数辨识结果。

具体的，包括以下步骤：

(2.1)确定代价函数计算公式，作为评价基于水循环算法的水轮机调节系统参数辨识模型逼近实际系统的程度。

式中：N为采集数据的个数；y_i为实际系统输出的第i个采样值；

为辨识参数模型输出的第i个采样值。

(2.2)设定水循环算法控制参数，包括降雨层个数N_pop，河流和海洋总数N_sr，极小值初始值d_max和最大迭水循环算法代次数T，优化参数个数N_var＝4，并根据厂家提供参数或经验值为每个待辨识参数(T_y、T_w、T_a及e_n)设定合适的辨识范围。

(2.3)根据步骤(1)中获取的待辨识信号，随机生成初始种群，并利用式(2)，(3)和(4)形成初始溪流(雨滴)、河流和海洋。

N_sr＝N_河+1 (3)

N_溪＝N_pop-N_sr (4)

式中：N_var为搜索空间的维数，即是一个N_var维优化问题；N_河为河流个数；N_sr为河流和海洋总数；N_溪为溪流个数。

(2.4)将溪流种群划分为多个雨滴层作为仿真系统的模型参数输入到仿真系统模型，以步骤(1)中实际系统的各种扰动量作为仿真系统模型的输入信号，得到仿真系统模型的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，用式(1)计算每个溪流层的代价函数值J_i；其中，各溪流层的表达式为

(2.5)比较每个溪流层代价函数值的大小，选择最小的代价函数值J_i对应的溪流层作为大海，选择N_河个次小的代价函数值J_i对应的溪流层作为河流，并按公式(5)确定流向指定河流和大海的溪流个数。

式中：NS_n为流向特定河流或海洋的溪流数目，round{f}取f四舍五入后的整数值，n＝1，2，…，N_sr。

(2.6)分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换；

具体的，包括以下步骤：

(2.6.1)分别对溪流流向河流的位置和溪流流向海洋的位置进行更新。

其中，溪流流向河流的位置的更新公式为：

溪流流向海洋的位置的更新公式为：

式中：

分别表示第i次迭代过程中，溪流、河流和海洋的当前位置；

表示溪流新的位置；rand为0到1之间均匀分布的随机数；C为位置更新的系数，取经验值2。

(2.6.2)将溪流新的位置作为系统参数分别输入到仿真系统。以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的方针输出量结果，基于得到的仿真输出量结果和实际系统的输出量，采用式(1)计算每个溪流的代价函数值。若溪流的代价函数小于河流的代价函数，则河流和溪流的位置对换；若溪流的代价函数小于大海的代价函数，则海洋和溪流的位置对换。

(2.6.3)利用式(8)更新河流流向海洋的位置。

式中：rand为0到1之间均匀分布的随机数；

分别表示第i次迭代过程中，河流和海洋的当前位置；

表示河流新的位置；C为位置更新的系数，取经验值2。

(2.6.4)将河流新的位置作为系统参数输入到仿真系统。以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的方针输出量结果，基于得到的仿真输出量结果和实际系统的输出量，用式(1)计算每个河流的代价函数值。若河流的代价函数值小于海洋的代价函数值，则海洋和河流的位置对换。

