基于lvrt暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法
【專利摘要】本發(fā)明提供一種基于LVRT暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法，該方法包括如下步驟：搭建雙饋風(fēng)機(jī)并網(wǎng)電路模型；改進(jìn)遺傳算法；導(dǎo)入數(shù)據(jù)，確定目標(biāo)函數(shù)；判斷是否滿足目標(biāo)函數(shù)的終止條件。通過本發(fā)明提供的方法，可以反映雙饋風(fēng)機(jī)整體的參數(shù)特性，具有較快的計算速度和較高的計算精度；本發(fā)明提出的雙饋風(fēng)機(jī)暫態(tài)特性參數(shù)辨識方法通用性強(qiáng)，可以應(yīng)用于不同平臺搭建的不同型號的風(fēng)機(jī)；本發(fā)明在傳統(tǒng)遺傳算法的基礎(chǔ)上提出了一種改進(jìn)的遺傳算法來對實(shí)測數(shù)據(jù)以及仿真數(shù)據(jù)進(jìn)行處理，以提高計算速度，防止陷入局部最優(yōu)解。
【專利說明】基于LVRT暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及新能源發(fā)電技術(shù)中的一種風(fēng)機(jī)建模參數(shù)辨識方法，具體講涉及一種用于雙饋風(fēng)機(jī)模型中的參數(shù)辨識的方法。
【背景技術(shù)】
[0002]雙饋風(fēng)機(jī)模型的參數(shù)辨識是風(fēng)機(jī)建模的重要一環(huán)，近幾年隨著風(fēng)電在電網(wǎng)中的比重逐漸提高，大規(guī)模風(fēng)電并網(wǎng)對電力系統(tǒng)安全運(yùn)行的影響也越來越突出。我國電網(wǎng)中陸續(xù)發(fā)生了多起因單臺風(fēng)機(jī)故障引起的大范圍的風(fēng)機(jī)脫網(wǎng)事故，給電網(wǎng)的安全穩(wěn)定運(yùn)行和可靠性供電造成了嚴(yán)重影響。為促進(jìn)風(fēng)電的健康發(fā)展，保證大規(guī)模風(fēng)電并網(wǎng)的可靠運(yùn)行，有必要從電網(wǎng)的角度對風(fēng)機(jī)控制及其并網(wǎng)技術(shù)等問題進(jìn)行研究。而建立準(zhǔn)確的風(fēng)機(jī)數(shù)學(xué)模型是展開上述研究的基礎(chǔ)。
[0003]目前對于風(fēng)機(jī)模型的參數(shù)辨識，常用的方法是針對風(fēng)機(jī)的某一模塊，在其數(shù)學(xué)簡化公式的基礎(chǔ)上，采用某種算法進(jìn)行辨識。這類方法不能夠反映風(fēng)機(jī)的整體性能，更重要的是僅能對風(fēng)機(jī)的穩(wěn)態(tài)運(yùn)行參數(shù)進(jìn)行辨識，無法準(zhǔn)確反映風(fēng)機(jī)的暫態(tài)特性，尤其是風(fēng)機(jī)在低電壓穿越過程中的參數(shù)特性。
[0004]目前常用的算法主要有傳統(tǒng)類辨識方法和進(jìn)化類算法兩種。傳統(tǒng)類辨識算法包括:爬山法、廣義Kalman濾波法、最小二乘法等方法。但是因為傳統(tǒng)類辨識方法對信號的輸入有一定要求，所以這些方法不能直接應(yīng)用而且對非線性系統(tǒng)往往不能得到滿意的辨識結(jié)果。所以目前比較傾向于采用進(jìn)化類算法。
[0005]進(jìn)化類算法主要包括:遺傳算法(GA)、粒子群算法(PSO)、蟻群算法(ACO)、BP神經(jīng)網(wǎng)絡(luò)法和模擬退火算法等。雖然進(jìn)化類算法較之傳統(tǒng)的辨識算法，顯著的提高了在較大干擾的情況下算法對系統(tǒng)參數(shù)的辨識精度。但進(jìn)化類算法在收斂性、大干擾下辨識的有效性方面仍難以滿足較高辨識精度和實(shí)時辨識效率的要求，因此有必要研究更有效的算法來辨識風(fēng)電機(jī)組參數(shù)。
