一种基于多数据集合的并行同步发电机在线参数辨识方法技术

本发明专利技术公开了一种基于多数据集合的并行同步发电机在线参数辨识方法。本发明专利技术通过构建多数据集合的离散动态方程来表征发电机的动态过程并确定离散参数辨识目标，通过计算各个数据集合的离散动态方程和离散辨识目标对参数的雅克比矩阵和海森矩阵进行发电机参数在线辨识，该方法无需额外现场试验，保护发电机设备，并具有较高的参数辨识精度，克服了传统发电机参数在线辨识不准的缺点。本发明专利技术挖掘多数据集合参数辨识中的松耦合关系，将不同数据集的计算能有效地部署在不同计算单元上，实现多数据集合的并计算，极大的提高计算效率，可以用于电力系统动态建模等领域。

【技术实现步骤摘要】
一种基于多数据集合的并行同步发电机在线参数辨识方法
本专利技术属于电力系统的动态参数辨识领域，尤其是一种基于多数据集合的并行同步发电机在线参数辨识方法。
技术介绍
电力系统动态仿真是一种用于电网运行和电网规划的最重要工具。电力系统调度部门根据仿真的结果来决定调度策略、电网规划以及机组组合。因此动态仿真的准确性直接影响这个电网运行的经济性和安全性。而一个精确的发电机模型就是一个准确的仿真结果基础，并且随着向量测量单元PMU等测量单元的广泛应用，同步发电机的动态信号能够准确采集并发送给电网调度部门，使得同步发电机的在线参数辨识越来越得到广泛的研究。但是无论是使用现场测试的方式，还是使用电力系统扰动数据的方式来实现发电机在线参数辨识，它们都不可避免的遇到一个问题：电力系统采集到发电机相关数据往往并不是很充足，导致发电机所有参数的辨识结果并不能很好的辨识。针对上述技术困难，文献《OnlineEstimationofSynchronousGeneratorParametersUsingPRBSPerturbations》提出向自动电压控制装置施加伪随机二进制信号来进行发电机的在线参数辨识，但是这种方法所施加的信号的大小需要人为经验来确定，信号太小参数不容易辨识，信号太大则会导致同步发电机永久性损坏。文献《PMUBasedGeneratorParameterIdentificationtoImprovetheSystemPlanningandOperation》提出了使用参数的轨迹灵敏度分析参数变化对输出的影响，将辨识性差的参数固定为标称值，从而提高参数的辨识效果，但是这个方法不能辨识这些设定为标称值的参数，更不能反映参数实际的情况。尽管已有诸多研究成果，但在同步发电机在线辨识领域中尚无即便捷、又能准确辨识发电机参数的在线辨识计算方法。
技术实现思路
本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于多数据集合的并行同步发电机在线参数辨识方法，其根据同步发电机在线监测系统采集的多个数据集合，能够高效、便捷地辨识同步发电机所有参数，可直接应用于同步发电机在线参数辨识分析。为此，本专利技术采用如下的技术方案：一种基于多数据集合的同步发电机在线参数辨识方法，其包括如下步骤：第一步：当电网发生扰动时，利用发电厂的同步发电机在线监测系统对电网扰动前后发电机机端电压、机端电流、机端有功功率、无功功率和励磁电压信号进行采集，并作为扰动信号存入数据库；第二步：将当前采集的扰动信号数据集合和历史电网发生的多次扰动信号数据集合中的机端电压信号和励磁电压信号划分为输入信号ui，其他的信号则划分为输出信号ymi，其中下标i表示第i个数据集合，i＝1,2,...nc，nc表示数据集合的总数；第三步：根据第i个数据集合的输入信号ui和同步发电机参数变量θ，构建第i个数据集合下的微分代数方程组Di(ui,θ)来表征相应扰动下发电机动态过程和输出状态；根据第i个数据集合的输出信号ymi构建参数辨识目标第四步：利用梯形公式对微分代数方程组Di(ui,θ)和辨识目标进行离散化处理，离散化后的非线性方程组用和Ψi描述，其中i＝1,2,...nc，表示离散化后的输入信号，