CN113128072B - 传递函数高精度仿真方法、装置、存储介质及电子设备 - Google Patents
传递函数高精度仿真方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113128072B CN113128072B CN202110522219.8A CN202110522219A CN113128072B CN 113128072 B CN113128072 B CN 113128072B CN 202110522219 A CN202110522219 A CN 202110522219A CN 113128072 B CN113128072 B CN 113128072B
- Authority
- CN
- China
- Prior art keywords
- equation
- expression
- state
- variable
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 98
- 238000004088 simulation Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000014509 gene expression Effects 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 141
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000010354 integration Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000012905 input function Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种传递函数高精度仿真方法、装置、存储介质及电子设备。依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程；对状态方程进行求通解处理，以获取状态方程的通解表达式；对输入变量进行线性拟合，以获取输入变量的线性表达式；依据输入变量的线性表达式对状态方程的通解进行离散化处理，以获取状态方程的离散化表达式；依据状态方程的通解的离散化表达式对输出方程进行处理，以获取输出方程的离散化表达式；将输出方程的离散化表达式和状态方程的离散化表达式确定为高阶传递函数的仿真结果。通过对输入变量进行线性拟合，以获取输入变量的线性表达式，从而提升输入变量的表达式的准确度，从而提升仿真函数的精度。
Description
技术领域
本申请涉及仿真领域，具体而言，涉及一种传递函数高精度仿真方法、装置、存储介质及电子设备。
背景技术
随着新能源发电、半导体材料技术和控制技术的发展，电力电子设备在电力系统中得到广泛应用。由于大量的如风/光/储等可再生能源发电设备、高压直流输电设备、微电网设备等电力电子设备接入到电网，使得电网运行特性和控制特性呈现出强非线性特性。而电力电子设备的模型研究、控制保护策略设计、控制保护策略校验、设备并网前测试，以及并网后动态安全分析评估，电力电子网络分析的全过程都离不开电磁暂态仿真。电力电子网络的安全稳定运行极大地依赖于控制系统的结构和参数设计，控制系统的数字仿真也成为了电力系统仿真分析的关键环节。
在控制理论和控制工程中，传递函数是从拉普拉斯变换推导出来的。传递函数是经典控制工程中的一个主要工具。传递函数模块是控制系统中常见的控制模块，如PID控制器，一阶惯性环节等等。传递函数数字仿真精度低会影响控制系统的输出特性，进而影响电力系统的设计，使得仿真结果偏离实际运行结果。
发明内容
本申请的目的在于提供一种传递函数高精度仿真方法、装置、存储介质及电子设备，以至少部分改善上述问题。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种传递函数高精度仿真方法，所述方法包括：
依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程，其中，所述高阶传递函数为频域函数，所述状态方程和所述输出方程为时域函数，所述状态方程为关于状态变量和输入变量的方程，所述输出方程为关于输出变量、状态变量以及输入变量的方程；
对所述状态方程进行求通解处理，以获取所述状态方程的通解表达式；
对所述输入变量进行线性拟合，以获取所述输入变量的线性表达式；
依据所述输入变量的线性表达式对所述状态方程的通解进行离散化处理，以获取所述状态方程的离散化表达式；
依据所述状态方程的通解的离散化表达式对所述输出方程进行处理，以获取所述输出方程的离散化表达式；
将所述输出方程的离散化表达式和所述状态方程的离散化表达式确定为所述高阶传递函数的仿真结果。
第二方面，本申请实施例提供一种传递函数高精度仿真装置，所述装置包括：
