一种新的辨识SSO模态参数的算法制造技术

本发明专利技术属于电力系统SSO模态辨识领域，提出了一种新的辨识SSO模态参数的算法，该算法基于改进入侵杂草优化（invasive weed optimization，IWO）算法优化的阻尼正弦原子分解算法。该方法根据次同步振荡信号特点构造过完备阻尼正弦原子库，引入混沌序列、选择机制、小生境分类策略以及矢量跟踪思想对IWO算法进行改进，利用改进后的IWO算法对传统的匹配追踪算法（matching pursuit，MP）进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，即可实现对次同步振荡模态参数的有效辨识。

A New Method for Identifying SSO Modal Parameters

The invention belongs to the field of power system SSO modal identification, and proposes a new algorithm for identifying SSO modal parameters. The algorithm is based on the damped sinusoidal atomic decomposition algorithm optimized by the improved invasive weed optimization (IWO) algorithm. This method constructs an over-damped sinusoidal atomic library according to the characteristics of sub-synchronous oscillation signals. Chaotic sequence, selection mechanism, niche classification strategy and vector tracking idea are introduced to improve the IWO algorithm. The improved IWO algorithm is used to optimize the traditional matching pursuit (MP) algorithm. The best damped sinusoidal atoms are obtained by atomic decomposition. The damped sinusoidal atoms are converted to the modal parameters of the sub-synchronous oscillation signal, which can effectively identify the modal parameters of the sub-synchronous oscillation.