(2.7)判断是否满足蒸发条件，如果满足则进入降雨过程即步骤(2.8)，否则进入步骤(2.9)。

其中，蒸发条件是：

式中，

和

分别为第i次迭代过程中，海洋和河流的位置；i＝1，2，…，N_sr-1。

(2.8)根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水。

如果

或者rand<0.1，i＝1，2，…，N_sr-1，则利用式(10)进行降雨过程，形成新的降水。

式中：

为新形成溪流的最新位置；UB和LB分别为变量的上、下边界；rand定义同上。

如果

利用式(11)进行降雨过程，形成新的降水。

式中：randn是正态分布的随机数；μ表示海洋附近搜索区域范围的系数，μ越小，则搜索范围离海洋(最优解)越近，一般μ取0.1。

(2.9)采用公式(12)对当前次迭代的极小值进行更新，更新公式为：

式中：T为水循环算法最大迭代次数，

第i次迭代过程中的极小值，

为第i+1次迭代过程中的极小值。

(2.10)以迭代次数达到最大迭代次数来结束算法寻优，若满足，则迭代结束，输出水轮机调节系统参数辨识的最优结果；否则，返回步骤(2.6)，直到迭代结束。

实例分析

水轮机调节系统可分为PID微机调速器和被控对象环节。被控对象包括：电液随动系统、水轮机及引水系统、发电机及负荷。当PID微机调速器结构已知时，它的参数较容易获得，不需要再进行参数辨识。由于被控对象的模型结构相对复杂，不能直接获得其具体模型结构和参数。因此，需要对被控对象环节进行系统参数辨识。在小扰动情况下，可以对水轮机调节系统的被控对象适当作线性化处理，在实际辨识中的调节对象模型如图1所示。需要辨识的参数有电液随动系统时间常数T_y、水轮机引水系统惯性时间常数T_w、发电机惯性时间参数T_a及发电机参数e_n。

图1中，对图1水轮发电机组调节系统被控对象建立模型模拟实际对象，对被控对象施加激励信号。本实施例选择M序列作为系统参数辨识的输入信号u(t)，输出信号为x(t)。采样点数为255个，采样时间间隔为0.1s，图1中的y、m_t、s分别为接力器行程、水轮机的输出动力矩、拉普拉斯算子。

采用水循环算法对水轮机调节系统被控对象模型参数进行辨识，其参数设置为：最大迭代次数T＝50，降雨层个数N_pop＝20，河流和海洋总数N_sr＝4，极小值d_max＝10^-5。其辨识结果如表1所示。可以看出，该方法有非常高的辨识精度，辨识出的参数值和真实值几乎完全一样。

表1被控对象参数辨识结果

	T<sub>y</sub>	T<sub>w</sub>	T<sub>a</sub>	e<sub>n</sub>
					真实值	0.2	1.6	6.0	1.0
WCA辨识值	0.200	1.600	5.999	1.000
					PSO辨识值	0.1963	1.679	6.037	0.995

为了进一步验证本发明提出的基于水循环算法的水轮机调节系统被控对象模型参数辨识方法的性能，采用常用的PSO算法对其进行优化，其参数设置为：种群规模＝20，微粒维数＝4，最大迭代次数50，惯性权重w_max＝0.9，w_min＝0.6，局部学习因子c₁＝2，全局学习因子c₂＝2，速度范围为[-6,6]。该方法的辨识结果如表1所示。可以看出，在相同的种群规模和迭代次数时，PSO方法得到参数辨识值有一定的误差，辨识效果没有WCA方法好。对于相同的迭代次数和种群规模，PSO优化所花费的时间是WCA优化的2倍以上。此外，PSO算法中的一些重要参数，如学习因子、惯性权重、最大速度等参数需要人工确定，并不具有广泛的适应性，它们的取值对算法的收敛性起着非常大的作用。而WCA方法参数少，计算简单，有较快的收敛速度和较好的收敛精度。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (8)

1.一种水轮机调节系统参数辨识方法，其特征在于包括以下步骤：

(1)根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的实际输出量；

(2)采用水循环算法，基于建立的水轮发电机组调速系统的仿真系统模型和获取的各种扰动输入量和实际输出量，对水轮发电机机组调速系统进行参数辨识，得到水轮发电机组调速系统的参数辨识结果；

具体的，包括以下步骤：

(2.1)确定代价函数计算公式；

(2.2)设定水循环算法控制参数，包括降雨层个数N_pop，河流和海洋总数N_sr，极小值初始值d_max和最大迭水循环算法代次数T，优化参数个数N_var＝4；

(2.3)根据确定的各所要辨识参数的辨识范围，随机生成初始种群，并形成初始溪流、河流和海洋；

(2.4)将溪流种群划分为多个溪流层作为仿真系统的模型参数输入到仿真系统模型，以实际系统的各种扰动量作为仿真系统模型的输入信号，得到仿真系统模型的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个溪流层的代价函数值J_i；