处理模块，用于依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程，其中，所述高阶传递函数为频域函数，所述状态方程和所述输出方程为时域函数，所述状态方程为关于状态变量和输入变量的方程，所述输出方程为关于输出变量、状态变量以及输入变量的方程；
所述处理模块还用于对所述状态方程进行求通解处理，以获取所述状态方程的通解表达式；
所述处理模块还用于对所述输入变量进行线性拟合，以获取所述输入变量的线性表达式；
所述处理模块还用于依据所述输入变量的线性表达式对所述状态方程的通解进行离散化处理，以获取所述状态方程的离散化表达式；
所述处理模块还用于依据所述状态方程的通解的离散化表达式对所述输出方程进行处理，以获取所述输出方程的离散化表达式；
确定模块，用于将所述输出方程的离散化表达式和所述状态方程的离散化表达式确定为所述高阶传递函数的仿真结果。
第三方面，本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的方法。
第四方面，本申请实施例提供一种电子设备，所述电子设备包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现上述的方法。
相对于现有技术，本申请实施例所提供的一种传递函数高精度仿真方法、装置、存储介质及电子设备的有益效果为：依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程；对状态方程进行求通解处理，以获取状态方程的通解表达式；对输入变量进行线性拟合，以获取输入变量的线性表达式；依据输入变量的线性表达式对状态方程的通解进行离散化处理，以获取状态方程的离散化表达式；依据状态方程的通解的离散化表达式对输出方程进行处理，以获取输出方程的离散化表达式；将输出方程的离散化表达式和状态方程的离散化表达式确定为高阶传递函数的仿真结果。通过对输入变量进行线性拟合，以获取输入变量的线性表达式，从而提升输入变量的表达式的准确度，从而提升仿真函数的精度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的结构示意图；
图2为本申请实施例提供的传递函数高精度仿真方法的流程示意图；
图3为本申请实施例提供的仿真方法的仿真结果和直接积分法的仿真结果比较示意图；
图4为本申请实施例提供的图3的局部放大示意图；
图5为本申请实施例提供的仿真方法的仿真结果和直接积分法的仿真结果的误差对比示意图；
图6为本申请实施例提供的传递函数高精度仿真装置的模块示意图。
图中：10-处理器；11-存储器；12-总线；13-通信接口；201-处理模块；202-确定模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
传递函数模型数字仿真方法存在的问题包括：首先，传递函数是频域模型，而电力系统的仿真通常采用时域仿真，所以需要将传递函数转化为时域函数模型进行仿真；其次，传递函数数字仿真方法精度不高，从而导致控制系统中误差累积，对输出特性产生较大影响。
传递函数模型表达式为：
式中，G(s)为高阶传递函数，Y(s)为输出变量函数，U(s)为输入变量函数，s为拉普拉斯算子，a0、a1、…、an为常系数，b0、b1、…、bm为常系数，m,n为常数，n＝m+1，si表示s的i次幂。
现有的传递函数模型数字仿真方法包含以下两种：
等效电路方法：首先将传递函数G(s)转化为极点-留数形式：
式中，s0、s1、…、sn为系统传递函数的极点，k1、k2、…、kn为极点对应的留数，d为常数；然后通过向量拟合法求解k1、k2、…、kn以及d的值；再根据拟合得到的传递函数建立RLC等效电路模型，实现复杂传递函数的数字仿真。
直接积分法：首先通过直接分解法将传递函数模型转化为状态空间模型，然后通过隐式梯形法将状态方程离散化，求解离散化状态方程，并求解输出方程，可实现复杂传递函数的数字仿真。
经发明人大量总结发现，等效电路法缺点：由于高阶传递函数表达式较为复杂，难以通过直接数学分解的方法转化为极点-留数形式，而是采用向量拟合法拟合得到极点留数，由于是采用拟合方法，会存在相当的误差，精度不高。直接积分法缺点：直接积分法采用了具有二阶精度的隐式梯形法进行离散化，但精度一般，仍有改进的空间。此外，若复杂传递函数模型在数字仿真中存在误差，可能会导致控制系统误差的积累。
本申请实施例提供了一种电子设备，可以是服务器设备。请参照图1，电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接，处理器10用于执行存储器11中存储的可执行模块，例如计算机程序。
处理器10可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，传递函数高精度仿真方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器11可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
总线12可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示，但并不表示仅有一根总线12或一种类型的总线12。
