一种风机逆变器控制参数辨识方法及装置制造方法及图纸

本发明专利技术提供一种风机逆变器控制参数辨识方法及装置，涉及电力系统仿真技术领域。所述方法包括：获取风机逆变器控制系统模型的数据，将所述数据分为两份，一份作为训练数据，另一份作为验证数据；所述优化差分进化算法扩大了变异个体的种群范围；将利用辨识得到的控制模型参数计算得到的有功功率预测值与根据所述验证数据得到的有功功率实测值相比较，根据比较结果确定参数辨识的验证结果。所述装置执行上述方法。本发明专利技术实施例提供的方法及装置，能够提高风机逆变器控制参数辨识效率和精度。能够提高风机逆变器控制参数辨识效率和精度。能够提高风机逆变器控制参数辨识效率和精度。

【技术实现步骤摘要】
一种风机逆变器控制参数辨识方法及装置


[0001]本专利技术涉及电力系统仿真
，具体涉及一种风机逆变器控制参数辨识方法及装置。

技术介绍

[0002]电磁暂态仿真在时域下求解系统电路，常用于电力系统电磁暂态现象研究、控制保护算法研究等。随着电网中风机发电比例的逐渐提高，电网中风机机组呈现海量、异构特性，其中“异构”体现在各设备厂商的机组的电路部分形态存在差异，控制部分则具备不同的内外环暂态响应速度。由于不同厂家的核心控制参数受到技术保密限制，无法轻易获得不同模型参数，大大限制了风机模型控制方法的改进与应用。为了解决这一问题，现有技术提出了风机系统黑箱模型的参数辨识方法，基于实际测量的输入输出数据，使用参数辨识手段得出准确的控制模型关键参数，有效提升电磁暂态仿真分析的动态特性准确度。
[0003]差分进化算法(Differential Evolution,DE)是一种典型的优化算法，被广泛应用于多种数值优化问题，在信号处理和生物医学领域得到了应用与发展，其计算过程主要包括种群初始化、变异、交叉、选择四个步骤。差分进化算法基于全局搜索本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机逆变器控制参数辨识方法，其特征在于，包括：获取风机逆变器控制系统模型的数据，将所述数据分为两份，一份作为训练数据，另一份作为验证数据；其中，所述数据包括模型的输入参考量和输出的有功功率，所述输入参考量包括直流电压参考量和无功功率参考量；通过优化差分进化算法，并利用所述训练数据对所述风机逆变器控制系统模型的控制模型参数进行辨识；其中，在辨识过程中的优化目标为有功功率预测值与有功功率实测值的均方根误差最小；所述优化差分进化算法扩大了变异个体的种群范围；将利用辨识得到的控制模型参数计算得到的有功功率预测值与根据所述验证数据得到的有功功率实测值相比较，根据比较结果确定参数辨识的验证结果。2.根据权利要求1所述的风机逆变器控制参数辨识方法，其特征在于，所述利用所述训练数据对所述风机逆变器控制系统模型的控制模型参数进行辨识包括个体变异，所述个体变异包括：在当前种群中随机选取两个个体，在所述当前种群与预设种群的并集中随机选取另一个个体；其中，所述预设种群为在每次选取个体后由预设个数适应度最差的个体组成的种群；将这三个个体按照适应度优劣顺序依次排序，将排序靠前的一个个体作为基向量，另外两个个体构成差分向量；根据所述基向量、所述差分向量和优化缩放因子计算种群中的变异个体；其中，所述优化缩放因子可根据当前迭代次数与参与变异个体的差异度大小自适应调整。3.根据权利要求2所述的风机逆变器控制参数辨识方法，其特征在于，所述个体变异还包括：根据如下公式确定所述优化缩放因子：其中，F为优化缩放因子、α为权重系数、F
min
为优化缩放因子的最小值、F
max
为优化缩放因子的最大值、G为最大迭代次数、g为种群代数、f(x
r2,g
)为与第g代种群对应随机向量x
r2,g
相对应的适应度函数、f(x
r3,g
)为与第g代种群对应随机向量x
r3,g
相对应的适应度函数。4.根据权利要求1所述的风机逆变器控制参数辨识方法，其特征在于，所述利用所述训练数据对所述风机逆变器控制系统模型的控制模型参数进行辨识包括交叉操作；所述风机逆变器控制参数辨识方法还包括：在所述交叉操作中使用优化交叉因...

【专利技术属性】
技术研发人员：于思奇，苏蕊，李蕴红，吴林林，王冠楠，陈达威，陈力生，沈卓轩，张东辉，
申请(专利权)人：国网冀北电力有限公司国家电网有限公司，
类型：发明
国别省市：