一种基于时频变换的同步发电机参数辨识方法技术

本发明专利技术提供一种基于时频变换的同步发电机参数辨识方法，包括：S1，将发电机模型中的时域内发电机d、q轴微分方程进行拉氏变换得到频域内发电机d、q轴方程，再经过拉氏反变换得到时域内发电机d、q轴积分方程；S2，对时域内发电机d、q轴积分方程里的状态变量进行替换；S3，将时域内发电机d、q轴积分方程离散为矩阵与积分方程系数列向量相乘等于可测列向量或者可测列向量积分的形式，求解得到积分方程系数列向量；S4，根据积分方程系数列向量与发电机参数之间的关系求解得到发电机模型参数。将发电机微分方程转换为积分方程，有利于提高数值计算的稳定性，解决辨识结果不稳定的问题。

【技术实现步骤摘要】
—种基于时频变换的同步发电机参数辨识方法
本专利技术涉及电力系统分析
，具体涉及。
技术介绍
同步发电机的模型和参数的准确性关系到电网的安全稳定运行，目前，电力系统分析计算仿真所用的发电机参数是厂家所提供的理论值或设计值，或不得已采用模型，由于不能计及涡流、磁滞、饱和等实际运行工况的影响，所得结果常常与实际工况不符，严重影响了系统分析计算的准确度和可信度，因此，发电机参数的辨识工作是智能调度技术的重要组成部分。近年来，随着数学技术的进步和辨识理论的发展，以及相角测量技术(PMU)、全球定位技术(CPS)等新技术在电力系统的广泛应用，建立在这些新技术平台上的发电机参数辨识取得了很大的发展。发电机参数辨识方法主要可归结为时域辨识法和频域辨识法两类。时域辨识法基于励磁阶跃或负荷小扰动的动态响应来进行辨识，属于在线辨识法，能够自然计及工况的影响，不用附加过多的假设条件。现有算法主要有最小二乘法、卡尔曼滤波法、进化策略法，基因法、小波分析法、神经网络法以及粒子群优化法等。这些辨识算法在基于各种仿真数据辨识时往往可以得到满意的结果，然而，在针对实测数据时，常常会遇到不同试验甚至重复的试验辨识所得参数相差很大的情况。这是由于在线试验扰动较小，次暂态过程的可观测性较差，加上环境噪声和功角测量精度的影响，导致上述算法很难获得准确的辨识结果。频域分析法可分为直流衰减法、静态频域法(SSFR)和动态频域法(OLFR)。直流衰减法由于响应持续过程短，影响频率特性的量测精度，目前较少使用。静态频域法需要大功率的变频电源作为信号源，不便于试验的开展且试验结果无法反映饱和效应。动态频域法得到的参数能够反映实际运行工况，更适用于动态稳定的研究。静态频域法和动态频域法的结合是近年来的发展趋势，即由SSFR给出参数的初值再根据一定运行条件下的OLFR法来修正参数的方法可改善算法的稳定性，且具有一定的滤波能力，不过对输人扰动信号的波形、幅值大小及其相关性要求严格。此外，频域响应分析建立在线性系统的基础上，不能反映同步电机参数的非线性特点。此外，通过抛载法和数值计算法可以直接获取发电机参数。抛载法优点是易于实现，且计算方法相对简单，但无法计及励磁电压对暂态过程的影响，不适合主流的自并励机组。将抛载法和加权最小二乘等算法有效的时域辨识法有望解决励磁电压的影响，然而q轴抛载时需要准确的功角信息，运行工况难以调整，以往研究表明试验所测d轴参数较准确，而q轴所得参数误差较大。数值计算法主要包括磁路磁导法和有限元法，前者需要进行大量的等值，精度不高。有限元方法计算量非常庞大大，且对端部和槽楔等处的电阻、电抗比较困难，计算精度也有待进一步提高。
技术实现思路
本专利技术针对现有技术的不足，提出，包括:步骤SI，将发电机模型中的时域内发电机d、q轴微分方程进行拉氏变换得到频域内发电机d、q轴方程，再进行拉氏反变换得到时域内发电机d、q轴积分方程；步骤S2，根据所述发电机模型中发电机定子d、q轴电压与状态变量的关系式，对所述时域内发电机d、q轴积分方程里的状态变量进行替换；步骤S3，假设发电机定子d、q轴电压和电流为由实测采样点构成的列向量，将所述时域内发电机d、q轴积分方程离散为矩阵与积分方程系数列向量相乘等于可测列向量或者可测列向量及其积分的形式，求解得到所述积分方程系数列向量；[0011 ] 步骤S4，根据所述积分方程系数列向量与发电机参数之间的关系通过求解方程组得到发电机模型参数。本专利技术提供的第一优选实施例中:所述方法基于机组投运前必做的甩负荷试验或其它在线大扰动试验。本专利技术提供的第二优选实施例中:所述步骤SI中在对时域内发电机模型进行拉氏变换时，需要包含所述状态变量的初值；所述步骤SI中得到所述频域内发电机d、q轴方程后对所述频域内发电机d、q轴方程经过处理后再进行拉氏反 变换，处理的过程包括:消去所述频域内发电机d轴或q轴方程的中间状态变量，使频域内发电机d轴或q轴方程中分别只保留一个状态变量，再在所述频域内发电机d轴或q轴方程两侧分别除以本方程最高次幂的拉氏算子。本专利技术提供的第三优选实施例中:所述步骤后S2中利用所述发电机模型中发电机定子d、q轴电压与状态变量的关系式将所述状态变量用可测电气量替换，所述可测电气量包括机端电压或机端电流；所述步骤S3中所述时域内发电机d、q轴积分方程离散为矩阵形式为AX=Y ；其中A为由各可测列向量及其各种积分形式组成的矩阵，X为待辨识的发电机参数构成的方程系数列向量，其各分量是发电机实用参数的代数组合，Y为可测列向量或某些可测列向量及其积分的代数和。本专利技术提供的第四优选实施例中:所述发电机模型为:本文档来自技高网...

