CN117072363A - 水轮发电机组及其引水系统模型参数的辨识方法及系统 - Google Patents
水轮发电机组及其引水系统模型参数的辨识方法及系统 Download PDFInfo
- Publication number
- CN117072363A CN117072363A CN202310981659.9A CN202310981659A CN117072363A CN 117072363 A CN117072363 A CN 117072363A CN 202310981659 A CN202310981659 A CN 202310981659A CN 117072363 A CN117072363 A CN 117072363A
- Authority
- CN
- China
- Prior art keywords
- active power
- value
- identification
- guide vane
- transfer function
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 102
- 238000012546 transfer Methods 0.000 claims abstract description 97
- 230000001105 regulatory effect Effects 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims description 178
- 230000009466 transformation Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims 4
- 238000012360 testing method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 101100191136 Arabidopsis thaliana PCMP-A2 gene Proteins 0.000 description 6
- 101100422768 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SUL2 gene Proteins 0.000 description 6
- 101100048260 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) UBX2 gene Proteins 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03B—MACHINES OR ENGINES FOR LIQUIDS
- F03B11/00—Parts or details not provided for in, or of interest apart from, the preceding groups, e.g. wear-protection couplings, between turbine and generator
- F03B11/008—Measuring or testing arrangements
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/20—Hydro energy
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Control Of Water Turbines (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本公开提出一种水轮发电机组及其引水系统模型参数的辨识方法及系统，该方法包括针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得第一传递函数；基于实时获取的水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数，结合时间步长得到功率‑开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，以得到第一传递函数的权重系数和有功功率辨识值，进而得到机组全负荷有功功率辨识值，其中时间步长基于误差函数获得，误差函数基于有功功率拉氏变换值和有功功率辨识值得到；最后输出辨识结果。根据本公开的方法能够提高水轮发电机组及其引水系统模型参数的辨识精度。
Description
技术领域
本公开属于水电站自动化技术领域，尤其涉及一种水轮发电机组及其引水系统模型参数的辨识方法及系统。
背景技术
水轮发电机组及引水系统的模型参数是电力系统稳定计算的重要数据，是分析、优化、改进水轮机控制指标的重要条件。按照《同步发电机调速系统参数实测及建模导则》GB/T 40593，计及引水系统刚性水击的水轮发电机组的模型包含“导叶开度-流量”环节和水轮发电机组简化模型两部分。“导叶开度-流量”环节可等效为导叶开度与水轮机流量之间的折线函数，水轮发电机组简化模型可等效为一阶非最小相位模型。
目前在科研和工程上，辨识这两个环节模型参数时较多采用经验法，而受机组运行工况和引水系统过渡过程影响，辨识精度不高，规范性较低。而现行规范和导则中通常仅推荐一种计及刚性水击的水轮发电机组模型，不仅难以满足实际科研和工程需要，也是制约调速系统模型辨识精度的重要因素。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本公开提供了一种水轮发电机组及其引水系统模型参数的辨识方法及系统，主要目的在于提高水轮发电机组及其引水系统模型参数的辨识精度。
根据本公开的第一方面，提供了一种水轮发电机组及其引水系统模型参数的辨识方法，包括：
针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；
实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；
