一种同步发电机参数辨识方法
技术领域
本发明涉及电网分析技术领域,特别是涉及用于同步发电机参数辨识方法。
背景技术
我国的电力系统已经进入大电网、大机组、特高压、交直流混合互联的新时代。规模迅速扩大的电力系统以及新技术在电网中的应用大大增加了其自身的复杂性,电力系统的安全问题日益突出。发电机模型和参数的精度直接影响着电力系统稳定计算结果,并影响控制决策。但由于发电机实际工况较为复杂,虽然电机制造部门提供了部分设计参数,但往往偏差较大,导致计算结果与实际不符。因此,基于实际电网系统运行状况的建模和模型参数一直是研究的热点,并有十分重要的工程实用价值。
然而,发电机模型的非线性及电气参数较多,导致辨识算法复杂,并且容易出现辨识结果不稳定的问题。
因此希望有一种用于同步发电机参数辨识方法以解决现有技术中的问题。
发明内容
遗传算法是仿照生物界的遗传进化过程提出的一种优化算法,其具有良好的全局收敛性能。遗传算法的基本计算包括三个过程:选择、交叉和变异。
1)选择:选择的目的是为了从当前群体中选出优良个体,使它们有机会作为父代产生后代个体,选择过程按照当前解群中每个个体的适应函数值,用随机的方式选出一定数目的个体,用于繁殖下一代,适配值较大的个体在选择中获得较多的机会进行繁殖,反则反之;
2)交叉:对配对库中的个体进行随机配对,在配对个体中随机设定交叉处,配对个体彼此交换部分信息;
3)变异:变异是按照一定的变异概率,随机选定一个个体并随机确定某个基因位置,进行基因翻转,实现变异。
本发明公开了一种用于同步发电机参数辨识方法,根据灵敏度法,利用发电机主导参数对遗传算法进行优化,简化同步发电机参数辨识的难度。
所述参数辨识方法包括以下步骤:
步骤一:建立同步发电机数学模型;
步骤二:计算扰动下发电机各参数的轨迹灵敏度;
步骤三:计算各发电机参数的权重系数;
步骤四:计算模型仿真值与相量测量单元量(PMU)量测值偏差,进行参数修正;
步骤五:基于遗传算法进行发电机参数优化。
优选地,所述步骤一采用发电机4阶电气量方程确定所述同步发电机数学模型:
式中:ud为纵轴电动势,uq为横轴电动势,Id为横轴电流,Iq为纵轴电流,Xd为纵轴同步电抗,Xq为横轴同步电抗,Xd′为纵轴暂态电抗,Xq′为横轴暂态电抗,Xd″为纵轴次暂态电抗,Xq″为横轴次暂态电抗、Td0′为纵轴暂态开路时间常数,Tq0′为横轴暂态开路时间常数,Td0″为纵轴次暂态开路时间常数,Tq0″为横轴次暂态开路时间常数,KG为饱和系数,发电机定子电阻Ra假定为0。
优选地,所述步骤二根据公式(1)和公式(2)求取功率的动态灵敏度,公式(2)为:
式中P为发电机有功功率,Q为发电机无功功率,δ为发电机功角,V为发电机机端电压,ψ为机端电压相角,E″为发电机的次暂态电势;
发电机特性的一般表达式为公式(3):
式中x为同步发电机状态向量,y为同步发电机代数向量,p0为同步发电机参数向量,f、g为关于发电机参数的函数;
假定在参数p0处有扰动ε,扰动后的参数为p,其中p=p0+ε,定义:
其中F(p)和G(p)分别为f函数和g函数在以扰动为自变量下输出的定义;
将公式(4)带入公式(3)中得公式(5):
将式(5)在p0处泰勒级数展开并忽略二次项得公式(6):
将公式(7)代入公式(6)得到参数p对动态响应的轨迹灵敏度,令则轨迹灵敏度的迭代公式(8)为:
因为稳态时S为常数,所以S和的初始值可以由公式(9)得到:
通过公式(8)和式(9)即可迭代求解参数对动态响应的轨迹灵敏度。
优选地,所述步骤三通过公式(10)计算发电机参数的权重系数W(k):
W(k)=∫|Δδ(t)|dt (10)
式中Δδ(t)为功角相对于各参数的轨迹灵敏度。