[0006]鑒于以上現(xiàn)有的風(fēng)機(jī)參數(shù)辨識中存在的問題，本發(fā)明人多年大量觀察、仔細(xì)研究、綜合對比提出了一種基于改進(jìn)遺傳算法的雙饋風(fēng)機(jī)暫態(tài)特性參數(shù)辨識方法，以解決現(xiàn)有技術(shù)中存在的問題。

【發(fā)明內(nèi)容】

[0007]為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于LVRT暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法。
[0008]為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采取如下技術(shù)方案:
[0009]一種基于LVRT暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法，其特征在于，所述方法包括如下步驟:
[0010]A.搭建雙饋風(fēng)機(jī)并網(wǎng)電路模型；[0011]B.改進(jìn)遺傳算法；
[0012] C.導(dǎo)入數(shù)據(jù)，確定目標(biāo)函數(shù)；
[0013]D.判斷是否滿足目標(biāo)函數(shù)的終止條件。
[0014]優(yōu)選地，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)選擇算子；所述改進(jìn)選擇算子包括:結(jié)合最優(yōu)策略保存法和適應(yīng)度比例算法；所述結(jié)合包括:通過最優(yōu)策略保存法將適應(yīng)度最高的個體直接復(fù)制到下一代，再通過適應(yīng)度比例算法挑選其他個體。
[0015]優(yōu)選地，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)交叉算子；所述改進(jìn)交叉算子如下式表不:
[0016]C = P^RX(P1-P2);
[0017]式中:C為父代個體交叉產(chǎn)生的子個體；R為O到I之間的隨機(jī)值；ΡρΡ2分別為父代個體I與父代個體2，且P1比P2適應(yīng)度高。
[0018]優(yōu)選地，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)變異算子；所述改進(jìn)變異算子用下式表不:
[0019]M = P+SXD ；
[0020]式中:M為父個體變異產(chǎn)生的子個體；P為父個體；S為變異步長；D為進(jìn)化方向。
[0021]優(yōu)選地，步驟B中，所述改進(jìn)遺傳算法包括提出進(jìn)化策略；所述提出進(jìn)化策略如下式表不:
[0022]O = E+C+M ；
[0023]式中:0為子代種群；E為父代種群中選擇出的精英個體；C為父代個體交叉產(chǎn)生的子個體;M為父個體變異產(chǎn)生的子個體。
[0024]優(yōu)選地，步驟B包括:改進(jìn)選擇算子；改進(jìn)交叉算子；改進(jìn)變異算子和提出進(jìn)化策略；所述選擇算子、所述交叉算子和所述變異算子的個數(shù)比例為E: C: M = 1:7:2。
[0025]優(yōu)選地，步驟C中，確定目標(biāo)函數(shù)的求取原則如下式表示:
[0026]J = Jp+Jq
[0027]Jp = 0.1 X Δ P^0.6X Δ P2+0.3X Λ P3
[0028]Jq = 0.1 X Δ Q^0.6 X Λ Q2+0.3 X Δ Q3 ；