【技术实现步骤摘要】
一种新的辨识SSO模态参数的算法
本专利技术是一种新的辨识SSO模态参数的算法，属于SSO模态参数辨识的计算方法的改进算法。
技术介绍
近年来，为解决东西部能源与用电量需求的不平衡问题，±800kV特高压直流输电工程(UltraHighVoltageDirectCurrent,UHVDC)在中国得到大力发展。虽然特高压直流工程可实现跨区域大容量输送电力，缓解了东部地区负荷的需求，但多个特高压直流输电工程的连续投运也带来了一定的问题。特高压直流输电工程整流侧一般有多个火电机组，当送端交流系统受到扰动或直流系统受到扰动后，由于直流输电系统的快速可控特性及整流侧的定电流控制策略，有可能引起直流输电系统与发电机轴系之间存在能量交换，当这种能量交换形成正反馈时，就有引发送端火电机组严重次同步振荡(SubsynchronousOscillation,SSO)的风险。随着电网的不断发展，次同步振荡问题逐渐凸显。准确有效地辨识次同步振荡模态参数，有利于次同步振荡的分析与抑制。然而，现常用的次同步振荡模态辨识方法存在拟合效果受噪声的影响大、对信号的采样率要求高、不适用于复杂系统等问题，难以有效地对次同步振荡模态进行辨识。入侵杂草优化(invasiveweedoptimization，IWO)算法依据自然界中杂草的进化原理演化而来。相较于其他群智能算法，IWO算法具有较强的自适应性和鲁棒性，能快速而有效地搜索到问题的最优解，且易于实现。目前，IWO算法已被广泛应用于图像聚类、控制器参数整定、工程约束设计问题、天线设计配置优化、DNA编码等众多领域之中，基本的IWO算法会出现后期的寻优精度不高、寻优能力不强等问题。
技术实现思路
本专利技术提出了一种新的辨识SSO模态参数的算法。该算法首先对IWO算法进行改进，然后利用它对MP算法进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，即可实现对次同步振荡模态参数的有效辨识。本专利技术是技术方案是：步骤一：基本IWO算如下：IWO算法是依据杂草的生长繁殖特性进化而来，其主要目的是对杂草克隆的自然繁殖过程进行模拟。该算法可用以下步骤来完成。(1)种群初始化和相关参量的设定。(2)生长繁殖。根据各个体(解)的适应度函数值，计算各杂草所产生的种子个数Nseed，其表达式为：式中f为适应度函数值：fmax和fmin分别为适应度函数的最大值和最小值；S为产生的种子数量：SM和Sm分别为最大和最小种子数。(3)空间分布。更新进化代数并计算种群中子代个体正态分布的标准差，其计算公式为式中：T为当前的迭代次数；Tmax为最大迭代次数；n为非线性调和因子；σinital和σfinal分别为标准差的初始值和最终值。(4)竞争淘汰。算法经过数代的繁殖后，种群中杂草和种子的数目会达到预设的最大种群规模Pmax，并通过适应度值的大小排序来选取出适应度好的前Pmax个个体，适应度差的其余个体会被淘汰。当算法的迭代次数达到最大迭代次数Tmax时，算法结束。步骤二：IWO算法的改进其算法步骤如下：(1)混沌序列初始化种群。在算法早期采用混沌序列对种群进行初始化，以有效改善初始解的质量。选取超越函数构造混沌序列，其表达式为：yk+1＝asin(πyk)(3)式中：a为不小于零的实数。对初始值y0进行设定后，一个-a到a的序列即唯一确定。假定yp和yi分别为某代种群的最优杂草以及已选定进入下一代的杂草，各杂草与最优杂草的欧式距离为设定阈值ε(ε设定为0.5)，若lip<ε，则按照式(3)生成一个新的混沌序列对yi重新初始化。(2)引入选择机制。在种群繁殖前引入选择机制对种子进行预筛选，以保证种群的多样性和有效性，并有利于算法更精确地搜索到全局最优解。筛选时对种群中种子的适应度值按从大到小进行排序，适应度值越大即排序越小，该种子被选择的概率越大，反之亦然。若预设概率为向量P＝[P1,P2,…,PW]，其中，P1＝δ，随机数ξ服从均匀分布且取值为[0,PW]。若P0＝0，有Pi-1≤ξ≤Pi,1≤i≤W，则选择第i个种子，以此选择机制直到生成W个种子。(3)引入小生境分类策略。因为基本IWO算法具有种群多样性差、易陷入局部最优等缺点，所以改进IWO算法对种群中个体进行分类，尽量保留有用的孤立个体，进而提高种群的多样性，增强其全局优化能力，对算法的收敛精度进行改善，并根据适应值大小确定小生境中心，根据个体距离该中心的欧式距离对个体进行标记即分类。其中，小生境半径D的计算公式为式中：liF是各个体至小生境中心的欧式距离；μmax，μmin、μn为可变系数，用来调整分类数。(4)引入矢量跟踪。改进IWO算法中矢量跟踪借鉴了粒子群算法中的速度更新公式，个体在繁殖过程中一方面依据正态分布的步长散布在杂草周围；另一方面逼近于群体或邻域最优个体。步骤三：阻尼正弦原子分解通过匹配追踪算法，原子分解算法自适应地寻找最佳匹配原子并据此确定相关参数。其中，次同步振荡信号x(t)∈H,H为有限维Hilbert空间，Z∈H,Z＝(gγ)γ∈Γ，为过完备原子库，Γ为原子参数组的集合，||gγ||＝1。次同步振荡信号的过完备原子库可通过阻尼正弦量模型表示为式中：Kγq为原子归一化因子；fq为频率；为相位；ρq为衰减因子；u(t)为单位阶跃函数；ts为正弦量的开始时刻；te为正弦量的结束时刻。经过k步迭代后可将该信号表示为阻尼正弦原子库中原子的线性组合，其表达式为式中：Rmx为初始信号经m步迭代后的残余值(m＝1,2,…,k-1)，设定R0x＝x，可得Rmx＝<Rmx，gγm＞gγm+Rm+1x(8)式中：<Rmx，gγm＞gγm为信号x(t)或分解得到的信号残余Rmx在原子gγm上的投影，要达到信号残余值Rm+1x最小的目的，须保证Rmx，gγm取值最大，则gγm须满足：附图说明图1为本专利技术的杂草繁殖产生种子的示意图。图2为本专利技术的基本IWO算法流程。具体实施方式下面结合附图对专利技术进一步详细说明。本专利技术提出了一种新的辨识SSO模态参数的算法。它首先对IWO算法进行改进，然后利用改进后的算法对MP算法进行优化，在优化的基础上，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，即可实现对次同步振荡模态参数的有效辨识。采用经改进IWO算法优化的阻尼正弦原子分解算法辨识次同步振荡模态参数的具体实施步骤为：S1:初始化次同步振荡信号，并设定其分解总次数为h。S2:初始化IWO算法的控制参数，按式(3)随机生成混沌序列得到初始种群Q，设定种群的迭代次数为Tmax。S3:设残差信号与原子的内积|<Rnf，gγn＞|为杂草个体的适应度值，计算种群中各个体的适应度值并排序。S4:根据适应度值排序结果，利用选择机制，产生符合要求的W个原子种子，形成新的种群Q′。S5:利用小生境分类策略对种群Q′进行分类。S6:对每类杂草个体采用式(1)和图1所示的方式进行生长繁殖。S7:结合式(2)以及矢量跟踪思想对每类杂草个体实现空间扩散。S8:判断杂草和种子总数是否达到Pmax，如果达到，进行步骤S10；否则，继续步骤S9。S9:使用选择机制在各小生境内确定适应度最好的进行保留，遍本文档来自技高网...

【技术保护点】
1.一种新的辨识SSO模态参数的算法，其特征在于：根据次同步振荡信号特点构造过完备阻尼正弦原子库，引入混沌序列、选择机制、小生境分类策略以及矢量跟踪思想对IWO算法进行改进，利用改进后的IWO算法对传统的匹配追踪算法（matching pursuit，MP）进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，实现对次同步振荡模态参数的有效辨识。

【技术特征摘要】
1.一种新的辨识SSO模态参数的算法，其特征在于：根据次同步振荡信号特点构造过完备阻尼正弦原子库，引入混沌序列、选择机制、小生境分类策略以及矢量跟踪思想对IWO算法进行改进，利用改进后的IWO算法对传统的匹配追踪算法（matchingpursuit，MP）进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，实现对次同步振荡模态参数的有效辨识。2.根据权利要求1所述的一种新的辨识SSO模...

【专利技术属性】
技术研发人员：高陈，肖仕武，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11