基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，所述时间步长基于误差函数获得；
基于所述机组工作水头、所述调压室时间常数、所述发电机时间常数、所述导叶开度拉氏变换值、所述第一传递函数和所述误差函数得到所述第一传递函数的权重系数和有功功率辨识值，所述误差函数基于所述有功功率拉氏变换值和有功功率辨识值得到；
基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值；
输出辨识结果，所述辨识结果包括所述机组全负荷有功功率辨识值、所述第一传递函数的权重系数、所述有功功率辨识值和所述误差函数。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，第一传递函数的获得方法包括：获取所述水轮发电机组及其引水系统中主要组成部分的方程组；基于小波动理论，针对主要组成部分的方程组，通过拉氏变换得到含滞后环节的高阶非最小相位综合模型，进而得到第一传递函数。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，所述基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，包括：基于获取的所述导叶开度得到导叶开度-时间关系曲线，对所述导叶开度-时间关系曲线进行拉式变换得到导叶开度拉氏变换值；基于获取的所述有功功率得到有功功率-时间关系曲线，对所述有功功率-时间关系曲线进行拉式变换得到有功功率拉氏变换值；采用分部积分法，基于时间步长，以累加形式得到有功功率对导叶开度的第二传递函数。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，所述时间步长的获得方法包括：将误差函数乘以第一常数得到时间步长。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，所述第一传递函数的权重系数包括滞后时间系数、水流惯性时间常数、水流惯性时间常数的第一权重和第二权重。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，所述误差函数的获得方法包括：基于所述有功功率拉氏变换值和有功功率辨识值，利用最小二乘法得到所述误差函数。
在本公开的第一方面提供的水轮发电机组及其引水系统模型参数的辨识方法中，采用曲线插值模型法基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值。
根据本公开的第二方面，还提供了一种水轮发电机组及其引水系统模型参数的辨识系统，包括：
建模模块，用于针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；
获取模块，用于实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；
信号处理模块，用于基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，所述时间步长基于误差函数获得；
第一辨识模块，用于基于所述机组工作水头、所述调压室时间常数、所述发电机时间常数、所述导叶开度拉氏变换值、所述第一传递函数和所述误差函数得到所述第一传递函数的权重系数和有功功率辨识值，所述误差函数基于所述有功功率拉氏变换值和有功功率辨识值得到；
第二辨识模块，用于基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值；
输出模块，用于输出辨识结果，所述辨识结果包括所述机组全负荷有功功率辨识值、所述第一传递函数的权重系数、所述有功功率辨识值和所述误差函数。
根据本公开的第三方面，还提供了一种水轮发电机组及其引水系统模型参数的辨识设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的第一方面提出的水轮发电机组及其引水系统模型参数的辨识方法。
根据本公开的第四方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开的第一方面提出的水轮发电机组及其引水系统模型参数的辨识方法。
在本公开一个或多个方面中，针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，时间步长基于误差函数获得；基于机组工作水头、调压室时间常数、发电机时间常数、导叶开度拉氏变换值、第一传递函数和误差函数得到第一传递函数的权重系数和有功功率辨识值，误差函数基于有功功率拉氏变换值和有功功率辨识值得到；基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值；输出辨识结果，辨识结果包括机组全负荷有功功率辨识值、第一传递函数的权重系数、有功功率辨识值和误差函数。在这种情况下，综合针对水轮发电机组及其引水系统构建的高阶非最小相位综合模型及其第一传递函数、功率-开度的第二传递函数，利用时间步长和误差函数对第一传递函数和第二传递函数进行优化，以提高获得的机组全负荷有功功率辨识值的精度，因此提高了水轮发电机组及其引水系统模型参数的辨识精度。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1示出本公开实施例提供的一种水轮发电机组及其引水系统模型参数的辨识方法的流程示意图；
图2示出本公开实施例提供的一种水轮发电机组及其引水系统模型参数的辨识方法的原理示意图；
图3示出本公开实施例提供的综合模型的原理示意图；
图4示出本公开实施例提供的某A机组实测曲线与辨识曲线对比关系图；
图5示出本公开实施例提供的某B机组实测曲线与辨识曲线对比关系图；
图6示出本公开实施例提供的水轮发电机组及其引水系统模型参数的辨识系统的框图；
图7是用来实现本公开实施例的水轮发电机组及其引水系统模型参数的辨识方法的水轮发电机组及其引水系统模型参数的辨识设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。还应当理解，本公开中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