(2.5)比较每个溪流层代价函数值的大小，选择最小的代价函数值J_i对应的溪流层作为大海，选择N_河个次小的代价函数值J_i对应的溪流层作为河流，确定流向指定河流和大海的溪流个数；

(2.6)分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换；

(2.7)判断是否满足蒸发条件，如果满足则进入降雨过程即步骤(2.8)，否则进入步骤(2.9)；

(2.8)根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水；

(2.9)对当前次迭代的极小值进行更新；

(2.10)以迭代次数达到最大迭代次数来结束算法寻优，若满足，则迭代结束，输出水轮机调节系统参数辨识的最优结果；否则，返回步骤(2.6)，直到迭代结束。

2.如权利要求1所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(1)中，根据所要辨识的水轮发电机组调速系统建立同步电机模型，并通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的实际输出量的方法，包括以下步骤：

(1.1)分析所要辨识的水轮发电机组调速系统，建立符合实际情况的同步电机模型作为仿真系统；所述仿真系统包括所要辨识的全部参数以及各所要辨识参数的辨识范围，其中，所要辨识参数包括电液随动系统时间常数T_y、水轮机引水系统惯性时间常数T_w、发电机惯性时间参数T_a及发电机参数e_n，所要辨识参数的辨识范围根据厂家提供参数或经验值确定；

(1.2)通过现场试验获取所要辨识的水轮发电机组调速系统在各种扰动量输入情况下的动态特性，得到各扰动量对应的输出量数据。

3.如权利要求1所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.6)中，分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换的方法，包括以下步骤：

(2.6.1)分别对溪流流向河流的位置和溪流流向海洋的位置进行更新；

(2.6.2)将溪流新的位置作为系统参数分别输入到仿真系统，以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个溪流的代价函数值：若溪流的代价函数小于河流的代价函数，则河流和溪流的位置对换；若溪流的代价函数小于大海的代价函数，则海洋和溪流的位置对换；

(2.6.3)更新河流流向海洋的位置；

(2.6.4)将河流新的位置作为系统参数输入到仿真系统，以实际系统的扰动量作为仿真系统的输入信号，得到仿真系统的仿真输出量结果，基于得到的仿真输出量结果和实际系统的输出量，计算每个河流的代价函数值；若河流的代价函数值小于海洋的代价函数值，则海洋和河流的位置对换。

4.如权利要求3所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.6.1)中，分别对溪流流向河流的位置和溪流流向海洋的位置进行更新的公式为：

其中，溪流流向河流的位置的更新公式为：

溪流流向海洋的位置的更新公式为：

式中：

分别表示第i次迭代过程中，溪流、河流和海洋的当前位置；

表示溪流新的位置；rand为0到1之间均匀分布的随机数；C为位置更新的系数。

5.如权利要求3所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.6.3)中，更新河流流向海洋的位置的公式为：

式中：rand为0到1之间均匀分布的随机数；

分别表示第i次迭代过程中，河流和海洋的当前位置；

表示河流新的位置；C为位置更新的系数。

6.如权利要求1所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.7)中，蒸发条件为：

式中，

和

分别为第i次迭代过程中，海洋和河流的位置；i＝1，2，…，N_sr-1。

7.如权利要求1所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.8)中，根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水的方法为：

如果

或者rand<0.1，i＝1，2，…，N_sr-1，则利用下式进行降雨过程，形成新的降水：

式中：

为新形成溪流的最新位置，UB和LB分别为变量的上、下边界，rand为0到1之间均匀分布的随机数；

如果

利用下式进行降雨过程，形成新的降水：

式中：randn是正态分布的随机数；μ表示海洋附近搜索区域范围的系数。

8.如权利要求1所述的一种水轮机调节系统参数辨识方法，其特征在于：所述步骤(2.9)中，对极小值

进行更新的公式为：

式中：T为水循环算法最大迭代次数，

第i次迭代过程中的极小值，

为第i+1次迭代过程中的极小值。

Images