[0029]J為實(shí)測數(shù)據(jù)與仿真數(shù)據(jù)的總誤差；JP、Jq分別為有功輸出和無功輸出的綜合誤差；ΛΡρ ΔΡ2> AP3分別為實(shí)測系統(tǒng)與仿真系統(tǒng)的有功輸出在故障前、故障中、故障恢復(fù)階段的分段誤差；AQp AQ2, AQ3分別為實(shí)測系統(tǒng)與仿真系統(tǒng)的無功輸出在故障前、故障中、故障恢復(fù)階段的分段誤差。
[0030]優(yōu)選地，步驟C中，所述數(shù)據(jù)包括實(shí)測數(shù)據(jù)和仿真數(shù)據(jù)；所述仿真數(shù)據(jù)為電力系統(tǒng)暫態(tài)仿真軟件得出的數(shù)據(jù)；實(shí)測數(shù)據(jù)和仿真數(shù)據(jù)導(dǎo)入到MATLAB軟件中。
[0031]優(yōu)選地，步驟D包括:如果不滿足終止條件，MATLAB調(diào)用改進(jìn)的遺傳算法生成新一代種群；如果目標(biāo)函數(shù)滿足要求，程序結(jié)束。
[0032]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于:
[0033]1.本發(fā)明提出的雙饋風(fēng)機(jī)暫態(tài)特性參數(shù)辨識方法反映了雙饋風(fēng)機(jī)在故障狀態(tài)下的參數(shù)特性，可以反映雙饋風(fēng)機(jī)整體的參數(shù)特性，具有較快的計算速度和較高的計算精度；
[0034]2.本發(fā)明提出的雙饋風(fēng)機(jī)暫態(tài)特性參數(shù)辨識方法通用性強(qiáng)，可以應(yīng)用于不同平臺搭建的不同型號的風(fēng)機(jī)；
[0035]3.本發(fā)明在傳統(tǒng)遺傳算法的基礎(chǔ)上提出了一種改進(jìn)的遺傳算法來對實(shí)測數(shù)據(jù)以及仿真數(shù)據(jù)進(jìn)行處理，以提高計算速度，防止陷入局部最優(yōu)解。
【專利附圖】

【附圖說明】
[0036]圖1是本發(fā)明中基于改進(jìn)遺傳算法的雙饋風(fēng)機(jī)的參數(shù)辨識方案示意圖；
[0037]圖2是本發(fā)明中參數(shù)辨識流程圖；
[0038]圖3是本發(fā)明中風(fēng)機(jī)連接電網(wǎng)的仿真電路圖；
[0039]圖4是本發(fā)明中風(fēng)機(jī)發(fā)生暫態(tài)故障時電壓的變化曲線圖；
[0040]圖5是本發(fā)明中風(fēng)機(jī)發(fā)生暫態(tài)故障時有功功率的變化曲線圖；
[0041]圖6是本發(fā)明中風(fēng)機(jī)發(fā)生暫態(tài)故障時無功功率的變化曲線圖；
[0042]圖7是本發(fā)明中風(fēng)機(jī)發(fā)生暫態(tài)故障時風(fēng)機(jī)的電流與轉(zhuǎn)速的變化曲線圖；
[0043]圖8是本發(fā)明實(shí)施例中適應(yīng)度函數(shù)值各代分布圖；
[0044]圖9是本發(fā)明實(shí)施例中個體間平均距離各代分布圖；
[0045]圖10是本發(fā)明實(shí)施例中實(shí)測與辨識參數(shù)電壓對比圖；
[0046]圖11是本發(fā)明實(shí)施例中實(shí)測與辨識參數(shù)有功功率對比圖；
[0047]圖12是本發(fā)明實(shí)施例中實(shí)測與辨識參數(shù)無功功率對比圖。
【具體實(shí)施方式】
[0048]下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0049]基于改進(jìn)遺傳算法的雙饋風(fēng)機(jī)的參數(shù)辨識方案如圖1所示。參數(shù)辨識過程為從軟件接口讀取仿真輸出Ys。計算當(dāng)前代種群中個體的適應(yīng)度，由問題的目標(biāo)函數(shù)(Ym與Ys的誤差J)轉(zhuǎn)換得到，判斷是否滿足終止條件。