同时初始化数据集变量si和参数变量θ使非线性方程组成立；第五步：计算不同数据集合下的数据集变量si和参数变量θ对目标函数Ψi和非线性方程组的雅克比矩阵Li和Ji，以及扩展海森矩阵i＝1,2,...nc，不同数据集合的数据计算在独立的计算处理单元上进行；第六步：将不同数据集合下的雅克比矩阵Li和Ji，以及扩展海森矩阵汇总，并通过计算过程P1计算参数变量的更新量Δθ以及计算过程P2计算数据集变量的更新量Δsi；第七步：如果参数变量的更新量Δθ小于容许范围，则算法收敛，输出辨识结果；否则算法不收敛，对数据集变量si和参数变量θ更新，即分别加上数据集变量的更新量Δsi和参数变量的更新量Δθ，然后返回第五步。本专利技术使用历史多次扰动数据，实现多数据集合的同步发电机在线参数辨识，扩展了已有的同步发电机参数辨识方法。进一步，所述的第三步中，第i个数据集合下的微分代数方程组Di(ui,θ)具有如下形式：其中，下标i表示第i个数据集合，z和表示发电机动态过程中的状态变量和状态变量的导数，y为发电机的输出状态，F表征同步发电机的动态过程的非线性函数，G则是定义同步发电机的输出的非线性函数，t0为仿真时段的初始时刻，zi0为状态变量的初值。进一步，所述的第三步中，第i个数据集合下的参数辨识目标具有如下形式：其中，下标i表示第i个数据集合，y表示发电机的输出状态，ymi表示测量的输出信号，W表示发电厂的同步发电机在线检测系统采样设备相应的采样误差，Tf表示参数辨识的终止时刻，T表示矩阵转置。进一步，所述的第四步中，非线性方程组具有如下形式：其中，下标i表示第i个数据集合，下标t表示第t个时刻，和分别表示离散化的状态变量、输入信号以及输出状态，zi0为状态变量的初值，nt表示所有离散化后的时刻总数，表示离散化后的表征同步发电机的动态过程的非线性函数，表示离散化后的定义同步发电机的输出的非线性函数，C表示由和构成的离散化非线性函数，si表示第i个数据集变量，其形式如下：进一步，所述的第四步中，非线性方程组Ψi具有如下形式：其中，下标i表示第i个数据集合，下标t表示第t个时刻，y表示发电机的输出状态，ym表示测量的输出信号，W表示发电厂的同步发电机在线检测系统采样设备相应的采样误差，nt表示所有离散化后的时刻总数。进一步，所述的第五步中，雅克比矩阵Li和Ji具有如下形式：其中，下标i表示第i个数据集合，下标t表示第t个时刻，表示偏导数算子，s表示数据集变量，θ表示参数变量，Ψ表示离散化目标函数，C表示表征发电机动态特性和输出特性的离散化非线性函数。进一步，所述的第五步中，扩展海森矩阵具有如下形式：其中，下标i表示第i个数据集合，Hθθ表示离散化非线性函数C只对参数变量的海森矩阵，Hθi表示离散化非线性函数C对参数变量和数据集变量的海森矩阵，H表示离散化非线性函数C只对数据集变量的海森矩阵与离散化目标函数Ψ只对数据集变量的海森矩阵加和，T表示矩阵转置。进一步，所述的第五步中，独立计算处理单元是指CPU核心、计算服务器节点或其他具有完整的浮点计算与逻辑处理能力的计算设备。进一步，所述的第六步中，计算过程P1具有如下形式：Δθ＝A-1b其中，下标i表示第i个数据集合，i＝1,2,...nc，nc表示数据集合的总数，C表示离散化非线性函数表征发电机动态特性和输出特性的离散化非线性函数，Ψ表示离散化目标函数，s表示数据集变量，θ表示参数变量，Hθθ表示离散化非线性函数C只对参数变量的海森矩阵，Hθi表示离散化非线性函数C对参数变量和数据集变量的海森矩阵，H表示离散化非线性函数C只对数据集变量的海森矩阵与离散化目标函数Ψ只对数据集变量的海森矩阵加和，λi表示Ci对应的拉格朗日乘子，-1表示矩阵求逆，表示偏导数算子，T表示矩阵转置。进一步，所述的第六步中，计算过程P2具有如下形式：其中，下标i表示第i个数据集合，i＝1,2,...nc，C表示离散化非线性函数表征发电机动态特性和输出特性的离散化非线性函数，s表示数本文档来自技高网...

【技术保护点】
一种基于多数据集合的并行同步发电机在线参数辨识方法，其包括如下步骤：第一步：当电网发生扰动时，利用发电厂的同步发电机在线监测系统对电网扰动前后发电机机端电压、机端电流、机端有功功率、无功功率和励磁电压信号进行采集，并作为扰动信号存入数据库；第二步：将当前采集的扰动信号数据集合和历史电网发生的多次扰动信号数据集合中的机端电压信号和励磁电压信号划分为输入信号ui，其他的信号则划分为输出信号ymi，其中下标i表示第i个数据集合，i＝1,2,...nc，nc表示数据集合的总数；第三步：根据第i个数据集合的输入信号ui和同步发电机参数变量θ，构建第i个数据集合下的微分代数方程组Di(ui,θ)来表征相应扰动下发电机动态过程和输出状态；根据第i个数据集合的输出信号ymi构建参数辨识目标第四步：利用梯形公式对微分代数方程组Di(ui,θ)和辨识目标进行离散化处理，离散化后的非线性方程组用和Ψi描述，其中i＝1,2,...nc，表示离散化后的输入信号，同时初始化数据集变量si和参数变量θ使非线性方程组成立；第五步：计算不同数据集合下的数据集变量si和参数变量θ对目标函数Ψi和非线性方程组的雅克比矩阵Li和Ji，以及扩展海森矩阵i＝1,2,...nc，不同数据集合的数据计算在独立的计算处理单元上进行；第六步：将不同数据集合下的雅克比矩阵Li和Ji，以及扩展海森矩阵汇总，并通过计算过程P1计算参数变量的更新量Δθ以及计算过程P2计算数据集变量的更新量Δsi；第七步：如果参数变量的更新量Δθ小于容许范围，则算法收敛，输出辨识结果；否则算法不收敛，对数据集变量si和参数变量θ更新，即分别加上数据集变量的更新量Δsi和参数变量的更新量Δθ，然后返回第五步。...

【技术特征摘要】
1.一种基于多数据集合的并行同步发电机在线参数辨识方法，其包括如下步骤：第一步：当电网发生扰动时，利用发电厂的同步发电机在线监测系统对电网扰动前后发电机机端电压、机端电流、机端有功功率、无功功率和励磁电压信号进行采集，并作为扰动信号存入数据库；第二步：将当前采集的扰动信号数据集合和历史电网发生的多次扰动信号数据集合中的机端电压信号和励磁电压信号划分为输入信号ui，其他的信号则划分为输出信号ymi，其中下标i表示第i个数据集合，i＝1,2,...nc，nc表示数据集合的总数；第三步：根据第i个数据集合的输入信号ui和同步发电机参数变量θ，构建第i个数据集合下的微分代数方程组Di(ui,θ)来表征相应扰动下发电机动态过程和输出状态；根据第i个数据集合的输出信号ymi构建参数辨识目标第四步：利用梯形公式对微分代数方程组Di(ui,θ)和辨识目标进行离散化处理，离散化后的非线性方程组用和Ψi描述，其中i＝1,2,...nc，表示离散化后的输入信号，同时初始化数据集变量si和参数变量θ使非线性方程组成立；第五步：计算不同数据集合下的数据集变量si和参数变量θ对目标函数Ψi和非线性方程组的雅克比矩阵Li和Ji，以及扩展海森矩阵i＝1,2,...nc，不同数据集合的数据计算在独立的计算处理单元上进行；第六步：将不同数据集合下的雅克比矩阵Li和Ji，以及扩展海森矩阵汇总，并通过计算过程P1计算参数变量的更新量Δθ以及计算过程P2计算数据集变量的更新量Δsi；第七步：如果参数变量的更新量Δθ小于容许范围，则算法收敛，输出辨识结果；否则算法不收敛，对数据集变量si和参数变量θ更新，即分别加上数据集变量的更新量Δsi和参数变量的更新量Δθ，然后返回第五步；所述的第六步中，计算过程P1具有如下形式：Δθ＝A-1b其中，下标i表示第i个数据集合，i＝1,2,...nc，nc表示数据集合的总数，C表示离散化非线性函数表征发电机动态特性和输出特性的离散化非线性函数，Ψ离散化目标函数，s表示数据集变量，θ表示参数变量，Hθθ表示离散化非线性函数C只对参数变量的海森矩阵，Hθi表示离散化非线性函数C对参数变量和数据集变量的海森矩阵，H表示离散化非线性函数C只对数据集变量的海森矩阵与离散化目标函数Ψ只对数据集变量的海森矩阵加和，λi表示Ci对应的拉格朗日乘子，-1表示矩阵求逆，表示偏导数算子，T表示矩阵转置；所述的第六步中，计算过程P2具有如下形式：其中，下标i表示第i个数据集合，i＝1,2,...nc，C表示离散化非线性函数表征发电机动态特性和输出特性的离散化非线性函数，s表示数据集变量，θ表示参数变量，Δθ表示参数变量的更新量，-1表示矩阵求逆，表示偏导数算子。2.根据权利要求...

【专利技术属性】
技术研发人员：朱泽翔，江全元，熊鸿韬，孙维真，吴跨宇，沈轶君，陆海清，
申请(专利权)人：国网浙江省电力公司电力科学研究院，国家电网公司，浙江大学，国网浙江省电力公司，杭州意能电力技术有限公司，
类型：发明
国别省市：浙江;33