本公开提供了一种水轮发电机组及其引水系统模型参数的辨识方法及系统，主要目的在于提高水轮发电机组及其引水系统模型参数的辨识精度。
在第一个实施例中，图1示出本公开实施例提供的一种水轮发电机组及其引水系统模型参数的辨识方法的流程示意图。图2示出本公开实施例提供的一种水轮发电机组及其引水系统模型参数的辨识方法的原理示意图。图3示出本公开实施例提供的综合模型的原理示意图。如图1所示，该水轮发电机组及其引水系统模型参数的辨识方法，包括：
步骤S11，针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数。
在步骤S11中，构建的高阶非最小相位综合模型可以简称为综合模型，该综合模型是被辨识系统(即水轮发电机组及其引水系统)的数学模型。构建好的综合模型加载于图2所示的综合辨识系统0-00中的综合模型模块1-2中。
在步骤S11中，第一传递函数的获得方法包括：获取水轮发电机组及其引水系统中主要组成部分的方程组；基于小波动理论，针对主要组成部分的方程组，通过拉氏变换得到含滞后环节的高阶非最小相位综合模型，进而得到第一传递函数。
具体地，考虑到在经典理论中水轮发电机组及其引水系统是由引水隧洞，调压室，压力管道，水轮机，发电机等主要系统组成。因此，获取引水隧洞，调压室，压力管道，水轮机，发电机这些主要组成部分的方程组。
其中，获取的引水隧洞的方程为式(1)所示的引水隧洞的动力方程，式(1)为：
式中，z为调压室水位变化相对值，z＝△Z/H0，△Z为调压室水位变化量，hy0为引水隧洞的水头损失初始值，H0为机组工作水头初始值，qy为引水隧洞流量相对值，qy＝(Qy-Qy0)/Qy0，Qy为引水隧洞流量当前值，Qy0为引水隧洞流量初始值，Twy为引水隧洞的水流惯性时间常数。
获取的压力管道的方程为式(2)所示的压力管道动力方程，式(2)为：
式中，h为机组工作水头相对值，h＝(H-H0)/H0，H为机组工作水头当前值，Twt为压力管道的水流惯性时间常数，ht0为压力管道的水头损失初始值，qt为机组引用流量相对值，qt＝(Qt-Qt0)/Qt0，Qt为机组引用流量当前值，Qt0为机组引用流量初始值。
获取的调压室的方程为式(3)所示的调压室连续性方程，式(3)为：
式中，TF为调压室时间常数。
获取的水轮机的方程为式(4)所示的水轮机力矩方程、流量方程，式(4)为：
式中，mt为水轮机动力矩相对值，mt＝(Mt-Mt0)/Mt0，Mt为水轮机动力矩当前值，Mt0为水轮机动力矩初始值，n为水轮机转速相对值，n＝(n1-n0)/n0，n1为水轮机转速当前值，n0为水轮机转速初始值，en为水轮机力矩对转速的传递系数，y为水轮机导叶开度相对值，Y为水轮机导叶开度当前值，Y0为水轮机导叶开度初始值，ey为水轮机力矩对导叶开度的传递系数，eh为水轮机力矩对水头的传递系数，q为水轮机流量相对值，eqn为水轮机流量对转速的传递系数，eqy为水轮机流量对导叶开度的传递系数，eqh为水轮机流量对水头的传递系数。
获取的发电机的方程为式(5)所示的发电机加速方程，式(5)为：
式中，Ta为发电机时间常数，n为水轮机转速相对值，mg为水轮机阻力矩相对值，mg＝(Mg-Mg0)/Mg0，Mg为水轮机阻力矩当前值，Mg0为水轮机阻力矩初始值，eg为水轮机自调节系数。
基于小波动理论，联立主要组成部分的方程组(即式(1)至式(5))，通过拉氏变换得到含滞后环节的高阶非最小相位综合模型，该综合模型的第一传递函数W(s)满足式(6)：
式中，q*(s)为有功功率辨识值(即某个负荷点的有功功率辨识值)，y(s)为导叶开度拉氏变换值，k为系数，a为水流惯性时间常数的第一权重，Tw为水流惯性时间常数，s为拉氏变换的复变量，x为常数值，x＝1、2、…、μ。v是阶数，其为常数值，v＝1、2、…、μ，且v+1≥x，bv为第v阶水流惯性时间常数的第二权重，bv+1为第v+1阶水流惯性时间常数的第二权重，L为滞后时间系数。各阶的水流惯性时间常数的第二权重可以用b表示。式(6)中，a、b、L、Tw为待求解的第一传递函数的权重系数。
在本公开的实施例中，综合模型是一种可变结构、可变阶数的模型。
具体地，如图3所示，可以将水轮发电机组及其引水系统划分成多个环节，多个环节分别是水头环节1-2-0、调压室环节1-2-1、滞后环节1-2-201、隧洞-压力管道-水轮机环节1-2-202和发电机环节1-2-3，其中，水头环节1-2-0为一个关于水头的折线函数，调压室环节1-2-1由式(3)得到，滞后环节1-2-201包括滞后时间系数，隧洞-压力管道-水轮机环节1-2-202由式(1)、(2)和(4)得到，发电机环节1-2-3由式(5)得到。设置三个选择器，分别是第一选择器SEL1、第二选择器SEL2、第三选择器SEL3，水头环节1-2-0的第一端为综合模型的输入端，水头环节1-2-0的第二端同时连接调压室环节1-2-1的第一端和第一选择器SEL1的第一输入端，调压室环节1-2-1的第二端与第一选择器SEL1的第二输入端连接，第一选择器SEL1的输出端连接隧洞-压力管道-水轮机环节1-2-202的第一端，隧洞-压力管道-水轮机环节1-2-202的第二端同时连接滞后环节1-2-201的第一端和第二选择器SEL2的第一输入端，滞后环节1-2-201的第二端与第二选择器SEL2的第二输入端连接，第二选择器SEL2的输出端同时连接第三选择器SEL3的第一输入端和发电机环节1-2-3的第一端，发电机环节1-2-3的第二端与第三选择器SEL3的第二输入端连接，第三选择器SEL3的输出端为综合模型的输出端。
在本实施例中，可以控制三个选择器使综合模型按照需求具有水头环节1-2-0，调压室环节1-2-1，滞后环节1-2-201，水轮机及引水系统1-2-202和发电机环节1-2-3中的部分或全部特点，进而提高辨识精度。换言之，该综合模型可通过第一选择器SEL1，选择是否激活调压室环节1-2-1，通过第二选择器SEL2，选择是否激活滞后环节1-2-201，通过第三选择器SEL3，选择是否激活发电机环节1-2-3，进而确定综合模型的结构。若调压室环节1-2-1和发电机环节1-2-3被激活，则需要输入与该环节相关的初值参数(如TF、Ta)。若滞后环节1-2-201被激活，综合模型在拟合时将引入滞后因子e-Ls。