存储器11用于存储程序，例如传递函数高精度仿真装置对应的程序。传递函数高精度仿真装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或固化在电子设备的操作系统(operating system，OS)中的软件功能模块。处理器10在接收到执行指令后，执行所述程序以实现传递函数高精度仿真方法。
可能地，本申请实施例提供的电子设备还包括通信接口13。通信接口13通过总线与处理器10连接。电子设备可以通过通信接口13获取其他终端传输的数据。
应当理解的是，图1所示的结构仅为电子设备的部分的结构示意图，电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供的一种传递函数高精度仿真方法，可以但不限于应用于图1所示的电子设备，具体的流程，请参考图2：
S101，依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程。
其中，高阶传递函数为频域函数，状态方程和输出方程为时域函数，状态方程为关于状态变量和输入变量的方程，输出方程为关于输出变量、状态变量以及输入变量的方程。
具体地，通过将频域函数的高阶传递函数转化为时域函数的状态方程和输出方程，便于后续仿真计算使用。
S102，对状态方程进行求通解处理，以获取状态方程的通解表达式。
S103，对输入变量进行线性拟合，以获取输入变量的线性表达式。
具体地，通过对输入变量进行线性拟合，以获取输入变量的线性表达式，从而提升输入变量的表达式的准确度，从而提升仿真函数的精度。
S104，依据输入变量的线性表达式对状态方程的通解进行离散化处理，以获取状态方程的离散化表达式。
S105，依据状态方程的通解的离散化表达式对输出方程进行处理，以获取输出方程的离散化表达式。
S106，将输出方程的离散化表达式和状态方程的离散化表达式确定为高阶传递函数的仿真结果。
综上所述，本申请实施例提供了一种传递函数高精度仿真方法，依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程；对状态方程进行求通解处理，以获取状态方程的通解表达式；对输入变量进行线性拟合，以获取输入变量的线性表达式；依据输入变量的线性表达式对状态方程的通解进行离散化处理，以获取状态方程的离散化表达式；依据状态方程的通解的离散化表达式对输出方程进行处理，以获取输出方程的离散化表达式；将输出方程的离散化表达式和状态方程的离散化表达式确定为高阶传递函数的仿真结果。通过对输入变量进行线性拟合，以获取输入变量的线性表达式，从而提升输入变量的表达式的准确度，从而提升仿真函数的精度。
可选地，关于高阶传递函数、状态方程以及输出方程的算式，本申请实施例还提供了一种可能的实现方式，请参考下文。
高阶传递函数、状态方程以及输出方程的算式分别为：
x′＝Ax+Bu (6)
y＝b0xn+b1xn-1+...+bm-1x2+bmx1 (7)
y＝Cx+Du (8)
其中，其中，方程(1)为传递函数表达式，G(s)为高阶传递函数，Y(s)为输出变量函数，U(s)为输入变量函数，s为拉普拉斯算子，a0、a1、…、an为常系数，b0、b1、…、bm为常系数，m,n为常数，n＝m+1，si表示s的i次幂，方程(2)为方程(1)中分子分母同时乘以非零中间变量Z(s)，方程(3)和方程(4)分别频域和时域下为输入变量和输出变量表达式，u为U(s)对应的时域下变量函数，y为Y(s)对应的时域下变量函数，z为Z(s)对应的时域下变量函数，xn＝z(n-1)，z(i)表示z的i阶倒数，x表示状态变量,x＝{x1,x2,…,xn},xi＝z(i-1)，xi表示第i个状态变量，x′表示x的一阶倒数，A、B、C以及D为系数矩阵，A和B的值与a0、a1、…、an相关，C和D的值与b0、b1、…、bm相关，方程(6)为状态方程，方程(8)为输出方程。
可选地，对方程(1)进行整理可以得到方程(2)，将方程(2)展开可以得到方程(3)，对方程(3)取拉普拉斯(laplace)反变换可以得到方程(4)，选取状态变量，令xn＝z(n-1)，可以得到方程(5)，对方程(5)进行整理，可以得到方程(6)，将状态变量带入方程(4)可以得到方程(7)，对方程(7)进行整理可以得到方程(8)。
上述参数变量通常为矩阵形式，其维度如下所示：
其中，A：维度为Nstate×Nstate，Nstate是状态变量的个数；
B：维度为Nstate×Ninput，Ninput是输入变量的个数；
C：维度为Nouput×Nstate，Noutput是输出变量的个数；
D：维度为Noutput×Ninput。
可选地，关于状态方程的离散化表达式，本申请实施例还提供了一种可能的实现方式，请参考下文。
状态方程的离散化表达式如下：
x(t)＝eAt[∫e-AtBu(t)dt+K] (10)
