适用于在线同步发电机参数辨识的参数可辨识性分析方法
【技术领域】
[0001] 本发明属于电力系统的动态参数辨识领域，尤其是一种适用于在线同步发电机参 数辨识的参数可辨识性分析方法。
【背景技术】
[0002] 电力系统安全稳定分析是发展智能电网的核屯、，而参数辨识却是电力系统安全稳 定分析的基础。电力系统的动态模型参数，尤其是同步发电机的动态模型参数，它们的正确 性直接决定了电力系统安全稳定分析的正确性。然而在同步发电机在线参数辨识领域，一 方面，发电机的数学模型是根据对物理现象进行分析而构建出来的，它本身就包含大量的 具有物理意义的参数；另一方面，通过在线试验得到的采样数据往往并不能很好地反应所 有参数对输出的影响。运些因素导致所有的发电机参数在实际在线辨识过程中并不能很好 的辨识;进一步地说，由于辨识性较差参数的存在，参数辨识问题往往得到错误的结果或者 不可解。
[0003] 针对上述技术困难，文献《Subset Selection for Improved Parameter Estimation in On-Line Identification of a Synchronous Generator》提出了使用子 集合选择的方法，该方法根据目标函数对参数的海森矩阵将全参数空间转化为简约参数空 间，但其所提出的方法只能将参数分为可辨识参数和不可辨识参数，并不能有效分析所有 参数的可辨识性大小和参数之间的线性相关性。文献《PMU Based Generator化rameter Identification to Improve the System Planning and Oper 曰 tion》提出 了利用奇异值 分解方法进行参数线性相关性分析，但是对参数线性相关性的分析需要更多的人为经验来 判断，不能很好应用于在线同步发电机参数辨识中。
[0004] 尽管已有诸多研究成果，但在同步发电机在线辨识领域中尚无高效的、便捷的参 数可辨识性分析计算方法。
【发明内容】
[0005] 本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种适用于在 线同步发电机参数辨识的参数可辨识性分析方法，其能够高效、便捷地分析参数可辨识性， 可直接应用于同步发电机在线参数辨识分析中。
[0006] 为此，本发明采用如下的技术方案:适用于在线同步发电机参数辨识的参数可辨 识性分析方法，其包括如下步骤：
[0007] 第一步：电网发生扰动激励同步发电机时，利用发电厂厂站端数据采集和监测系 统，采集发电机自身W及和发电机控制系统相连的状态变量数据，利用混合仿真理论将采 集的数据划分为输入数据U和输出数据ym;
[000引第二步:构建输入数据U W及由发电机标称参数构成的参数向量0下的微分代数方 程组F(u，0)来表征发电机的动态行为W及输出行为；
[0009]第=步:对发电机参数向量中的每一个参数都构建灵敏度方程，如参数向量0中的 第i个参数，对应的灵敏度方程为Si(u，0);
[0010] 第四步:利用梯形公式对灵敏度方程Si(u，0)进行求解，其中1 = 1，2，...叫，邮为发 电机参数向量Q的总个数，得到输出状态y对参数的灵敏度syi，i = l，2,.. .np;
[0011] 第五步:设置可辨识参数和不可辨识参数指标集合I = U，2,...，np巧日￡/ = 0 ;
[0012] 第六步:计算加权最小二乘对应集合所有可辨识参数（即集合I对应的参数）的相 对海森矩阵H，并计算其最小特征值Ao和最小特征值对应的特征向量vO;
[0013] 第屯步:设定一个容许值，如果最小特征值小于容许值，则存在不可辨识参数，根 据不可辨识参数选择依据C进行不可辨识参数的选择，并将该参数从可辨识参数指标集合I 移入不可辨识参数指标集合U，然后回到第六步；正常情况下当最小特征值Ao趋向0时说明 存在不可辨识参数，但是Ao由于计算误差不可能等于0,运时候就需要一个容许值；
[0014] 第八步:如果最小特征值大于容许值，则不存在不可辨识参数，根据可辨识参数和 不可辨识参数指标集合得到可辨识参数和不可辨识参数，并且不可辨识参数移入不可辨识 参数指标集合U的顺序也为参数不可辨识性从大到小的排列顺序。
[0015] 本发明基于改进的最小二乘的海森矩阵，实现了参数可辨识和不可辨识的分辨， 并且能对参数的不可辨识性进行分析，拓展了已有的同步发电机参数可辨识性分析的应用 范围。
[0016] 进一步，所述的第二步中，微分代数方程组F(u，0)具有如下形式：
[0018] 其中，X和丈表示发电机动态过程中的状态变量和状态变量的导数，y为发电机的 输出状态，f表征同步发电机的动态过程的非线性函数，h则是定义同步发电机的输出函数， to为仿真时段的初始时刻，M为状态变量的初值。
[0019] 进一步，所述的第=步中，第i个参数的灵敏度方程Si(u，0)具有下述形式：
[0021] 其中，Si和马.分别表示第i个参数对应状态变量的灵敏度和灵敏度导数，01表示参 数向量e的第i个参数。
[0022] 进一步，所述的第六步中，相对海森矩阵具有下述形式：
[0024]其中，W表示发电厂厂站端数据采集与监控系统采集输出数据ym相应设备的采样 误差，T表示矩阵的转置。
[0025] 进一步，所述的第屯步中，不可辨识参数选择依据C如下：
[0026] (，：又-二 arg(max( V。,/)) 'd '，
[0027] 其中，VO,d表示特征向量VO的第d个元素，k则表示特征向量VO中最大元素的位置，该 位置对应的参数即为不可辨识参数，d的取值范围为1到np。
[00%]与现有技术相比，本发明具有W下有益效果：
[0029] 1、能正确的分析同步发电机参数的可辨识性，并能根据辨识性对不可辨识参数排 序。
[0030] 2、只用计算一次参数对输出的灵敏度，重复利用灵敏度信息进行特征值分析，便 可快速、便捷地分析参数可辨识性。
[0031] 3、所计算得到的参数可辨识性分析结果，无需人为进行经验判断，可W直接应用 于在线同步发电机参数辨识，可提升参数辨识结果的准确性。
【附图说明】
[0032] 图1是本发明的流程图。
[0033] 图2是本发明各参数辨识误差结果分布图。
【具体实施方式】
[0034] W下结合说明书附图和【具体实施方式】对本发明作详细说明。
[0035] 如图1所示的适用于在线同步发电机参数辨识的参数可辨识性分析方法，其包括 如下步骤：
[0036] 第一步：电网发生扰动激励同步发电机时，利用发电厂厂站端数据采集和监测系 统，采集发电机自身W及和发电机控制系统相连的状态变量数据，利用混合仿真理论将采 集的数据划分为输入数据U和输出数据ym;
[0037] 第二步:构建输入数据U W及由发电机标称参数构成的参数向量0下的微分方程组 F(u，0)来表征发电机的动态行为W及输出行为；
[0038] 第=步:对发电机参数向量中的每一个参数都构建灵敏度方程，如参数向量0中的 第i个参数，对应的灵敏度方程为Si(u，0);
[0039] 第四步:利用梯形公式对灵敏度方程51(11，0)，1 = 1，2，...^进行求解，其中^为发 电机参数向量e的总个数，得到输出状态y对参数的灵敏度syi，i = l，2,. . .np;
[0040] 第五步:设置可辨识参数和不可辨识参数