CN111273632A - 基于rtds测试数据的svg控制器参数辨识方法 - Google Patents

Abstract

本发明公开了基于RTDS测试数据的SVG控制器参数辨识方法，涉及参数辨识方法。目前，受现场部分试验条件和方法的限制，效率低下。本发明包括步骤：对多种工况下、多种控制模式的SVG输出响应进行在环测试，得到响应输出数据；在BPA软件中建立与RTDS测试环境相同的仿真系统，对SVG控制器进行暂态仿真计算；基于RTDS在环测试数据，应用自动参数辨识算法对SVG控制器的控制参数进行辨识，将BPA仿真结果与RTDS在环测试结果相对比，计算控制误差；若控制误差不满足要求,采用非线性最小二乘辨识法进行迭代修正参数，直至满足误差指标；完成参数辨识工作，得到SVG控制器模型和参数。本技术方案仿真结果可重复、参数易调整、工况易模拟、测试效率高。

Description

基于RTDS测试数据的SVG控制器参数辨识方法

技术领域

本发明涉及参数辨识方法，尤其涉及基于RTDS测试数据的SVG控制器参数辨识方法。

背景技术

静止无功发生器(static var generator,SVG)控制器的研究和实际投入应用需要有准确详细的动态模型参数和在线调试技术，缺少实际参数且均未计及电力电子器件和运行工况的影响会导致暂态稳定计算结果与实际工况严重不符。

为采集SVG在电力系统发生扰动时的响应数据，传统的数据采集方法一般采用现场试验法，测试不同工况下SVG装置的控制性能，收集响应数据。然而受现场部分试验条件和方法的限制，一般难以开展试验标准所要求的所有动态性能试验，同时由于中、高压应用环境，导致测试及整改周期长，效率低下。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供基于RTDS测试数据的SVG控制器参数辨识方法，以得到较准确的SVG工况运行参数，以用于电力系统的暂态稳定分析目的。为此，本发明采取以下技术方案。

基于RTDS测试数据的SVG控制器参数辨识方法，包括以下步骤：

1)搭建SVG控制器-RTDS硬件在环试验平台；

2)对多种工况下、多种控制模式的SVG输出响应进行在环测试，得到响应输出数据；

3)在BPA软件中建立与RTDS测试环境相同的仿真系统，对SVG控制器进行暂态仿真计算；

4)基于RTDS在环测试数据，应用自动参数辨识算法对SVG控制器的控制参数进行辨识，将BPA仿真结果与RTDS在环测试结果相对比，计算控制误差；

5)判断误差是若满足规定指标，若控制误差满足要求，则结束；若控制误差不满足要求，进入下一步；

6)采用非线性最小二乘辨识法进行迭代修正参数，并返回步骤3)，直至满足误差指标；

7)完成参数辨识工作，得到SVG控制器模型和参数。

作为优选技术手段：在步骤1)中，基于实时数字仿真器的SVG控制器在环测试技术搭建SVG控制器－RTDS硬件在环试验平台。

作为优选技术手段：所述的SVG控制器由电压测量环节、超前-滞后环节、电压调节器、保护和限幅环节、级联式电压型逆变器以及反馈环节构成，控制系统根据电压指令控制目标侧母线电压从而快速调整SVG控制器输出的无功功率。

作为优选技术手段：电压测量环节包括一个一阶惯性环节，一阶惯性环节包括取决于实际使用的滤波器参数的滤波器和测量回路的时间常数；超前-滞后环节包括2个超前-滞后环节，其用来补偿系统的固有相位滞后，以有效地增加系统阻尼，克服振荡；电压调节器包括PI调压环节基；保护和限幅环节：用于限制其输出的感性无功电流和容性无功电流；级联式电压型逆变器，包括级联式电压型逆变电路时延环节，该环节代表晶体管触发延迟效应；反馈环节：用于提高控制系统的动态稳定性和改善其控制品质，通过测量SVG控制器输出电流I_S并转换为电压信号作为负反馈。