其中，K为常数，方程(10)为状态方程的通解，方程(11)和方程(12)分别状态方程的在tn+1时刻和tn时刻的通解，Δt＝tn+1-tn，Δt为仿真步长，u(t)表示t时刻的输入变量，方程(13)为状态方程的在tn+1时刻的通解的离散中间表达式，方程(15)为输入变量的线性表达式，u(tn)、u(tn+1)为已知量，方程(18)为状态方程的在tn+1时刻的离散化表达式。
可选地，方程(6)为一阶非齐次微方程，x和u都是时间t的函数，所以求其通解为方程(10)。将方程(12)带入方程(11)可以得到方程(13)。
方程(13)中的包含u(t)，为了提高传递函数的精度，对输入变量进行线性拟合，可以得到方程(15)。根据方程(15)可以依次获得方程(16)和方程(17)，将方程(17)带入方程(13)可以得到方程(18)。
可选地，对于输出方程的离散化表达式，本申请实施例还提供了一种可能的实现方式，请参考下文。
输出方程的离散化表达式如下：
y(tn+1)＝Cx(tn+1)+Du(tn+1) (14)
其中，方程(14)为输出方程在tn+1时刻的离散化表达式。
可选地，采用常见的二阶传递函数对本申请实施例所提出的传递函数高精度仿真方法进行测试，分别与直接积分法和理论解析解进行对比，以观察本申请实施例所提出的传递函数高精度仿真方法的精度高、误差小的特点。
假设传递函数G(s)和输入函数为U(s)如上所示。
第一种，理论解析解：根据上述条件可以得到输出响应为，
等式(19)的输出响应Y(s)转化为时域解为：
由于传递函数比较复杂难以求得理论解析解，本申请方案中，采用0.1μs的小步长仿真结果默认为理论解析解，作为对比基准值。
第二种，本申请实施例提供的方法：将频域传递函数转化为时域状态空间模型为，
输入函数转化为时域表达式为：
将状态空间模型按照方程(18)进行离散化，并求解输出响应y(t)。
第三种，直接积分法：将频域传递函数和输入函数按照提出方法转化为时域函数模型，在离散化时采用隐式梯形法，可以得到如下的离散化表达式，
其中，
C＝[0 100]，D＝0为状态空间模型常矩阵系数，根据上式可以求解输出响应y(t)。
采用直接积分法(仿真步长为0.1μs)的数值作为基准值，分别对比在仿真步长为10μs时，本申请实施例提供的仿真方法的仿真结果和直接积分法的仿真结果如图3所示。为了便于观察，本申请实施例还提供了图3的局部方法示意图，图4。
观察图3和图4，对比后，可获得本申请实施例提供的仿真方法的仿真结果和直接积分法的仿真结果的误差对比示意图，图5。
可选地，评价不同仿真方法的精度，还可以采用二范数误差作为评判依据：
式中：e2-L为二范数误差值，a为本申请实施例提供的仿真方法的仿真结果向量，b为基准波形的仿真结果向量。
根据上表结果可知，本申请实施例提供的仿真方法的仿真结果与基准值保持一致，二范数误差在10-5左右，而直接积分法的仿真结果与基准值存在明显误差，二范数误差为0.1左右，误差较大。在仿真中，复杂传递函数模块的误差通过误差累积，从而造成较大的误差，引发电力系统失稳。
本申请实施例还提供了一种仿真模型，该仿真模型运行上述实施例提供的高阶传递函数的仿真结果，即S106所获取的仿真结果。
请参阅图6，图6为本申请实施例提供的一种传递函数高精度仿真装置，可选的，该传递函数高精度仿真装置被应用于上文所述的电子设备。
传递函数高精度仿真装置包括：处理模块201和确定模块202。
处理模块201，用于依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程，其中，高阶传递函数为频域函数，状态方程和输出方程为时域函数，状态方程为关于状态变量和输入变量的方程，输出方程为关于输出变量、状态变量以及输入变量的方程；
处理模块201还用于对状态方程进行求通解处理，以获取状态方程的通解表达式；
处理模块201还用于对输入变量进行线性拟合，以获取输入变量的线性表达式；
处理模块201还用于依据输入变量的线性表达式对状态方程的通解进行离散化处理，以获取状态方程的离散化表达式；
处理模块201还用于依据状态方程的通解的离散化表达式对输出方程进行处理，以获取输出方程的离散化表达式；
可选地，处理模块201可以执行上述的S101-S105。
确定模块202，用于将输出方程的离散化表达式和状态方程的离散化表达式确定为高阶传递函数的仿真结果。
可选地，确定模块202可以执行上述的S106。
可选地，高阶传递函数、状态方程以及输出方程的算式分别为：
高阶传递函数、状态方程以及输出方程的算式分别为：
x′＝Ax+Bu (6)
y＝b0xn+b1xn-1+...+bm-1x2+bmx1 (7)
y＝Cx+Du (8)
其中，方程(1)为传递函数表达式，G(s)为高阶传递函数，Y(s)为输出变量函数，U(s)为输入变量函数，s为拉普拉斯算子，a0、a1、...、an为常系数，b0、b1、...、bm为常系数，m，n为常数，n＝m+1，si表示s的i次幂，方程(2)为方程(1)中分子分母同时乘以非零中间变量Z(s)，方程(3)和方程(4)分别频域和时域下为输入变量和输出变量表达式，u为U(s)对应的时域下变量函数，y为Y(s)对应的时域下变量函数，z为Z(s)对应的时域下变量函数，xn＝z(n-1)，z(i)表示z的i阶倒数，x表示状态变量，x＝{x1，x2，...，xn}，xi＝z(i-1)，xi表示第i个状态变量，x′表示x的一阶倒数，A、B、C以及D为系数矩阵，A和B的值与a0、a1、...、an相关，C和D的值与b0、b1、...、bm相关，方程(6)为状态方程，方程(8)为输出方程。