步骤S12，实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数。
在步骤S12中，实时获取的水轮发电机组的导叶开度即为水轮机导叶开度当前值Y。实时获取的有功功率即为有功功率当前值P。实时获取的机组工作水头即为机组工作水头当前值H。
在步骤S12中，获取调压室时间常数TF和发电机时间常数Ta。
在步骤S12中，还获取综合模型的阶数v。
步骤S13，基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，时间步长基于误差函数获得。
在步骤S13中，功率-开度的第二传递函数可以用符号G(s)表示。第二传递函数为实测扰动过程的传递函数。第二传递函数加载于图2所示的综合辨识系统0-00中的过程信号采集与处理模块1-1中。
在步骤S13中，基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，包括：基于获取的导叶开度得到导叶开度-时间关系曲线，对导叶开度-时间关系曲线进行拉式变换得到导叶开度拉氏变换值；基于获取的有功功率得到有功功率-时间关系曲线，对有功功率-时间关系曲线进行拉式变换得到有功功率拉氏变换值；采用分部积分法，基于时间步长，以累加形式得到有功功率对导叶开度的第二传递函数。其中，时间步长的获得方法包括：将误差函数乘以第一常数得到时间步长。
具体地，在机组工作水头当前值H，第N个试验负荷点。其中第N个试验负荷点指机组要完成某项试验，所必须的负载要求。通过导叶阶跃扰动，测试导叶开度当前值Y与有功功率当前值P变化量的过渡关系。并录制时域下的关系曲线T-Y(时间-导叶开度)和T-P(时间-有功功率)。为克服水轮发电机组存在的有功功率非线性问题，提高实测数据(也即当前值)的置信度。在现场试验中要求被试机组至少要取得N个试验负荷点下的实测数据用于辨识计算。N个试验负荷点需包括额定有功功率P0的25％P0，50％P0，100％P0典型负荷点在内的、不小于5个试验负荷点的数据。
将关系曲线T-P(时间-功率)和关系曲线T-Y(时间-导叶开度)进行拉氏变换得到有功功率拉氏变换值p(s)和导叶开度拉氏变换值y(s)。按瞬态分量和稳态分量部分表示，导叶开度拉氏变换值满足式(7)，有功功率拉氏变换值满足式(8)：
式中，Ty表示导叶开度中扰动趋于稳定的时刻，Tp表示有功功率中扰动趋于稳定的时刻。△y(t)表示导叶开度在时间上的累加值，△p(t)表示功率在时间上的累加值。
一般情况下，第二传递函数满足式(9)：
在本公开的实施例中，采用分部积分法，基于时间步长△ti，将有功功率对导叶开度的第二传递函数转化为累加形式，该累加形式的第二传递函数满足式(10)：
其中，i＝0，1，2，…，U。U为累加总次数。
时间步长满足式(11)：
△ti＝ti-ti-1＝δ·e(i) (11)
其中，e(i)为误差函数，δ为第一常数。其中，10-c＜△ti＜10-r，单位秒，r＜c。r，c为常数。误差函数e(i)为误差函数e(s)的离散形式。
在步骤S13中，利用时间步长△ti优化第二传递函数G(s)，然后基于导叶开度拉氏变换值y(s)和优化后的第二传递函数G(s)得到优化的有功功率拉氏变换值p(s)。
步骤S14，基于机组工作水头、调压室时间常数、发电机时间常数、导叶开度拉氏变换值、第一传递函数和误差函数得到第一传递函数的权重系数和有功功率辨识值，误差函数基于有功功率拉氏变换值和有功功率辨识值得到。
在步骤S14中，第一传递函数的权重系数包括滞后时间系数L、水流惯性时间常数Tw、水流惯性时间常数的第一权重a和各阶的水流惯性时间常数的第二权重b。
在步骤S14中，如图2所示，将导叶开度拉氏变换值y(s)、机组工作水头当前值H、调压室时间常数TF、发电机时间常数Ta和综合模型的阶数v，送至综合模型模块1-2中输出第一传递函数的权重系数和有功功率辨识值q*(s)。
在步骤S14中，误差函数的获得方法包括：基于有功功率拉氏变换值和有功功率辨识值，利用最小二乘法得到误差函数。如图3所示，将有功功率拉氏变换值p(s)和有功功率辨识值q*(s)送至误差计算模块1-3中利用e(s)＝p(s)-q*(s)获得误差函数e(s)。
具体地，采用递推最小二乘法对式(6)求解，由于式(12)为：
q*(i)＝W(i)y(i) (12)
则递推表达式满足式(13)：
W(i+1)＝W(i)+△ti·y(i)e(i) (13)
其中， 为最小二乘法求解的最大迭代次数。其中，q*(i)为q*(s)的离散形式，W(i)为W(s)的离散形式，y(i)为y(s)的离散形式。采用递推最小二乘法以误差因子动态选择辨识的时间步长△ti，即/>其中，pi为第i次迭代的有功功率拉氏变换值，/>为第i次迭代的有功功率辨识值。e(i)的终值不大于K，K为辨识的性能指标，K为常数。若迭代次数小于/>且e(i)≤K，则迭代计算终止。
在步骤S14中，利用误差函数e(i)和时间步长△ti优化第一传递函数W(s)，然后基于导叶开度拉氏变换值y(s)和优化后的第一传递函数W(s)得到优化的第一传递函数的权重系数和优化的有功功率辨识值q*(s)，然后将优化的有功功率辨识值送至误差计算模块1-3中得到优化的误差函数e(i)，再反馈至综合模型模块1-2和过程信号采集与处理模块1-1中，直至误差函数迭代计算终止。
步骤S15，基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值。
在步骤S15中，采用曲线插值模型法基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值。
如图2所示，在步骤S15中，将综合模型模块1-2输出的第一传递函数的权重系数和有功功率辨识值、误差计算模块1-3输出的误差函数e(s)和实时获取的水轮发电机组的有功功率，送至全负荷插值模型模块1-4中，采用曲线插值模型法输出机组全负荷有功功率辨识值。