作为优选技术手段：在RTDS硬件在环试验平台搭建时，仿真系统模型在RTDS中搭建；级联式电压型逆变器也在RTDS中建模实现；SVG控制器通过硬件实现；电压和电流反馈信号通过RTDS小信号模拟量接口送入SVG控制器；SVG控制器将脉宽调制信号送入RTDS驱动级联式电压型逆变器模型；RTDS硬件在环试验平台用于测得SVG控制器多种工况下的响应数据、测试模型参数中滤波器和测量回路时间常数T₁与SVG控制器响应延迟T_S。

作为优选技术手段：在步骤4)中，自动参数辨识算法为：

SVG控制器参数辨识问题可以表示为一个状态方程约束下的加权最小二乘优化问题：

式中，Z_m为实测向量，f为描述SVG控制器动态特性的微分方程，h为控制器量测方程，α和

分别为待辨识参数向量α的上、下限。

选定状态向量X(α)、量测向量Z(α)和待辨识参数向量α如下：

Z(α)＝[U，I_S]^T (4)

式(3)中，

为

环节的输出(pu)；V_SCS(pu)为辅助控制信号；ΔV为

环节的输入信号；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；I_S为SVG输出电流(pu)。

式(5)中，T₁为滤波器和测量回路的时间常数；T₂第一级超前时间常数；T₃为第一级滞后时间常数；T₄为第二级超前时间常数；T₅为第二级滞后时间常数；K_P为比例环节放大倍数；T_P为比例环节时间常数；K_I为积分环节的放大倍数；X_T为SVG控制器与系统之间的等值电抗；T_S为SVG控制器响应延迟；K_D为SVG控制器的V-I特性曲线的斜率，其大于或等于0；V_MAX为电压限幅环节的上限；V_MIN为电压限幅环节的下限；I_CMAX为最大容性电流；I_LMAX为最大感性电流；V_STANDBY为与系统相连的节点电压设定差值；

状态方程为

Z(α)＝C(α)X(α) (7)

利用最小二乘估计准则，列出目标函数：

置初值α₀，由RTDS硬件在环试验数据得到实测

运用泰勒级数将模型量测值Z(α)在初值α₀处展开，则有

令Z(α)＝h(α₀)+H(α₀)Δα，式中

Δα＝(α-α₀) (10)

式(11)中，H(α)称Jacobi阵，

可直接求偏导，

利用改进欧拉法解下面微分方程求得：

其初值

代入(11)式计算H(α)阵的各元素；

将(8)式离散化后，令

即可得：

α_k+1＝α_k+Δα (15)

由式(14)计算出Δα，按式(15)多次迭代，直至|α_k+1-α_k|＜ε，其中ε为规定误差指标。

有益效果：

1.基于RTDS硬件在环试验测得的SVG响应数据，提出一种自动参数优化算法对SVG控制器模型参数进行辨识。该参数优化算法运用非线性最小二乘辨识，选定待估参数向量初值α₀，运用隐式梯形积分法求解微分方程组，多次迭代直至满足规定误差，得到待估参数向量α。使用该算法在SVG控制器参数辨识工作中，能实现参数的离线自动辨识，其辨识精度满足相关标准规范要求，提供的SVG控制器模型和参数能用于电力系统仿真、规划以及故障诊断等研究。

2.采用基于实时数字仿真器(RTDS)的SVG控制器硬件在环(HIL)测试技术搭建SVG控制器－RTDS硬件在环试验平台，对SVG输出响应进行在环测试，获得响应数据。本技术方案具有仿真结果可重复、参数易调整、工况易模拟、测试效率高等优点，并且RTDS提供的小步长微秒级别的时间尺度确保试验精度满足工程需求。