可选地，状态方程的离散化表达式如下：
x(t)＝eAt[∫e-AtBu(t)dt+K] (10)
其中，K为常数，方程(10)为状态方程的通解，方程(11)和方程(12)分别状态方程的在tn+1时刻和tn时刻的通解，Δt＝tn+1-tn，Δt为仿真步长，u(t)表示t时刻的输入变量，方程(13)为状态方程的在tn+1时刻的通解的离散中间表达式，方程(15)为输入变量的线性表达式，u(tn)、u(tn+1)为已知量，方程(18)为状态方程的在tn+1时刻的离散化表达式。
可选地，输出方程的离散化表达式如下：
y(tn+1)＝Cx(tn+1)+Du(tn+1) (14)
其中，方程(14)为输出方程在tn+1时刻的离散化表达式。
需要说明的是，本实施例所提供的传递函数高精度仿真装置，其可以执行上述方法流程实施例所示的方法流程，以实现对应的技术效果。为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。
本申请实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机指令、程序，该计算机指令、程序在被读取并运行时执行上述实施例的传递函数高精度仿真方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
下面提供一种电子设备，可以是服务器设备或电脑设备，该电子设备如图1所示，可以实现上述的传递函数高精度仿真方法；具体的，该电子设备包括：处理器10，存储器11、总线12。处理器10可以是CPU。存储器11用于存储一个或多个程序，当一个或多个程序被处理器10执行时，执行上述实施例的传递函数高精度仿真方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (6)
1.一种传递函数高精度仿真方法，其特征在于，所述方法包括：
依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程，其中，所述高阶传递函数为频域函数，所述状态方程和所述输出方程为时域函数，所述状态方程为关于状态变量和输入变量的方程，所述输出方程为关于输出变量、状态变量以及输入变量的方程；
对所述状态方程进行求通解处理，以获取所述状态方程的通解表达式；
对所述输入变量进行线性拟合，以获取所述输入变量的线性表达式；
依据所述输入变量的线性表达式对所述状态方程的通解进行离散化处理，以获取所述状态方程的离散化表达式；
依据所述状态方程的通解的离散化表达式对所述输出方程进行处理，以获取所述输出方程的离散化表达式；
将所述输出方程的离散化表达式和所述状态方程的离散化表达式确定为所述高阶传递函数的仿真结果，所述高阶传递函数的仿真结果用于完成电力系统仿真；
所述高阶传递函数、所述状态方程以及所述输出方程的算式分别为：
x′＝Ax+Bu (6)
y＝Cx+Du (8)
其中，方程(1)为传递函数表达式，G(s)为高阶传递函数，Y(s)为输出变量函数，U(s)为输入变量函数，s为拉普拉斯算子，a0、a1、…、an为常系数，b0、b1、…、bm为常系数，m,n为常数，n＝m+1，si表示s的i次幂，方程(2)为方程(1)中分子分母同时乘以非零中间变量Z(s)，方程(3)和方程(4)分别频域和时域下为输入变量和输出变量表达式，u为U(s)对应的时域下变量函数，y为Y(s)对应的时域下变量函数，z为Z(s)对应的时域下变量函数，xn＝z(n-1)，z(i)表示z的i阶倒数，x表示状态变量,x＝{x1,x2,…,xn},xi＝z(i-1)，xi表示第i个状态变量，x′表示x的一阶倒数，A、B、C以及D为系数矩阵，A和B的值与a0、a1、…、an相关，C和D的值与b0、b1、…、bm相关，方程(6)为状态方程，方程(8)为输出方程；
所述状态方程的离散化表达式如下：
x(t)＝eAt[∫e-AtBu(t)dt+K] (10)
其中，K为常数，方程(10)为所述状态方程的通解，方程(11)和方程(12)分别所述状态方程的在tn+1时刻和tn时刻的通解，Δt＝tn+1-tn，Δt为仿真步长，u(t)表示t时刻的输入变量，方程(13)为所述状态方程的在tn+1时刻的通解的离散中间表达式，方程(15)为所述输入变量的线性表达式，u(tn)、u(tn+1)为已知量，方程(18)为所述状态方程的在tn+1时刻的离散化表达式。
2.如权利要求1所述的传递函数高精度仿真方法，其特征在于，所述输出方程的离散化表达式如下：
y(tn+1)＝Cx(tn+1)+Du(tn+1) (14)
其中，方程(14)为所述输出方程在tn+1时刻的离散化表达式。
3.一种传递函数高精度仿真装置，其特征在于，所述装置包括：