[0050]依照該辨識方案，本發(fā)明設(shè)計的的參數(shù)辨識流程如圖2所示，基于改進(jìn)遺傳算法的雙饋風(fēng)機(jī)暫態(tài)特性參數(shù)辨識方法，包括如下步驟:
[0051 ] a.搭建雙饋風(fēng)機(jī)并網(wǎng)電路模型；
[0052]b.改進(jìn)遺傳算法；
[0053]c.導(dǎo)入數(shù)據(jù)，確定改進(jìn)遺傳算法的目標(biāo)函數(shù)(適應(yīng)度函數(shù))；
[0054]d.判斷是否滿足目標(biāo)函數(shù)的終止條件。
[0055]步驟a中所述的建立雙饋風(fēng)機(jī)仿真模型包括如下步驟:
[0056]雙饋風(fēng)機(jī)模型主要包括以下子模塊:雙饋感應(yīng)電機(jī)模型(內(nèi)置機(jī)側(cè)變頻器)、風(fēng)速模型、空氣動力學(xué)模型(風(fēng)力機(jī)模塊)、漿距角控制模型、軸系模型、最大功率追蹤模型、轉(zhuǎn)速控制模型、功率控制模型、電流控制模型、坐標(biāo)控制補(bǔ)償模型、保護(hù)模塊和各種測量模塊
坐寸ο
[0057]參照國標(biāo)GB/T19963-2011《風(fēng)電場接入電力系統(tǒng)技術(shù)規(guī)定》中關(guān)于風(fēng)電場低電壓穿越的規(guī)定，風(fēng)電場內(nèi)的風(fēng)機(jī)具有在并網(wǎng)點(diǎn)電壓跌落至20%額定電壓時能夠保持不脫網(wǎng)連續(xù)運(yùn)行0.625s的能力；風(fēng)電場并網(wǎng)點(diǎn)電壓在發(fā)生跌落后2s內(nèi)能夠恢復(fù)到額定電壓的90%時，風(fēng)電場內(nèi)的風(fēng)機(jī)能夠保證不脫網(wǎng)連續(xù)運(yùn)行。設(shè)置風(fēng)機(jī)并網(wǎng)點(diǎn)突然發(fā)生三相接地短路故障，導(dǎo)致并網(wǎng)點(diǎn)電壓跌落至0.2p.U，故障持續(xù)時間為0.625s。風(fēng)機(jī)連接電網(wǎng)的電路圖如圖3所示,風(fēng)機(jī)發(fā)生暫態(tài)故障時的相關(guān)變量的變化曲線如圖4~7所示。
[0058]步驟b包括如下步驟:
[0059]通過對遺傳算法中的選擇算子、交叉算子以及變異算子的改進(jìn)，提出了一種改進(jìn)遺傳算法。具有更快的計算速度以及計算精度。依據(jù)適應(yīng)度的分配情況選擇再生個體，適應(yīng)度高的個體選擇的概率高，適應(yīng)度低的個體可能被淘汰。
[0060]I)選擇算子(selection operator):適應(yīng)度比例算法和最優(yōu)策略保存法
[0061]適應(yīng)度比例算法是一種回放式隨機(jī)采樣方法，各個個體的選擇概率和其適應(yīng)度值成比例。每個個體進(jìn)入到下一代的概率就等于它的適應(yīng)度值與整個種群中的個體適應(yīng)度值總和的比例，適應(yīng)度值越高，被選中的可能性就越大，進(jìn)入到下一代的概率就越大。
【權(quán)利要求】
1.一種基于LVRT暫態(tài)響應(yīng)特性分析的雙饋風(fēng)電機(jī)組參數(shù)辨識方法，其特征在于，所述方法包括如下步驟: A.搭建雙饋風(fēng)機(jī)并網(wǎng)電路模型； B.改進(jìn)遺傳算法； C.導(dǎo)入數(shù)據(jù)，確定目標(biāo)函數(shù)； D.判斷是否滿足目標(biāo)函數(shù)的終止條件。