具体地，以N个典型试验负荷点的辨识结果(即N个有功功率辨识值)为依据，建立被试机组的N阶(h,y)→q*对应关系矩阵，使用曲线插值模型法求解，得到水轮发电机组的全负荷插值模型Q*(H,Y)。全负荷插值模型Q*(H,Y)是基于小波动理论，通过现场试验辨识，确定N个典型试验负荷点的(h,y)→q*对应关系，采用拉格朗日插值法计算全负荷插值模型Q*(H,Y))的全部中间值得到。
步骤S16，输出辨识结果，辨识结果包括机组全负荷有功功率辨识值、第一传递函数的权重系数、有功功率辨识值和误差函数。
在步骤S16中，辨识结果包括全负荷插值模型模块1-4输出的机组全负荷有功功率辨识值。
在步骤S16中，综合模型模块1-2输出的第一传递函数的权重系数和有功功率辨识值。其中，每个实验负荷点利用综合模型模块1-2输出一个有功功率辨识值，多个实验负荷点分别利用综合模型模块1-2输出对应数量的有功功率辨识值。每个有功功率辨识值均为误差函数迭代计算终止时输出的最终的有功功率辨识值。
在步骤S16中，误差计算模块1-3输出的误差函数。其中，输出的误差函数是误差函数迭代计算终止时的最终的误差函数。
结合图2和图3，在本公开的辨识方法的具体实施步骤如下：
1)试验开始前应对与被试机组相关的系统和设备进行条件检查。判断该机组是否已具备开展现场实测的一般条件。通常应包括但不限于以下基本条件：调速器系统可为本测试提供所需的不受影响的输入输出信号端口；调速器系统开环安全运行；调速器及执行机构静态调试合格；执行机构阶跃特性合格；水头波动在±1％以内；被试机组已退出一次调频、AGC功能；
2)通过三个选择器SEL(SEL1，SEL2，SEL3)，选择综合模型的特征环节，对于各选择器，当SEL＝1为第一信号，该选择器的第二输入端导通，与该选择器的第二输入端连接的环节被激活，当SEL＝0为第二信号，该选择器的第一输入端导通。若调压室环节1-2-1和发电机环节1-2-3被激活，则需要输出该环节的相关的初值参数(如TF、Ta)，滞后环节1-2-201被激活，综合模型在拟合时将引入滞后因子e-Ls；
3)输入综合模型的阶数v、x；
4)分别测量并记录，试验机组在第N个试验负荷点，稳态及阶跃扰动过程中导叶开度Y，有功功率P随时间的变化数据；
5)利用综合辨识系统0-00以实测数据导叶开度Y，有功功率P经该系统迭代计算，得到机组工作水头当前值下，第N个试验负荷点处，v阶综合模型的权重系数a、b、L、Tw，满足性能指标K的最终的误差函数，以及第N个试验负荷点处辨识的有功功率q*(s)。
6)利用综合辨识系统0-00的全负荷插值模型模块1-4输出的机组全负荷有功功率辨识值Q*(H,Y)。
为验证本公开的辨识方法的有效性，进行如下实验。图4示出本公开实施例提供的某A机组实测曲线与辨识曲线对比关系图；图5示出本公开实施例提供的某B机组实测曲线与辨识曲线对比关系图。
以某试验机组A(也称某A机组)为例，其水轮发电机组(HL-LJ-660)额定容量230MW，转动惯量GD2约为72000t·m2，额定水头62m，单机单管。在额定水头采用本公开的辨识方法，辨识88％P0负荷，导叶扰动约7％的传递函数q*(s)，并仿真功率过渡过程。其中，表1为在该负荷点选择不同阶数的辨识结果。表2为选择一阶滞后综合模型辨识实测值与仿真值的误差比较。图4为实测值与仿真值功率过渡过程对比。
表1某A机组在设定负荷点下不同阶数的辨识结果表
表2某A机组选择一阶滞后综合模型辨识实测值与仿真值的误差比较表
基于图4可知，实测曲线与辨识曲线基本吻合。
以某试验机组B(也称某B机组)为例，其水轮发电机组(ZZ-LH-685)额定容量120MW，转动惯量GD2约为33715t·m2，额定水头34m，单机单管。在额定水头采用本发明的方法，辨识76％P0负荷，导叶扰动约5％的传递函数q*(s)，并仿真功率过渡过程。其中，表3为在该负荷点选择不同阶数的辨识结果。表4为选择一阶滞后综合模型辨识实测值与仿真值的误差比较。图5为实测值与仿真值功率过渡过程对比。
表3某B机组在设定负荷点下不同阶数的辨识结果表
表4某B机组选择一阶滞后综合模型辨识实测值与仿真值的误差比较表
基于图5可知，实测曲线与辨识曲线基本吻合。故利用本公开的辨识方法拟合精度较高，有利于提高模型参数的辨识精度。
在本公开实施例的水轮发电机组及其引水系统模型参数的辨识方法中，针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，时间步长基于误差函数获得；基于机组工作水头、调压室时间常数、发电机时间常数、导叶开度拉氏变换值、第一传递函数和误差函数得到第一传递函数的权重系数和有功功率辨识值，误差函数基于有功功率拉氏变换值和有功功率辨识值得到；基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值；输出辨识结果，辨识结果包括机组全负荷有功功率辨识值、第一传递函数的权重系数、有功功率辨识值和误差函数。在这种情况下，综合针对水轮发电机组及其引水系统构建的高阶非最小相位综合模型及其第一传递函数、功率-开度的第二传递函数，利用时间步长和误差函数对第一传递函数和第二传递函数进行优化，以提高获得的机组全负荷有功功率辨识值的精度，因此提高了水轮发电机组及其引水系统模型参数的辨识精度。
在本公开的辨识方法中，基于现场实测数据，利用并网状态下水轮发电机组导叶开度Y的和有功功率，通过不同负荷段实测数据的辨识结果，得到满足辨识精度水轮发电机组及其引水系统模型参数。在本公开的辨识方法至少具有如下有益的技术效果：采用可变步长的递推最小二乘辨识方法，适应于求解含滞后环节的高阶非最小相位系统；提供了一种可变结构的综合模型，该模型可用于系统辨识，以该参考模型辨识的方法可提高辨识的适应性和准确性；能够获得水轮发电机组全负荷插值模型；便于工程使用、具有一般性和灵活性。另外采用本公开的方法，所得水轮发电机组及其引水系统模型的辨识结果均满足《同步发电机调速系统参数实测及建模导则》GB/T 40593的要求。
下述为本公开系统实施例，可以用于执行本公开方法实施例。对于本公开系统实施例中未披露的细节，请参照本公开方法实施例。