3.在BPA软件中建立与RTDS测试环境相同的仿真系统，对由自动参数辨识算法得出的SVG控制器参数模型进行仿真验证，进一步验证参数的辨识准确性。

附图说明

图1是本发明的流程图。

图2是本发明的SVG控制器模型图。

图3是本发明的电压测量环节图。

图4是本发明的超前-滞后环节图。

图5是本发明的PI调压环节图。

图6是本发明的保护和限幅环节图。

图7是本发明的逆变电路时延环节图。

图8是本发明的基于RTDS的硬件在环测试系统图。

图9是本发明的SVG母线电压对比曲线图。

图10是本发明的SVG输出无功对比曲线图。

图11是本发明的SVG输出电流对比曲线图。

图12是本发明的SVG母线电压对比曲线图。

图13是本发明的SVG输出无功对比曲线图。

图14是本发明的SVG输出电流对比曲线图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

如图1所示，基于RTDS测试数据的SVG控制器参数辨识方法，包括以下步骤：

S1)搭建SVG控制器-RTDS硬件在环试验平台；

S2)对多种工况下、多种控制模式的SVG控制器输出响应进行在环测试，得到控制响应输出数据；

S3)在BPA软件中建立与RTDS测试环境相同的仿真系统，对SVG控制器进行暂态仿真计算；

S4)基于RTDS在环测试数据，应用自动参数辨识算法对SVG控制器的控制参数进行辨识，将BPA仿真结果与RTDS在环测试结果相对比，计算控制误差；

S5)判断误差是若满足规定指标，若控制误差满足要求，则结束；若控制误差不满足要求，进入下一步；

S6)采用非线性最小二乘辨识法进行迭代修正参数，并返回步骤3)，对SVG控制器进行暂态仿真计算，直至满足误差指标；

S7)完成参数辨识工作，得到SVG控制器模型和参数。

其中，SVG控制器模型：

针对国电舟山普陀海上风电场安装的南瑞继保PCS-9583系列SVG装置，本文采用的SVG控制器模型如图2所示，该模型由电压测量环节、超前-滞后环节、电压调节器、保护和限幅环节、级联式电压型逆变器以及反馈环节构成，控制系统根据电压指令控制目标侧母线电压从而快速调整SVG输出的无功功率。

电压测量环节：整个测量环节通常用一个一阶惯性环节来描述，T₁为滤波器和测量回路的时间常数，取决于实际使用的滤波器参数。如图3所示。

超前-滞后环节：该模型采用2个超前-滞后环节，用来补偿系统的固有相位滞后，可以有效地增加系统阻尼，克服振荡。T₁,T₂,T₃,T₄分别为超前-滞后时间常数。该环节含非终端限制：V_MIN≤V≤V_MAX。如图4所示。

PI调压环节：SVG控制器模型的核心控制环节，K_P为比例积分放大倍数，T_P为比例环节放大倍数，对于晶体管运算放大器，由于其动态响应快，一般可近似认为T_P＝0；积分环节含非终端限制：V_MIN≤V≤V_MAX，其中K_I为积分环节放大倍数。如图5所示。

保护和限幅环节：SVG装置的安全运行主要受IGBT安全的限制，在实际应用中影响开关器件安全工作的因素是过电流，使得其输出的感性无功电流和容性无功电流均有最大限制：I_CMAX≤I≤I_LMAX。SVG装置直流侧电容电压U_C过高易损坏电容，故SVG存在电压限制：V_MIN≤V≤V_MAX。如图6所示。

级联式电压型逆变电路时延环节：该环节代表晶体管触发延迟效应，T_S为晶体管触发时延。如图7所示。

反馈环节：为了提高控制系统的动态稳定性和改善其控制品质，通过测量SVG输出电流I_S并转换为电压信号作为负反馈。其中，K_D为SVG的V-I特性曲线的斜率，等值负载效应，K_D必须大于等于0。

RTDS硬件在环试验平台：

RTDS硬件在环试验平台，其中仿真系统模型在RTDS中搭建。级联式电压型逆变器也在RTDS中建模实现。PCS-9583SVG控制器通过光纤连接RTDS装置。电压和电流反馈信号通过RTDS小信号模拟量接口送入SVG。SVG控制器将脉宽调制信号送入RTDS驱动级联式电压型逆变器模型。硬件在环试验平台不但可以测得SVG多种工况下的响应数据，而且可以测试模型参数中滤波器和测量回路时间常数T₁与SVG响应延迟T_S。如图8所示。

自动参数辨识算法：

根据图2所示的SVG控制器模型，SVG控制器参数辨识问题可以表示为一个状态方程约束下的加权最小二乘优化问题：

式中，Z_m为实测向量，f为描述SVG控制器动态特性的微分方程，h为控制器量测方程，α和

分别为待辨识参数向量α的上、下限。

选定状态向量X(α)、量测向量Z(α)和待辨识参数向量α如下：

Z(α)＝[U，I_S]^T (4)

式(3)中，

为

环节的输出(pu)；V_SCS(pu)为辅助控制信号；ΔV为

环节的输入信号；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；I_S为SVG输出电流(pu)。

α中各参数含义见表1；

状态方程为

Z(α)＝C(α)X(α) (7)

利用最小二乘估计准则，列出目标函数：

置初值α₀，由RTDS硬件在环试验数据得到实测

运用泰勒级数将模型量测值Z(α)在初值α₀处展开，则有

令Z(α)＝h(α₀)+H(α₀)Δα，式中

Δα＝(α-α₀) (10)

式(11)中，H(α)称Jacobi阵，

可直接求

偏导，

需利用改进欧拉法解下面微分方程求

得：

其初值

代入(11)式计算H(α)阵的

各元素。

将(8)式离散化后，令

即可得：

α_k+1＝α_k+Δα (15)

由式(14)计算出Δα，按式(15)多次迭代，直至|α_k+1-α_k|＜ε，其中ε为规定误差指标。

本算例中共有24个偏导微分项。用上述算法，采样间隔ΔT＝0.002s，数据长度N＝400，收敛指标ε≤0.01。

作用效果，通过模型验证：

通过自动参数优化算法得到SVG控制器参数收敛值，如表1所示。

表1 SVG控制器参数辨识结果

被试装置为南京南瑞继保电气有限公司生产的PCS-9583系列静止无功发生器(SVG)。SVG装置额恒电压为35kV，额定容量±30Mvar，试验中采用的恒电压控制策略使用双环控制方式，电流内环采用dq解耦控制，电压外环及直流电压外环采用PI控制。电压外环的控制目标是根据电压控制目标调整SVG输出的无功功率，直流电压外环的控制目标是通过控制SVG与系统总有功交换来保证链节直流电压平均值与给定参考值相符。

将通过辨识得到的SVG控制器模型和参数在BPA软件中建立与RTDS测试环境相同的仿真系统，填写SVG控制卡参数，对SVG模型进行仿真验证。取扰动为线路三相短路造成SVG所连母线压降，故障持续时间0.1s，记录SVG控制电压、输出无功功率及输出电流响应曲线。给出了三种工况下BPA仿真结果与RTDS半实物平台测试结果对比曲线图，虚线为RTDS测试曲线，实线为BPA仿真曲线。

工况1：电压跌落至0.87pu时，短路电抗为0.510pu，如图9、图10、图11所示。

工况2：电压跌落至0.77pu时，短路电抗为0.256pu，如图12、图13、图14所示。

从SVG母线电压跌落曲线可见，如图9、12所示，在RTDS测试中，电压跌落时间在不同工况下均为0.01s；BPA仿真中，电压跌落过程时间忽略不计导致电压曲线拟合在故障初期存在斜率上的差异。

电压跌落时间的差别导致SVG无功输出曲线的差异。RTDS测试曲线显示SVG在母线电压恢复后由于锁相环(PLL)不可避免的延时导致其对系统产生瞬时无功冲击；BPA仿真结果中的无功冲击来自于SVG控制器模型中测量回路时间常数T₁。对比图10、图13可见，暂态无功冲击随电压跌落程度加深而变大。

由于采用的SVG模型缺少电流内环控制环节，BPA仿真结果的输出电流曲线与RTDS测试曲线在暂态部分存在差异。如图11、14所示。

以上图1-8所示的基于RTDS测试数据的SVG控制器参数辨识方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。

Claims (6)

1.基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于包括以下步骤：

1)搭建SVG控制器-RTDS硬件在环试验平台；

2)对多种工况下、多种控制模式的SVG输出响应进行在环测试，得到响应输出数据；

3)在BPA软件中建立与RTDS测试环境相同的仿真系统，对SVG控制器进行暂态仿真计算；

4)基于RTDS在环测试数据，应用自动参数辨识算法对SVG控制器的控制参数进行辨识，将BPA仿真结果与RTDS在环测试结果相对比，计算控制误差；

5)判断误差是若满足规定指标，若控制误差满足要求，则结束；若控制误差不满足要求，进入下一步；

6)采用非线性最小二乘辨识法进行迭代修正参数，并返回步骤3)，直至满足误差指标；

7)完成参数辨识工作，得到SVG控制器模型和参数。

2.根据权利要求1所述的基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于：在步骤1)中，基于实时数字仿真器的SVG控制器在环测试技术搭建SVG控制器－RTDS硬件在环试验平台。