处理模块，用于依据直接分解法对默认的高阶传递函数进行处理，获取状态方程和输出方程，其中，所述高阶传递函数为频域函数，所述状态方程和所述输出方程为时域函数，所述状态方程为关于状态变量和输入变量的方程，所述输出方程为关于输出变量、状态变量以及输入变量的方程；
所述处理模块还用于对所述状态方程进行求通解处理，以获取所述状态方程的通解表达式；
所述处理模块还用于对所述输入变量进行线性拟合，以获取所述输入变量的线性表达式；
所述处理模块还用于依据所述输入变量的线性表达式对所述状态方程的通解进行离散化处理，以获取所述状态方程的离散化表达式；
所述处理模块还用于依据所述状态方程的通解的离散化表达式对所述输出方程进行处理，以获取所述输出方程的离散化表达式；
确定模块，用于将所述输出方程的离散化表达式和所述状态方程的离散化表达式确定为所述高阶传递函数的仿真结果，所述高阶传递函数的仿真结果用于完成电力系统仿真；
所述高阶传递函数、所述状态方程以及所述输出方程的算式分别为：
x′＝Ax+Bu (6)
y＝Cx+Du (80
其中，方程(1)为传递函数表达式，G(s)为高阶传递函数，Y(s)为输出变量函数，U(s)为输入变量函数，s为拉普拉斯算子，a0、a1、…、an为常系数，b0、b1、…、bm为常系数，m,n为常数，n＝m+1，si表示s的i次幂，方程(2)为方程(1)中分子分母同时乘以非零中间变量Z(s)，方程(3)和方程(4)分别频域和时域下为输入变量和输出变量表达式，u为U(s)对应的时域下变量函数，y为Y(s)对应的时域下变量函数，z为Z(s)对应的时域下变量函数，xn＝z(n-1)，z(i)表示z的i阶倒数，x表示状态变量,x＝{x1,x2,…,xn},xi＝z(i-1)，xi表示第i个状态变量，x′表示x的一阶倒数，A、B、C以及D为系数矩阵，A和B的值与a0、a1、…、an相关，C和D的值与b0、b1、…、bm相关，方程(6)为状态方程，方程(8)为输出方程；
所述状态方程的离散化表达式如下：
x(t)＝eAt[∫e-AtBu(t)dt+K] (10)
其中，K为常数，方程(10)为所述状态方程的通解，方程(11)和方程(12)分别所述状态方程的在tn+1时刻和tn时刻的通解，Δt＝tn+1-tn，Δt为仿真步长，u(t)表示t时刻的输入变量，方程(13)为所述状态方程的在tn+1时刻的通解的离散中间表达式，方程(15)为所述输入变量的线性表达式，u(tn)、u(tn+1)为已知量，方程(18)为所述状态方程的在tn+1时刻的离散化表达式。
4.如权利要求3所述的传递函数高精度仿真装置，其特征在于，所述输出方程的离散化表达式如下：
y(tn+1)＝Cx(tn+1)+Du(tn+1) (14)
其中，方程(14)为所述输出方程在tn+1时刻的离散化表达式。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-2中任一项所述的方法。
6.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-2中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110522219.8A CN113128072B (zh) | 2021-05-13 | 2021-05-13 | 传递函数高精度仿真方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110522219.8A CN113128072B (zh) | 2021-05-13 | 2021-05-13 | 传递函数高精度仿真方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113128072A CN113128072A (zh) | 2021-07-16 |
| CN113128072B true CN113128072B (zh) | 2024-01-19 |
Family
ID=76781796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110522219.8A Active CN113128072B (zh) | 2021-05-13 | 2021-05-13 | 传递函数高精度仿真方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113128072B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115600342B (zh) * | 2022-11-09 | 2023-06-16 | 北京世冠金洋科技发展有限公司 | 阻尼器系统模型构建方法、阻尼器系统求解方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0607730D0 (en) * | 2006-04-20 | 2006-05-31 | Agilent Technologies Inc | Broadband transfer function synthesis using orthonormal rational bases |