2.如權(quán)利要求1所述的方法，其特征在于，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)選擇算子；所述改進(jìn)選擇算子包括:結(jié)合最優(yōu)策略保存法和適應(yīng)度比例算法；所述結(jié)合包括:通過最優(yōu)策略保存法將適應(yīng)度最高的個體直接復(fù)制到下一代，再通過適應(yīng)度比例算法挑選其他個體。
3.如權(quán)利要求1所述的方法， 其特征在于，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)交叉算子；所述改進(jìn)交叉算子如下式表示:
C = P^RX (P1-P2)； 式中:c為父代個體交叉產(chǎn)生的子個體；R為O到I之間的隨機(jī)值；P1、P2分別為父代個體I與父代個體2，且P1比P2適應(yīng)度高。
4.如權(quán)利要求1所述的方法，其特征在于，步驟B中，所述改進(jìn)遺傳算法包括改進(jìn)變異算子；所述改進(jìn)變異算子用下式表示:
M = P+SXD ； 式中:M為父個體變異產(chǎn)生的子個體；P為父個體；S為變異步長；D為進(jìn)化方向。
5.如權(quán)利要求1所述的方法，其特征在于，步驟B中，所述改進(jìn)遺傳算法包括提出進(jìn)化策略；所述提出進(jìn)化策略如下式表示:
O = E+C+M ； 式中:0為子代種群；E為父代種群中選擇出的精英個體；C為父代個體交叉產(chǎn)生的子個體；M為父個體變異產(chǎn)生的子個體。
6.如權(quán)利要求1所述的方法，其特征在于，步驟B包括:改進(jìn)選擇算子；改進(jìn)交叉算子；改進(jìn)變異算子和提出進(jìn)化策略；所述選擇算子、所述交叉算子和所述變異算子的個數(shù)比例為 E:C:M = 1:7:2。
7.如權(quán)利要求1所述的方法，其特征在于，步驟C中，確定目標(biāo)函數(shù)的求取原則如下式表不:
J = Jp+Jq
Jp = 0.1 X Δ P^0.6X Δ P2+0.3X Λ P3
Jq = 0.1 X Δ Qi+0.6 X Λ Q2+0.3 X Δ Q3 ； J為實(shí)測數(shù)據(jù)與仿真數(shù)據(jù)的總誤差；JP、Jq分別為有功輸出和無功輸出的綜合誤差；AP1, AP2, AP3分別為實(shí)測系統(tǒng)與仿真系統(tǒng)的有功輸出在故障前、故障中、故障恢復(fù)階段的分段誤差；AQp AQ2, AQ3分別為實(shí)測系統(tǒng)與仿真系統(tǒng)的無功輸出在故障前、故障中、故障恢復(fù)階段的分段誤差。
8.如權(quán)利要求1所述的方法，其特征在于，步驟C中，所述數(shù)據(jù)包括實(shí)測數(shù)據(jù)和仿真數(shù)據(jù)；所述仿真數(shù)據(jù)為電力系統(tǒng)暫態(tài)仿真軟件得出的數(shù)據(jù)；實(shí)測數(shù)據(jù)和仿真數(shù)據(jù)導(dǎo)入到MATLAB軟件中。
9.如權(quán)利要求1所述的方法，其特征在于，步驟D包括:如果不滿足終止條件，MATLAB調(diào)用改進(jìn)的遺傳算法 生成新一代種群；如果目標(biāo)函數(shù)滿足要求，程序結(jié)束。
【文檔編號】G06F19/00GK103995977SQ201410238562
【公開日】2014年8月20日 申請日期:2014年5月30日 優(yōu)先權(quán)日:2014年5月30日
【發(fā)明者】張小瑜, 遲永寧, 姚為正, 李琰, 湯海雁, 吳金龍, 肖鵬, 張金龍, 王真, 魏林君, 張占奎, 蘇媛媛, 任小紅 申請人:國家電網(wǎng)公司, 中國電力科學(xué)研究院, 中電普瑞張北風(fēng)電研究檢測有限公司, 許繼集團(tuán)有限公司, 國網(wǎng)浙江省電力公司