3.根据权利要求2所述的基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于：所述的SVG控制器由电压测量环节、超前-滞后环节、电压调节器、保护和限幅环节、级联式电压型逆变器以及反馈环节构成，控制系统根据电压指令控制目标侧母线电压从而快速调整SVG控制器输出的无功功率。

4.根据权利要求3所述的基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于：电压测量环节包括一个一阶惯性环节，一阶惯性环节包括取决于实际使用的滤波器参数的滤波器和测量回路的时间常数；超前-滞后环节包括2个超前-滞后环节，其用来补偿系统的固有相位滞后，以有效地增加系统阻尼，克服振荡；电压调节器包括PI调压环节基；保护和限幅环节：用于限制其输出的感性无功电流和容性无功电流；级联式电压型逆变器，包括级联式电压型逆变电路时延环节，该环节代表晶体管触发延迟效应；反馈环节：用于提高控制系统的动态稳定性和改善其控制品质，通过测量SVG控制器输出电流I_S并转换为电压信号作为负反馈。

5.根据权利要求4所述的基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于：在RTDS硬件在环试验平台搭建时，仿真系统模型在RTDS中搭建；级联式电压型逆变器也在RTDS中建模实现；SVG控制器通过硬件实现；电压和电流反馈信号通过RTDS小信号模拟量接口送入SVG控制器；SVG控制器将脉宽调制信号送入RTDS驱动级联式电压型逆变器模型；RTDS硬件在环试验平台用于测得SVG控制器多种工况下的响应数据、测试模型参数中滤波器和测量回路时间常数T₁与SVG控制器响应延迟T_S。

6.根据权利要求1-5任一权利要求所述的基于RTDS测试数据的SVG控制器参数辨识方法，其特征在于：在步骤4)中，自动参数辨识算法为：

SVG控制器参数辨识问题可以表示为一个状态方程约束下的加权最小二乘优化问题：

式中，Z_m为实测向量，f为描述SVG控制器动态特性的微分方程，h为控制器量测方程，α和

分别为待辨识参数向量α的上、下限。

选定状态向量X(α)、量测向量Z(α)和待辨识参数向量α如下：

Z(α)＝[U，I_S]^T (4)

式(3)中，

为

环节的输出(pu)；V_SCS(pu)为辅助控制信号；ΔV为

环节的输入信号；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；

为

环节的输出信号(pu)；I_S为SVG输出电流(pu)。

式(5)中，T₁为滤波器和测量回路的时间常数；T₂第一级超前时间常数；T₃为第一级滞后时间常数；T₄为第二级超前时间常数；T₅为第二级滞后时间常数；K_P为比例环节放大倍数；T_P为比例环节时间常数；K_I为积分环节的放大倍数；X_T为SVG控制器与系统之间的等值电抗；T_S为SVG控制器响应延迟；K_D为SVG控制器的V-I特性曲线的斜率，其大于或等于0；V_MAX为电压限幅环节的上限；V_MIN为电压限幅环节的下限；I_CMAX为最大容性电流；I_LMAX为最大感性电流；V_STANDBY为与系统相连的节点电压设定差值；

状态方程为

Z(α)＝C(α)X(α) (7)

利用最小二乘估计准则，列出目标函数：

置初值α₀，由RTDS硬件在环试验数据得到实测

运用泰勒级数将模型量测值Z(α)在初值α₀处展开，则有

令Z(α)＝h(α₀)+H(α₀)Δα，式中

Δα＝(α-α₀) (10)

式(11)中，H(α)称Jacobi阵，

可直接求偏导，

利用改进欧拉法解下面微分方程求得：

其初值

代入(11)式计算H(α)阵的各元素；

将(8)式离散化后，令

即可得：

α_k+1＝α_k+Δα (15)

由式(14)计算出Δα，按式(15)多次迭代，直至|α_k+1-α_k|＜ε，其中ε为规定误差指标。

Images