| CN103646152A (zh) * | 2013-12-23 | 2014-03-19 | 南方电网科学研究院有限责任公司 | 一种基于矩阵指数的电力系统电磁暂态仿真方法 |
| CN103714212A (zh) * | 2013-12-26 | 2014-04-09 | 天津大学 | 一种面向暂态仿真的配电系统模型化简误差控制方法 |
| EP3193218A2 (en) * | 2016-01-14 | 2017-07-19 | Rockwell Automation Technologies, Inc. | Optimization-based control with open modeling architecture systems and methods |
| CN106971077A (zh) * | 2017-03-30 | 2017-07-21 | 中国人民解放军国防科学技术大学 | 一种基于时间片段参数辨识的动态仿真模型验证方法 |
| CN107025335A (zh) * | 2017-03-13 | 2017-08-08 | 清华大学 | 基于状态变量离散化的仿真计算方法和仿真系统 |
| CN108733910A (zh) * | 2018-05-16 | 2018-11-02 | 广西电网有限责任公司电力科学研究院 | 一种实现电力系统状态方程自动推导的方法 |
| CN109976165A (zh) * | 2019-04-29 | 2019-07-05 | 西安建筑科技大学 | 面向多变量分数阶系统的模型预测控制参数解析调优方法及系统 |
| CN110750053A (zh) * | 2019-10-10 | 2020-02-04 | 中国人民解放军陆军装甲兵学院 | 一种飞行器半实物仿真系统误差分析方法 |
| CN112230628A (zh) * | 2020-11-10 | 2021-01-15 | 北京中超伟业信息安全技术股份有限公司 | 一种高噪音工业过程的数据识别方法及系统 |
-
2021
- 2021-05-13 CN CN202110522219.8A patent/CN113128072B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0607730D0 (en) * | 2006-04-20 | 2006-05-31 | Agilent Technologies Inc | Broadband transfer function synthesis using orthonormal rational bases |
| CN103646152A (zh) * | 2013-12-23 | 2014-03-19 | 南方电网科学研究院有限责任公司 | 一种基于矩阵指数的电力系统电磁暂态仿真方法 |
| CN103714212A (zh) * | 2013-12-26 | 2014-04-09 | 天津大学 | 一种面向暂态仿真的配电系统模型化简误差控制方法 |
| EP3193218A2 (en) * | 2016-01-14 | 2017-07-19 | Rockwell Automation Technologies, Inc. | Optimization-based control with open modeling architecture systems and methods |
| CN107025335A (zh) * | 2017-03-13 | 2017-08-08 | 清华大学 | 基于状态变量离散化的仿真计算方法和仿真系统 |
| CN106971077A (zh) * | 2017-03-30 | 2017-07-21 | 中国人民解放军国防科学技术大学 | 一种基于时间片段参数辨识的动态仿真模型验证方法 |
| CN108733910A (zh) * | 2018-05-16 | 2018-11-02 | 广西电网有限责任公司电力科学研究院 | 一种实现电力系统状态方程自动推导的方法 |
| CN109976165A (zh) * | 2019-04-29 | 2019-07-05 | 西安建筑科技大学 | 面向多变量分数阶系统的模型预测控制参数解析调优方法及系统 |
| CN110750053A (zh) * | 2019-10-10 | 2020-02-04 | 中国人民解放军陆军装甲兵学院 | 一种飞行器半实物仿真系统误差分析方法 |