请参见图6，图6示出本公开实施例提供的水轮发电机组及其引水系统模型参数的辨识系统的框图。该水轮发电机组及其引水系统模型参数的辨识系统可以通过软件、硬件或者两者的结合实现成为系统的全部或一部分。该水轮发电机组及其引水系统模型参数的辨识系统10包括建模模块11、获取模块12、信号处理模块13、第一辨识模块14、第二辨识模块15和输出模块16，其中：
建模模块11，用于针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；
获取模块12，用于实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；
信号处理模块13，用于基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，时间步长基于误差函数获得；
第一辨识模块14，用于基于机组工作水头、调压室时间常数、发电机时间常数、导叶开度拉氏变换值、第一传递函数和误差函数得到第一传递函数的权重系数和有功功率辨识值，误差函数基于有功功率拉氏变换值和有功功率辨识值得到；
第二辨识模块15，用于基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值；
输出模块16，用于输出辨识结果，辨识结果包括机组全负荷有功功率辨识值、第一传递函数的权重系数、有功功率辨识值和误差函数。
可选地，在建模模块11中，第一传递函数的获得方法包括：获取水轮发电机组及其引水系统中主要组成部分的方程组；基于小波动理论，针对主要组成部分的方程组，通过拉氏变换得到含滞后环节的高阶非最小相位综合模型，进而得到第一传递函数。
可选地，信号处理模块13，具体用于：基于获取的导叶开度得到导叶开度-时间关系曲线，对导叶开度-时间关系曲线进行拉式变换得到导叶开度拉氏变换值；基于获取的有功功率得到有功功率-时间关系曲线，对有功功率-时间关系曲线进行拉式变换得到有功功率拉氏变换值；采用分部积分法，基于时间步长，以累加形式得到有功功率对导叶开度的第二传递函数。
可选地，在信号处理模块13中，时间步长的获得方法包括：将误差函数乘以第一常数得到时间步长。
可选地，在第一辨识模块14中，第一传递函数的权重系数包括滞后时间系数、水流惯性时间常数、水流惯性时间常数的第一权重和第二权重。
可选地，在第一辨识模块14中，误差函数的获得方法包括：基于有功功率拉氏变换值和有功功率辨识值，利用最小二乘法得到误差函数。
可选地，第二辨识模块15，具体用于：采用曲线插值模型法基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值。
要说明的是，上述实施例提供的水轮发电机组及其引水系统模型参数的辨识系统在执行水轮发电机组及其引水系统模型参数的辨识方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将水轮发电机组及其引水系统模型参数的辨识设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的水轮发电机组及其引水系统模型参数的辨识系统与水轮发电机组及其引水系统模型参数的辨识方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
在本公开实施例的水轮发电机组及其引水系统模型参数的辨识系统，建模模块用于针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；获取模块用于实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；信号处理模块用于基于导叶开度、有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，时间步长基于误差函数获得；第一辨识模块用于基于机组工作水头、调压室时间常数、发电机时间常数、导叶开度拉氏变换值、第一传递函数和误差函数得到第一传递函数的权重系数和有功功率辨识值，误差函数基于有功功率拉氏变换值和有功功率辨识值得到；第二辨识模块用于基于权重系数、有功功率辨识值、误差函数和有功功率得到机组全负荷有功功率辨识值；输出模块用于输出辨识结果，辨识结果包括机组全负荷有功功率辨识值、第一传递函数的权重系数、有功功率辨识值和误差函数。在这种情况下，综合针对水轮发电机组及其引水系统构建的高阶非最小相位综合模型及其第一传递函数、功率-开度的第二传递函数，利用时间步长和误差函数对第一传递函数和第二传递函数进行优化，以提高获得的机组全负荷有功功率辨识值的精度，因此提高了水轮发电机组及其引水系统模型参数的辨识精度。
根据本公开的实施例，本公开还提供了一种水轮发电机组及其引水系统模型参数的辨识设备、一种可读存储介质和一种计算机程序产品。
图7是用来实现本公开实施例的水轮发电机组及其引水系统模型参数的辨识方法的水轮发电机组及其引水系统模型参数的辨识设备的框图。水轮发电机组及其引水系统模型参数的辨识设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。水轮发电机组及其引水系统模型参数的辨识设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴电子设备和其它类似的计算装置。本公开所示的部件、部件的连接和关系、以及部件的功能仅仅作为示例，并且不意在限制本公开中描述的和/或者要求的本公开的实现。
如图7所示，水轮发电机组及其引水系统模型参数的辨识设备20包括计算单元21，其可以根据存储在只读存储器(ROM)22中的计算机程序或者从存储单元28加载到随机存取存储器(RAM)23中的计算机程序，来执行各种适当的动作和处理。在RAM 23中，还可存储水轮发电机组及其引水系统模型参数的辨识设备20操作所需的各种程序和数据。计算单元21、ROM 22以及RAM 23通过总线24彼此相连。输入/输出(I/O)接口25也连接至总线24。
水轮发电机组及其引水系统模型参数的辨识设备20中的多个部件连接至I/O接口25，包括：输入单元26，例如键盘、鼠标等；输出单元27，例如各种类型的显示器、扬声器等；存储单元28，例如磁盘、光盘等，存储单元28与计算单元21通信连接；以及通信单元29，例如网卡、调制解调器、无线通信收发机等。通信单元29允许水轮发电机组及其引水系统模型参数的辨识设备20通过诸如因特网的计算机网络和/或各种电信网络与其他水轮发电机组及其引水系统模型参数的辨识设备交换信息/数据。
计算单元21可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元21的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元21执行上述所描述的各个方法和处理，例如执行水轮发电机组及其引水系统模型参数的辨识方法。例如，在一些实施例中，水轮发电机组及其引水系统模型参数的辨识方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元28。在一些实施例中，计算机程序的部分或者全部可以经由ROM 22和/或通信单元29而被载入和/或安装到水轮发电机组及其引水系统模型参数的辨识设备20上。当计算机程序加载到RAM 23并由计算单元21执行时，可以执行上述描述的水轮发电机组及其引水系统模型参数的辨识方法的一个或多个步骤。备选地，在其他实施例中，计算单元21可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行水轮发电机组及其引水系统模型参数的辨识方法。
本公开中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑电子设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或水轮发电机组及其引水系统模型参数的辨识设备使用或与指令执行系统、装置或水轮发电机组及其引水系统模型参数的辨识设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或电子设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储电子设备、磁储存电子设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本公开在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，包括：
针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；
实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；
基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，所述时间步长基于误差函数获得；
基于所述机组工作水头、所述调压室时间常数、所述发电机时间常数、所述导叶开度拉氏变换值、所述第一传递函数和所述误差函数得到所述第一传递函数的权重系数和有功功率辨识值，所述误差函数基于所述有功功率拉氏变换值和有功功率辨识值得到；
基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值；
输出辨识结果，所述辨识结果包括所述机组全负荷有功功率辨识值、所述第一传递函数的权重系数、所述有功功率辨识值和所述误差函数。
2.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，第一传递函数的获得方法包括：
获取所述水轮发电机组及其引水系统中主要组成部分的方程组；
基于小波动理论，针对主要组成部分的方程组，通过拉氏变换得到含滞后环节的高阶非最小相位综合模型，进而得到第一传递函数。
3.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，所述基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，包括：
基于获取的所述导叶开度得到导叶开度-时间关系曲线，对所述导叶开度-时间关系曲线进行拉式变换得到导叶开度拉氏变换值；
基于获取的所述有功功率得到有功功率-时间关系曲线，对所述有功功率-时间关系曲线进行拉式变换得到有功功率拉氏变换值；
采用分部积分法，基于时间步长，以累加形式得到有功功率对导叶开度的第二传递函数。
4.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，所述时间步长的获得方法包括：将误差函数乘以第一常数得到时间步长。
5.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，所述第一传递函数的权重系数包括滞后时间系数、水流惯性时间常数、水流惯性时间常数的第一权重和第二权重。
6.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，所述误差函数的获得方法包括：基于所述有功功率拉氏变换值和有功功率辨识值，利用最小二乘法得到所述误差函数。
7.如权利要求1所述的水轮发电机组及其引水系统模型参数的辨识方法，其特征在于，采用曲线插值模型法基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值。
8.一种水轮发电机组及其引水系统模型参数的辨识系统，其特征在于，包括：
建模模块，用于针对水轮发电机组及其引水系统，构建高阶非最小相位综合模型以获得该综合模型的第一传递函数；
获取模块，用于实时获取水轮发电机组的导叶开度和有功功率、机组工作水头、调压室时间常数和发电机时间常数；
信号处理模块，用于基于所述导叶开度、所述有功功率和时间步长得到功率-开度的第二传递函数、导叶开度拉氏变换值、有功功率拉氏变换值，所述时间步长基于误差函数获得；
第一辨识模块，用于基于所述机组工作水头、所述调压室时间常数、所述发电机时间常数、所述导叶开度拉氏变换值、所述第一传递函数和所述误差函数得到所述第一传递函数的权重系数和有功功率辨识值，所述误差函数基于所述有功功率拉氏变换值和有功功率辨识值得到；
