专利名称：基于系统解耦和序优化遗传算法的励磁系统参数辨识方法
技术领域：
本发明属于电力系统中的励磁系统参数辨识技术领域，尤其涉及一种基于系统解
耦和序优化遗传算法的励磁系统参数辨识方法。
背景技术：
电力系统已步入大电网、高电压和大机组时代，因此对系统稳定性提出了更高的 要求。在电力系统运行分析与控制中，发电机励磁模型作为电力系统机电暂态数学模型的 重要组成部分，其模型参数设置正确与否直接决定电力系统稳定计算的正确性和可信度， 进而影响系统运行控制措施的制定与实施。为此，国家电网公司科技发展规划指出，在系统 参数模型技术方面，要"进一步深化研究'四大参数'(发电机，励磁，调速器和负荷)的测 量与分析技术，提高其精确性。" 目前，励磁控制器参数多为根据发电机空载时实测曲线辨识所得。系统参数辨识 较为成熟的算法大致分为频域法和时域法。它们虽原理清晰，简便易行，但却只能进行线性 系统的参数辨识，所辨识的结果无法反映系统的非线性动态特性。为此，遗传算法等随机优 化算法被引入用于励磁系统参数辨识，较好的解决了上述问题。然而，空载运行时所测的参 数能否适用于带载运行，则是一直困扰着广大电力工作者难题。PMU(Phasor Measurement Unit，相量测量单元)的大量应用为励磁控制器在线参数辨识提供了可能。然而，目前根据 各种已有方法获得励磁参数，很难获得定量的可信度评价。 本发明介绍了一种直接利用PMU的在线实测数据进行参数辨识的方法，无需对发 电机注入噪声信号，大大减小了辨识的复杂程度。而且，还通过PMU实测数据对发电机和励 磁控制器进行解耦，单独对励磁控制器参数进行辨识，有效的减少因发电机模型及参数不 准确而引入的误差，结合序优化遗传算法使得辨识出来的励磁控制器参数更加精确，并具 有一定的置信度。
发明内容
本发明的目的在于，提供一种基于系统解耦和序优化遗传算法的励磁系统参数辨 识方法，用于励磁控制器的在线参数辨识。 技术方案是， 一种基于系统解耦和序优化遗传算法的励磁系统参数辨识方法，其 特征是所述方法包括-—利用相量测量单元PMU将励磁系统和发电机解耦；
—-确定基于解耦的励磁系统模型；-—利用序优化遗传算法辨识基于解耦的励磁系统模型中的参数。
所述基于解耦的励磁系统模型为
<formula>formula see original document page 4</formula>
2) mi '
其中，a i表示需要计算的各个参数、N表示具有上下限的参数的个数。
所述步骤2中，n = ln(l-Ps》/ln(l-k% )，P^是实现至少有一个解位于解空间所
有解中性能占前k^所需的随机采样次数的概率；m取100-1000之间的值，代数g = n/m。 所述目标函数为J(a)。 所述适应度函数为FfitMSS = J(a )+P。 所述交叉操作具体是对于两个参数a p a 2，先产生
之间的随机数，然后获
得交叉的结果为
《 m,+(1 —。a2
《=(1-^+7^2 °
所述变异操作具体是若巧为
间随机数，定义父代a k的变异为
其中，UB和LB分别为变量cik的上下限，t为当前进化的代数。f(k)为 A、 本发明直接利用PMU的在线实测数据进行参数辨识，减小了辨识的复杂程度；通 过PMU实测数据对发电机和励磁控制器进行解耦，减少了因发电机模型及参数不准确而引 入的误差，结合序优化遗传算法进行参数识别，使得辨识的励磁控制器参数更加精确，并具 有一定的置信度。
图1是发电机和电网解耦前模型示意图； 图2是基于解耦的励磁参数辨识模型示意图； 图3是解耦励磁参数辨识的基本原理图； 图4是利用序优化遗传算法进行励磁系统参数辨识流程示意图； 图5是本发明实施例提供的省略了过励限制和低励限制的FV模型示意图； 图6是本发明实施例实际测量获得的机端电压示意图； 图7是本发明实施例实际测量获得励磁电压响应示意图； 图8是本发明实施例励磁系统实际响应和辨识参数下响应比较结果示意图。
具体实施例方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性 的，而不是为了限制本发明的范围及其应用。 图1是发电机和电网解耦前模型示意图。图1中，G为发电机，Efd为发电机的励 磁电压，It、 e工为机端的电流和相角，Ut、 9u为机端的电压及其相角。由图l可知，含励磁
的闭环系统可以描述如下
i,￡ 二/i(x,五，x,^,;;,") i,五。=/2 ,x,五。，y ， ") ( 1 ) 0 = g(xiE， xiEa， y， a ) 其中，xiE为需要辨识的励磁系统的状态变量，xiEa为其他的状态变量，y为系统中 的代数变量，a为需要辨识的参数。 励磁参数辨识的目的，就是根据获得的测量量雄)^(f;x必,x^，少,a)和理论值 z (t) = z (t ;xiE， xiEa， y， a )差异，(其中f与xiE， xiEa， y相关)直接获得参数a 。该问题可 以表示为minJo(Qr)=卩|| z(,)-雄)||2
水五=/ (x,五，;c,五。，少,") S.t. A￡。 = ,2(X五，x股，少，") (2)
0 = g(xiE， xiEa， y， a )
z(t) = z(t ;xiE， xiEa， y， a ) 其中辨识中测量量雄)"&x^x股j,")的选择范围很大，可以选择本地的信号，
也可选择远方的信号。 励磁参数辨识所对应的整体模型，其维数很高，对于含100多台的发电机，不考虑
其他负荷和调速器等动态元件，其维数大于600维，这造成辨识所消耗时间过大。有鉴于
此，本发明采用解耦方案，将发电机通过相量测量单元PMU获得机端电压和电流。 图2是基于解耦的励磁参数辨识模型示意图。在图2中，利用PMU获得励磁电压，
可以将励磁系统和发电机解耦。其中，U^为励磁系统参考电压、Us为发电机PSS输出信号、
E为"求和"运算符号的图形表示。在解耦下，励磁系统可以描述为 ;t正=0， x,五(,)，x,五。0), ") ( 3 )
其中xiEa(t) ， y (t)可由测量直接获得。 和上述整体模型(公式(2))相比，该模型不需要考虑其他发电机的动态，只需要 测量相关联的状态即可。对于任何励磁系统，只需要测量发电机出口电压和电流，即可将励 磁和系统解耦。解耦后，以FV模型为例，只考虑四阶模型，大大简化了计算。
基于解耦的励磁参数辨识可以描述如下<formula>formula see original document page 7</formula>
和整体模型相比，解耦后辨识中测量量雄)=W;Xw,^。,;;,a)的选择范围变小，其
变量只能选择依赖于接口电压和电流，以及励磁各个状态的量。因此，只需采用测量励磁电 压，励磁电流，发电机出口电压和电流的方式即可获得辨识结果。 图3是解耦励磁参数辨识的基本原理图。针对图2解耦后的励磁参数辨识模型，可 以采用图3所示的辨识方法进行参数辨识。即通过比较不同参数下输入输出系统的响应， 以响应最接近实际系统的参数作为辨识结果。具体地，就是将扰动时所获得的输入量输入 系统，与实际系统的输出和固定参数下发电机模型的输出进行比较，寻找最接近实际响应 的参数。在参数辨识过程中采用序优化遗传算法。 序优化具体思想是设搜索空间S具有Ns个可行解，G为由性能占前k%的解集合， 大小为Ne，即有k% = Ne/Ns。对于Ns很大的优化问题，不可能对其中每一个解进行仿真，要 得到最优解是非常困难的。因此这里将退而求其次，将目标软化为以P^的概率至少找到一 个解在G内。设达到这一目标需要的采样数为n，则易知<formula>formula see original document page 7</formula>从而有
<formula>formula see original document page 7</formula>5) 结合序优化提供一定置信水平的优秀解和遗传算法的通用性，可获得序优化遗传
算法。图4是利用序优化遗传算法进行励磁系统参数辨识流程示意图，其中 步骤1 :将基于解耦的励磁参数辨识模型的不等式约束条件添加到适应度函数中。
不等式约束条件为<formula>formula see original document page 7</formula>
其中，cii表示需要计算的各个参数、N表示具有上下限的参数的个数。 步骤2 :确定达到一定程度所需要的计算个体数目2n，和遗传算法中每一代的个
体数2m和代数g。
<formula>formula see original document page 7</formula> Pse是实现至少有一个解位于解空间所有解中性能占 前k^所需的随机采样次数的概率。遗传算法中每代的个体数目设为2m，建议m [100， 1000]。则整个遗传算法的进化代数为g = 2m/2n = m/n。
步骤3 :对问题的决策变量编码，形成染色体。 步骤4 :根据不等式约束条件确定变量的范围，随机生成第一代种群。 步骤5 :对当前群的每一个个体，计算其目标函数值和适应度函数值Ffitn^。目标
函数值为:J(a) 适应度函数为Ffitness = J(a )+P。
步骤6 :对于前m-p个的个体，进行交叉操作；其中，m为目标函数值，p为整数，即 m/2或(m+l)/2。 交叉操作具体是对于两个参数a p a 2，先产生
之间的随机数，然后获得交
叉的结果为
<formula>formula see original document page 8</formula> 步骤7 :对于前m-p+l至m个个体，进行变异操作；对实数编码进行变异，形成子代 个体。 变异操作具体是若巧为
间随机数，定义父代a k的变异为
L0088j<formula>formula see original document page 8</formula>
其中，UB和LB分别为变量ak的上下限，t为当前进化的代数。f(k)为<formula>formula see original document page 8</formula>
步骤8 :随机生成m个个体，加入系统下一代。 步骤9 :对当前群的每一个个体，计算其目标函数值和适应度函数值FfitMSS。
步骤10 :检查目标函数值是否小于设定值，如果小于，则跳到步骤5 ;否则，结束。
实施例 图5是本发明实施例提供的省略了过励限制和低励限制的FV模型示意图。该图 以某电厂自并励发电机的励磁系统为例子。其中输入VEKK为发电机机端电压和基准电压的 差值，输出EFD为发电机励磁电压，Kv为比例积分或纯积分选择因子，lFD为发电机励磁电流。 对于FV模型，参数VHHTdlV为需要辨识的参数。艮卩，a = [L， T2， T3， T4， Ka，TjT。对于上述模型，在解耦下，测量量为发电机极端三相的电压、电流，以及发电机的励 磁电压和励磁电流。 图6是本发明实施例实际测量获得的机端电压示意图。
图7是本发明实施例实际测量获得励磁电压响应示意图。 本例中励磁参数辨识的目的是，决定a = [I\， T2， T3， T4， Ka， TjT，使得在FV模型 对于图6所示机端电压变化的虚拟励磁电压响应，尽量接近于图7所示实际励磁电压的响应。 利用序优化遗传算法进行励磁系统参数a = [I\， T2， T3， T4， Ka， Ta]T的辨识，其过 程是 A:随机生成第一代个体重复n次。在本实施例中，取n = In(l_Pse)/In(l_k% )， m = 120，随机产生一个六维向量a = [T" T2， T3， T4， Ka， TjT。 B:计算辨识参数a = [I\， T2， T3， T4， Ka， Ta]T分别取2m个值时，每个个体的目标 函数的值。 C :将2m个辨识参数值所对应的目标函数值排序，选取目标函数值较小的m个值。
D :进行交叉操作，对于两个参数a p a 2，先产生
之间的随机数，然后获得交 叉的结果为《w =m+(l —r)"2
。
《=(1 — ^+^2 E :进行变异操作，若巧为
间随机数，定义父代a k的变异为
a'4=<| 这里UB和LB分别为变量a k的上下限，t为当前进化的代数。f (k): F :随机生成的加入系统下一代的m个个体。即重复m次，随机产生一个六维向量 a = [1\， T2， T3， T4， Ka， Ta]T。 G :进行适应度计算。对当前群体的每一个个体，计算其目标函数值和适应度函数 佶F
l且1 fitness Q H :检查是否满足收敛准则，即检查目标函数值是否小于设定值，如不满足，跳到第 二步继续计算；如果满足，则结束。 经过上述过程，可以得到基于FV模型的虚拟输出响应和实际响应数据的比较结 果。图8是本发明实施例励磁系统实际响应和辨识参数下响应比较结果示意图。需要指出 的是，上述方法比较保守，总能够保证获得具有一定置信水平的次优解。实际上，由于遗传 算法的总交叉因素，实际获得的解的置信水平要远大于设定的置信水平。
本发明直接利用PMU的在线实测数据进行参数辨识，无需对发电机注入噪声信 号，大大减小了辨识的复杂程度；而且，还通过PMU实测数据对发电机和励磁控制器进行解 耦，单独对励磁控制器参数进行辨识，有效的减少因发电机模型及参数不准确而引入的误 差，结合序优化遗传算法使得辨识出来的励磁控制器参数更加精确，并具有一定的置信度。
以上所述，仅为本发明较佳的具体实施方式
，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围 为准。
权利要求
一种基于系统解耦和序优化遗传算法的励磁系统参数辨识方法，其特征是所述方法包括---利用相量测量单元PMU将励磁系统和发电机解耦；---确定基于解耦的励磁系统模型；---利用序优化遗传算法辨识基于解耦的励磁系统模型中的参数。
2. 根据权利要求1所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述基于解耦的励磁系统模型为<formula>formula see original document page 2</formula>其中，纷)-z《;&，x^，;;，")为解耦后辨识中的测量量，采用测量励磁电压、励磁电流和发电机出口电压、电流的方式获得辨识结果。
3. 根据权利要求2所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述利用序优化遗传算法辨识基于解耦的励磁系统模型中的参数具体包 括步骤1 :将基于解耦的励磁参数辨识模型的不等式约束条件添加到适应度函数中； 步骤2 :确定所需计算的总的个体数目2n、遗传算法每一代个体数目2m和代数g ;步骤3 :对问题的决策变量编码，形成染色体；步骤4 :根据不等式约束条件确定变量的范围，随机生成第一代种群；步骤5 :对当前群的每一个个体，计算其个体目标函数值和适应度函数值FfitMSS ;步骤6 :对于前m-p个的个体，进行交叉操作；其中，m为目标函数值，p为整数，即m/2 或(m+l)/2 ;步骤7 :对于前m-p+l至m个的个体，进行变异操作；对实数编码进行变异，形成子代个体；步骤8 :随机生成m个个体，加入系统下一代；步骤9 :对当前群的每一个个体，计算其目标函数值m和适应度函数值FfitMSS ;步骤10 :检查目标函数值是否小于设定值，如果小于，则跳到步骤5 ;否则，结束。
4. 根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识方法，其特征是所述不等式约束条件为<formula>formula see original document page 2</formula>其中，a i表示需要计算的各个参数、N表示具有上下限的参数的个数。
5.根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述步骤2中，n = ln(l-Ps》/ln(l-k% )， Pse是实现至少有一个解位于解 空间所有解中性能占前k^所需的随机采样次数的概率；m取100-1000之间的值，代数g二
6.根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述目标函数为J(a)。
7. 根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述适应度函数为FfitMSS = J(a )+P。
8. 根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述交叉操作具体是对于两个参数a" 02，先产生[O，l]之间的随机数， 然后获得交叉的结果为a2"w =(1 — 0^+^2
9. 根据权利要求3所述的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识 方法，其特征是所述变异操作具体是若巧为[O，l]间随机数，定义父代ak的变异为其中，UB和LB分别为变量a k的上下限，t为当前进化的代数。f (k)为
全文摘要
本发明公开了电力系统中的励磁系统参数辨识技术领域中的一种基于系统解耦和序优化遗传算法的励磁系统参数辨识方法。包括利用相量测量单元PMU将励磁系统和发电机解耦；确定基于解耦的励磁系统模型；利用序优化遗传算法辨识基于解耦的励磁系统模型中的参数。本发明减小了励磁系统参数辨识的复杂程度，降低了因发电机模型及参数不准确而引入的误差，辨识的励磁控制器参数更加精确并具有一定的置信度。
文档编号G05B13/04GK101794118SQ20101011852
公开日2010年8月4日 申请日期2010年3月5日 优先权日2010年3月5日
发明者毕天姝, 王正风, 薛安成, 陈实 申请人:华北电力大学;安徽省电力公司