| CN112230628A (zh) * | 2020-11-10 | 2021-01-15 | 北京中超伟业信息安全技术股份有限公司 | 一种高噪音工业过程的数据识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于同构有向图的电网多场景仿真GPU批量并行加速方法;宋炎侃;陈颖;于智同;刘正元;黄少伟;苏大威;徐春雷;《电工电能新技术》;第39卷(第3期);17-23 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113128072A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiu et al. | Improved Delay-Dependent $ H_ {\infty} $ Filtering Design for Discrete-Time Polytopic Linear Delay Systems | |
| Malti et al. | Advances in system identification using fractional models | |
| Lee et al. | Discrete-time realization of transcendental impedance models, with application to modeling spherical solid diffusion | |
| Atherton et al. | Methods for computing the time response of fractional‐order systems | |
| CN111008473A (zh) | 一种电力设备的仿真分析方法、装置及存储介质 | |
| Dhople et al. | A parametric uncertainty analysis method for Markov reliability and reward models | |
| CN106104234B (zh) | 用于计算rf功率mosfet的结温的方法和装置 | |
| Horváth et al. | BuTools 2: a Rich Toolbox for Markovian Performance Evaluation. | |
| CN113128072B (zh) | 传递函数高精度仿真方法、装置、存储介质及电子设备 | |
| Liu et al. | Autonomous Volterra algorithm for steady-state analysis of nonlinear circuits | |
| CN114117999B (zh) | 一种互连线数学模型的降阶方法、装置、电子设备及存储介质 | |
| CN113128074B (zh) | 一种电磁暂态仿真方法、系统、存储介质及电子设备 | |
| Li et al. | Mori-Zwanzig reduced models for uncertainty quantification | |
| Noebauer | Creating compact models using standard spreadsheet software | |
| CN105608237B (zh) | 一种电路版图后仿真阶段的快速波形预测方法 | |
| CN116702571B (zh) | 基于多重光滑度量因子的数值模拟方法及装置 | |
| CN112463990A (zh) | 电网基建知识图谱构造方法、装置、电子设备及存储介质 | |
| CN115831295A (zh) | 材料本构方程参数标定方法、装置及计算机设备 | |
| Jing et al. | On the generalized frequency response functions of Volterra systems | |
| Schneider et al. | Accuracy and stability of discrete-time filters generated by higher-order s-to-z mapping functions | |
| CN115859728A (zh) | 基于耦合畸变相似的锥柱组合壳体动态特性预测方法及系统 | |
| Gluzman et al. | Classification of possible finite-time singularities by functional renormalization | |
| Fouskitakis et al. | On the estimation of nonstationary functional series TARMA models: An isomorphic matrix algebra based method | |
| Liu et al. | Asymptotic behavior of delay 2-D discrete logistic systems | |
| Failla et al. | Response power spectrum of multi-degree-of-freedom nonlinear systems by a Galerkin technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |