【技术实现步骤摘要】
一种用于电力系统线性化模型降阶的RNN矢量化方法
[0001]本专利技术涉及电力系统降阶领域,具体涉及一种用于电力系统线性化模型降阶的RNN矢量化方法。
技术介绍
[0002]电力系统规模庞大,对其直接进行研究与分析,既是不方便也是不必要的,因此,电力系统模型降阶一直以来都颇受关注。目前,线性系统的模型降阶方法已较为成熟,其中,平衡截断法能在很大程度上保证降阶系统模型的输入输出特性与原系统模型的输入输出特性一致,且降阶系统模型能保持原系统稳定性,在频域上也具有全局的降阶误差,这些优势使得平衡截断的模型降阶方法受到广泛的关注(朱泽翔.电力系统动态参数辨识与模型降阶研究[D].浙江大学,2018.)。然而,平衡截断法的计算速度受制于Lyapunov方程的求解效率,这也一定程度上限制了其应用范围。
[0003]关于Lyapunov方程的高效求解方法,学界已有丰富的研究成果,譬如经典的Bartels
‑
Stewart方法(Bartels R.,Stewart G.(1972).Solution of the equation A X+X B=C.Comm ACM,15(9),820
–
826.doi:10.1145/361573.361582)、最小残差方法(Lin Y.,Simoncini V.(2013)Minimal residual methods for large scale Lyapunov equations.Appl.Numer.Math.,72,52
– ...
【技术保护点】
【技术特征摘要】
1.一种用于电力系统线性化模型降阶的RNN矢量化方法,其特征在于,包括以下步骤:S1、基于电力系统线性化模型得到Lyapunov方程并传送参数矩阵到矢量化功能模块;S2、根据矢量化矩阵的结构特点,完成矢量化功能模块的搭建,并将输出信号传送到循环神经网络功能模块;S3、搭建循环神经网络功能模块;S4、确定计算参数并驱动循环神经网络功能模块,从而得到Lyapunov方程的解信号;S5、基于步骤S4的解信号,得到电力系统的线性化降阶模型。2.根据权利要求1所述的一种用于电力系统线性化模型降阶的RNN矢量化方法,其特征在于,步骤S1具体如下:电力系统的小信号模型为:其中,A、B、C、D均为电力系统线性化模型的常数矩阵,Δx
o
、分别表示电力系统线性化模型内部的状态变量及其微分量,Δu表示电力系统线性化模型的输入变量,Δy
o
表示电力系统线性化模型的输出变量,n表示状态变量及其微分量的维数,m、p分别表示输入变量和输出变量的维数,表示实数域;Δx
o
一般包括线性化的发电机转子角、发电机角频率及动态元件的状态量,Δu和Δy
o
需要根据具体研究对象来确定;基于平衡截断法原理得到电力系统的对偶Lyapunov方程:其中,G、X分别为可控性矩阵和可观性矩阵;对于可观性矩阵,Lyapunov方程如下:A
T
X(t)+X(t)A=
‑
Q
ꢀꢀꢀꢀꢀꢀ
(3)其中,Q是常系数对称正定矩阵且Q=C
T
C,X(t)是可观性Lyapunov方程的解,t为时间变量;对于可控性矩阵,Lyapunov方程如下:AG(t)+G(t)A
T
=
‑
W
ꢀꢀꢀꢀꢀ
(4)其中,W是常系数对称正定矩阵且W=BB
T
,G(t)是可控性Lyapunov方程的解,将参数矩阵A、Q和W传送到矢量化功能模块。3.根据权利要求1所述的一种用于电力系统线性化模型降阶的RNN矢量化方法,其特征在于,步骤S2中,矢量化功能模块针对的是参数矩阵矢量化,其核心是计算为方便描述,令为方便描述,令为方便描述,令表示克罗内克积运算,I表示n阶单位矩阵;经研究,的固有元素构成为:
其中,a
ij
表示矩阵A第i行第j列的元素,1≤i≤n,1≤j≤n;因此,直接根据的结构特点求取4.根据权利要求3所述的一种用于电力系统线性化模型降阶的RNN矢量化方法,其特征在于,若采用软件算法搭建首先根据首先根据分别根据和的元素构成将矩阵A的元素a
ij
赋值给矩阵M;若采用硬件电路搭建根据式(5),把a
11
,
…
,a
1n
,
…
,a
n1
,
…
,a
nn
传送给对应的其中,为M的对角线元素,需要配置加法器,而M的非对角线元素则直接用接线相连。5.根据权利要求2所述的一种用于电力系统线性化模型降阶的RNN矢量化方法,其特征在于,步骤S2中,矢量化功能模块还需要将n阶矩阵Q和W展开为n2阶的一维向量vecQ和vecW;若采用软件算法搭建vecQ和vecW,则根据vec(Q)=[q
11
,
…
,q
1n
,q
21
,
…
,q
n1
,
…
,q
nn
]
T
和vec(W)=[w
11
,
…
,w
1n
,w
21
,
…
,w
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。