The invention discloses a parameter identification method for linear model of pump-turbine, which includes the following steps: coupling the approximate elastic water hammer model of diversion system, IEEE six-parameter model of pump-turbine, the model of power generation motor system and the model of PID governor to obtain the linear model of speed regulation system of pumped storage unit under power generation condition; Construct the linear mapping model of the speed control system of pumped storage units; determine the upper and lower boundaries of the parameters to be identified in the speed control system of pumped storage units, and obtain the sample data of parameter identification; train the sample data of parameter identification by using BP neural network method, and establish the BP neural network parameter identification model; use the speed control system of pumped storage units to identify parameters. The measured data are used as input of BP neural network parameter identification model, and the parameters identification results of the speed control system of pumped storage units are obtained. The method not only can easily determine the parameters of linear model and the accuracy of data is ideal, but also has the advantages of less difficulty in obtaining samples and better flexibility in selecting samples.
【技术实现步骤摘要】
一种水泵水轮机线性模型参数辨识方法
本专利技术属于抽水蓄能机组精确建模领域,具体涉及一种水泵水轮机线性模型参数辨识方法。
技术介绍
水泵水轮机是抽水蓄能机组的核心设备,是机组调速系统中的控制对象,针对抽水蓄能机组调速系统动力学响应机理、控制优化以及故障诊断等相关研究的基础是系统模型的精确描述。模型参数辨识是解决机组调速系统模型精确表达的有效途径,也是相关领域的研究热点,方法研究也逐步趋于成熟。国内外学术与工程界对抽水蓄能机组控制系统参数辨识方法可以分为:系统线性模型辨识和非线性模型辨识。抽水蓄能机组调速系统线性模型具有模型结构简单、计算实时性好等特点,其一直是基于模型的仿真装置开发、复杂电力系统稳定性研究的首选。线性模型参数的确定一直是困扰工程界的难题,传统的方法是根据水轮机综合特性曲线或者水泵水轮机全特性曲线,在某一稳定工况点进行线性化处理计算出能线性模型的六个系数,线性模型参数较难确定。但是,随着机组的长时间运行或在发生重大检修后其工况运行边界会发生迁移,依据特性曲线计算的线性模型参数对机组实时运行状态的精确描述具有一定的局限,数据的精确度不理想。因此,现有的对抽水蓄能机组控制系统参数辨识方法中存在着线性模型参数较难确定和数据的精确度不理想的问题。
技术实现思路
本专利技术的目的在于,提供一种水泵水轮机线性模型参数辨识方法。本专利技术不仅能较容易确定线性模型参数,还具有数据的精确度较理想的优点。本专利技术的技术方案:一种水泵水轮机线性模型参数辨识方法,包括以下步骤:a、由引水系统近似弹性水击模型、水泵水轮机IEEE六参数模型、发电电动机系统模型和PID调速 ...
【技术保护点】
1.一种水泵水轮机线性模型参数辨识方法,其特征在于,包括以下步骤:a、由引水系统近似弹性水击模型、水泵水轮机IEEE六参数模型、发电电动机系统模型和PID调速器模型耦合得到发电工况下的抽水蓄能机组调速系统线性模型,再基于模型映射理论,构造抽水蓄能机组调速系统的线性映射模型,线性映射模型的输出即为抽水蓄能机组调速系统待辨识参数;b、确定抽水蓄能机组调速系统待辨识参数的上下边界,并获取参数辨识样本数据;c、采用BP神经网络方法训练参数辨识样本数据,建立基于调速系统线性模型映射的BP神经网络参数辨识模型;d、以抽水蓄能机组调速系统的运行实测数据作为BP神经网络参数辨识模型的输入,求解获得抽水蓄能机组调速系统的参数辨识结果。
【技术特征摘要】
1.一种水泵水轮机线性模型参数辨识方法,其特征在于,包括以下步骤:a、由引水系统近似弹性水击模型、水泵水轮机IEEE六参数模型、发电电动机系统模型和PID调速器模型耦合得到发电工况下的抽水蓄能机组调速系统线性模型,再基于模型映射理论,构造抽水蓄能机组调速系统的线性映射模型,线性映射模型的输出即为抽水蓄能机组调速系统待辨识参数;b、确定抽水蓄能机组调速系统待辨识参数的上下边界,并获取参数辨识样本数据;c、采用BP神经网络方法训练参数辨识样本数据,建立基于调速系统线性模型映射的BP神经网络参数辨识模型;d、以抽水蓄能机组调速系统的运行实测数据作为BP神经网络参数辨识模型的输入,求解获得抽水蓄能机组调速系统的参数辨识结果。2.根据权利要求1所述的一种水泵水轮机线性模型参数辨识方法,其特征在于:所述步骤a中的PID调速器模型包括并联PID控制器和辅助接力器型执行机构;所述并联PID控制器传递函数表达式为其中s为拉普拉斯算子,Kp为比例系数,Ki为积分系数,Kd为系数,Td为微分时间常数,xc为机组转速给定值,x为机组转速,yc为接力器开度给定值,bp为永态差值系数,σ为调速器电气控制输出;所述辅助接力器型执行机构传递函数表达式为其中Ty为主接力器响应时间常数,TyB为辅助接力器响应时间常数,k0为放大系数,y为执行机构输出,s为拉普拉斯算子,σ为调速器电气控制输出。3.根据权利要求1所述的一种水泵水轮机线性模型参数辨识方法,其特征在于:所述步骤a中的水泵水轮机IEEE六参数模型采用相对值表达式为和其中mt为力矩偏差相对值,q为流量偏差相对值,y为导叶开度偏差相对值,x为转速偏差相对值,h为水头偏差相对值,ey为力矩对导叶开度相对系数,ex为力矩对转速传递系数,eh为力矩对工作水头传递系数,eqy为流量对导叶开度相对系数,eqx为流量对转速相对系数,eqh为流量对工作水头相对系数,f为摩阻系数。4.根据权利要求1所述的一种水泵水轮机线性模型参数辨识方法,其特征在于:所述步骤a中的引水系统近似弹性水击模型的传递函数表达式为其中hw为管道特性系数,Tr为水击相长,f为摩阻系数,s为拉普拉斯算子。5.根据权利要求1所述的一种水泵水轮机线性模型参数辨识方法,其特征在于:所述步骤a中的发电电动机系统模型采用转子运动方程描述发电电动机动态特性,发电电动机系统模型的传递函数表达式为其中Ta为机组惯性时间常数,eg为发电机自调节系数,s为拉普拉斯算子。6.根据权利要求1所述的一种水泵水轮机线性模型参数辨识方法,其特征在于:所述步骤a中的抽水蓄能机组调速系统线性模型中,选取X=[x,σi,x1,ya,y,x2,x3]T为状态变量,U=[mg0,xc,yc]T为输入变量,Y=[x]T为输出变量,其中x为转速偏差相对值,x1为微分环节的状态变量,x2、x3均为引水系统环节的状态变量,则调速系统线性模型的状态空间表达式为其中a22=bp·Ki,a23=1,b23=-Ki·bp;a67=1,a71=eqx,a75=eq...
【专利技术属性】
技术研发人员:彭绪意,杨文,聂赛,杨雄,洪云来,常国庆,莫旭晶,刘泽,胥千鑫,汤凯,秦程,章志平,温锦红,
申请(专利权)人:国家电网有限公司,国网新源控股有限公司,江西洪屏抽水蓄能有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。