【技术保护点】
一种基于时频变换的同步发电机参数辨识方法，其特征在于，所述方法包括：?步骤S1，将发电机模型中的时域内发电机d、q轴微分方程进行拉氏变换得到频域内发电机d、q轴方程，再进行拉氏反变换得到时域内发电机d、q轴积分方程；?步骤S2，根据所述发电机模型中发电机定子d、q轴电压与状态变量的关系式，对所述时域内发电机d、q轴积分方程里的状态变量进行替换；?步骤S3，假设发电机定子d、q轴电压和电流为由实测采样点构成的列向量，将所述时域内发电机d、q轴积分方程离散为矩阵与积分方程系数列向量相乘等于可测列向量或者可测列向量积分的形式，求解得到积分方程系数列向量；?步骤S4，根据所述积分方程系数列向量与发电机参数之间的关系求解得到发电机模型参数。

【技术特征摘要】
1.一种基于时频变换的同步发电机参数辨识方法，其特征在于，所述方法包括: 步骤SI，将发电机模型中的时域内发电机d、q轴微分方程进行拉氏变换得到频域内发电机d、q轴方程，再进行拉氏反变换得到时域内发电机d、q轴积分方程； 步骤S2，根据所述发电机模型中发电机定子d、q轴电压与状态变量的关系式，对所述时域内发电机d、q轴积分方程里的状态变量进行替换； 步骤S3，假设发电机定子d、q轴电压和电流为由实测采样点构成的列向量，将所述时域内发电机d、q轴积分方程离散为矩阵与积分方程系数列向量相乘等于可测列向量或者可测列向量积分的形式，求解得到积分方程系数列向量； 步骤S4，根据所述积分方程系数列向量与发电机参数之间的关系求解得到发电机模型参数。2.如权利要求1所述的方法，其特征在于，所述方法基于机组投运前必做的甩负荷试验或其它在线大扰动试验。3.如权利要求1所述的方法，其特征在于， 所述步骤SI中在对时域内发电机模型进行拉氏变换时，需要包含所述状态变量的初值； 所述步骤SI中得到所述频域内发电机d、q轴方程后对所述频域内发电机d、q轴方程经过处理后再进行拉氏反变换，处理的过程包括: 消去所述频域内发电机d轴或q轴方程的中间状态变量，使频域内发电机d轴或q轴方程中分别只保留一个状态变量，再在所述频域内发电机d轴或q轴方程两侧分别除以本方程最高次幂的拉氏算子。4.如权利要求1所述的方法，其特征在于，所述步骤后S2中利用所述发电机模型中发电机定子d、q轴电压与状态变量的关系式将所述状态变量用可测电气量替换，所述可测电气量包括机端电压或机端电流； 所述步骤S3中所述时域内发电机d、q轴积分方程离散为矩阵形式为AX=Y ； 其中A为由各可测列向量及其各种积分形式组成...

【专利技术属性】
技术研发人员：李志强，
申请(专利权)人：国家电网公司，中国电力科学研究院，
类型：发明
国别省市：