优选地,所述步骤四以计算拟合误差的目标函数为依据进行所述参数修正,目标函数如公式(11):
式中发电机模型的仿真输出p0为发电机模型参数向量,Ui为输入电压信号;PMU实测发电机功角为Si;W(k)为权重系数。
优选地,所述步骤五基于遗传算法的小区间生成法对发电机参数进行优化,即先把各待优化参数的取值范围分成群体总数个小区间,再在各小区间中分别随机地生成一个初始个体,用目标函数来评价种群中个体对环境的适应程度。
本发明公开了一种用于同步发电机参数辨识方法,本发明根据发电机各参数对系统影响能力的不同,通过四阶数学模型推导各电气参数的轨迹灵敏度,以轨迹灵敏度为依据,设置不同的影响权重进行算法优化,并设置初始群体范围,更快速、有效的进行算法优化,寻找合适的拟合参数值。
附图说明
图1是同步发电机参数辨识优化方法的流程图。
图2是遗传算法参数优化流程图。
图3是Simulink系统仿真图。
图4是发电机功角拟合曲线图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1和2所示,同步发电机参数辨识的具体步骤:
(1)根据实际的需要,确定发电机的辨识模型,本文釆用的是发电机四阶模型。根据发电机数学模型,确定其中需要辨识的电气参数。在该模型中,需要辨识的参数有电气参数和机械参数。其中,电气参数包括同步电抗Xd和Xq、暂态电抗Xd′和Xq′、次暂态电抗Xd″和Xq″、暂态开路时间常数Td0′和Tq0′,次暂态开路时间常数Td0″和Tq0″。由于忽略变压器电势、忽略转子速度变化对定子电压的影响,本文只针对电气参数进行辨识。
(2)通过PMU记录的数据,将其记录的正常运行状态下发生小扰动时发电机出口处的三相电压Ua、Ub、Uc,三相电流Ia、Ib、Ic及功角δ等扰动数据进行Park变换,得到dq0坐标系下的数据参数。在辨识过程中,均采用在d轴和q轴下的电气参数。
(3)计算发电机参数的权重系数W(k)=∫|Δδ(t)|dt。
(4)在给定的发电机参数初值基础上,用目标函数来评价种群中个体对环境的适应程度。目标函数为适应度越高的个体,越有可能被保留下来作为父辈来执行后面的进化过程。
(5)选择
以个体适应度为依据,使用选择算子对种群中的所有个体进行优胜劣汰操作,选择后将最优的个体即模型参数组成父体。
(6)交叉
从父体中以随机选取个体,进行配对,利用交叉算子,让两个个体中的部分信息互换,这样会产生两个新的个体。
(7)变异
针对单个个体,以变异概率在某个范围内做变异运算,从而产生一代新的个体。变异操作能维持群体的多样性,保证搜索范围的全局性。
(8)循环
在第(4)步与第(7)步之间循环,将连续多次所得值取均方差,当均方差的值小于允许误差满足收敛条件,结束辨识过程。
(9)遗传算法优化算例
利用simulink搭建一个仿真模型,仿真模型如图3所示。通过设置线路始端故障,增加扰动输入进行参数辨识。同步发电机额定容量500MW,采用的是标准有名值模型,额定电压20kV,其中Xd=2.23(p.u)、Xq=2.1(p.u)、Xd′=0.265(p.u)、Xq′=0.395(p.u)、Xd″=0.205(p.u)、Xq″=0.201(p.u)、Td0′=8.61(s)、Tq0′=0.97(s)、Td0″=0.045(s)、Tq0″=0.035(s)。
在t=0.1s时,通过增加扰动,以发电机功角为观测量,辨识发电机参数,通过观察图发电机功角的拟合程度,验证遗传算法的有效性。
功角拟合曲线如图4所示,辨识结果如下表:
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。