第二辨识模块，用于基于所述权重系数、所述有功功率辨识值、所述误差函数和所述有功功率得到机组全负荷有功功率辨识值；
输出模块，用于输出辨识结果，所述辨识结果包括所述机组全负荷有功功率辨识值、所述第一传递函数的权重系数、所述有功功率辨识值和所述误差函数。
9.一种水轮发电机组及其引水系统模型参数的辨识设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的水轮发电机组及其引水系统模型参数的辨识方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的水轮发电机组及其引水系统模型参数的辨识方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981659.9A CN117072363A (zh) | 2023-08-04 | 2023-08-04 | 水轮发电机组及其引水系统模型参数的辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981659.9A CN117072363A (zh) | 2023-08-04 | 2023-08-04 | 水轮发电机组及其引水系统模型参数的辨识方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117072363A true CN117072363A (zh) | 2023-11-17 |
Family
ID=88707164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310981659.9A Pending CN117072363A (zh) | 2023-08-04 | 2023-08-04 | 水轮发电机组及其引水系统模型参数的辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117072363A (zh) |
-
2023
- 2023-08-04 CN CN202310981659.9A patent/CN117072363A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108063456B (zh) | 分布式光伏发电并网规划方法及终端设备 | |
| US11169189B2 (en) | Systems and methods for operating generators based on generator steady state stability limits | |
| CN114583757A (zh) | 风电场有功控制和无功控制的优化方法和装置 | |
| CN103336882B (zh) | 一种基于时域仿真的全过程动态电压稳定裕度评估方法 | |
| WO2024156164A1 (zh) | 一种风电场运行分析方法及系统 | |
| Yang et al. | Numerical investigation of the cavitation dynamic parameters in a Francis turbine draft tube with columnar vortex rope | |
| CN110705066A (zh) | 基于投影积分的气电耦合园区综合能源系统动态仿真方法 | |
| CN117072363A (zh) | 水轮发电机组及其引水系统模型参数的辨识方法及系统 | |
| CN109149566A (zh) | 一种大功率缺失下频率最低点预测的仿真模型的建模方法 | |
| WO2024125194A1 (zh) | 反应堆一回路中流量确定方法、装置和计算机设备 | |
| WO2024109487A1 (zh) | 抽水蓄能机组甩负荷测试方法、装置、设备及介质 | |
| CN116186990B (zh) | 一种热电联合仿真方法及装置 | |
| CN116857108A (zh) | 利用切换逻辑控制机组频率调节的系统及方法 | |
| CN114597908A (zh) | 考虑集电线路电压分布的风电场无功控制优化方法和装置 | |
| CN114718662B (zh) | 用于火电机组低压缸零出力系统的调节阀控制方法和装置 | |
| CN116885725A (zh) | 考虑数据非线性相关关系的电力系统概率潮流提取方法 | |
| US9644599B2 (en) | Enhanced disk actuator modeling | |
| JP7593139B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| JP7593140B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| Yonggang et al. | Parallel Simulation Strategy of Virtual Synchronized Power Grid Based on Haar Wavelet Collocation Method | |
| CN117134419A (zh) | 一种同步电机稳定性的检测方法、装置、设备及存储介质 | |
| Shi et al. | Wind Power Prediction Based On Rough Set Conditional Entropy Weighted Markov Chain | |
| CN118100135A (zh) | 一种新能源机组阻抗辨识方法、装置、设备及介质 | |
| CN117077518A (zh) | 氢混燃气轮机参数预测方法、装置、电子设备及存储介质 | |
| CN119412285A (zh) | 一种机舱风速传递函数的修正方法、装置、设备和存储介质 |
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 |