一种基于低通滤波的发电机组转动惯量参数的在线辨识方法
【技术领域】
[0001] 本发明属于发电机组参数辨识领域，特别涉及一种对发电机组转动惯量参数进行 在线辨识的方法。
【背景技术】
[0002] 转动惯量是表征发电机组动态特性的最重要参数之一，其准确与否对于电力系统 的安全稳定分析具有重要的影响。发电机组的转动惯量是由发电机组的各旋转部件的转动 惯量之和所决定的。例如，对于火电机组其转动惯量通常是由发电机组转动惯量、汽轮机转 动惯量和励磁机（采用静态励磁系统的发电机除外）转动惯量组成。由于这几部分旋转部 件可能分属于不同的制造厂家并且结构复杂，因此在发电厂组合成发电机组后的转动惯量 通常由甩负荷试验进行测试和验证。然而，很多发电机组由于实际运行条件和测试条件所 限并没有进行这种甩负荷试验，无法获取实测转动惯量。作为替代的方案，这些机组的转动 惯量取为厂家提供的各旋转部件的转动惯量之和，然而其准确性难以保证。
[0003] 近年来基于相量测量单元（PMU)的广域测量系统在省级及以上电网调度中心得 到广泛应用，这使得电网运行人员能够以25帧/秒或50帧/秒的速率同步观察电网中各 发电机的动态运行过程，获取相应的功率、频率、转速、电压相量、电流相量等量测的动态过 程曲线，基于这些动态信息，近年来提出了许多利用在线实测数据进行发电机参数辨识的 解决方案，主要是基于遗传算法的发电机参数辨识，然而这些参数辨识都涉及发电机的电 磁暂态方程，重点是辨识发电机的暂态和次暂态电抗以及相应的时间常数，辨识发电机组 转动惯量的还没有见报道。并且实践表明，这些发电机参数辨识方法应用效果并不好，所得 辨识结果误差大，且不稳定，这是由PMU的相量计算原理所决定的。因为PMU的相量定义 是对1个完整工频录波的表示方法，暂态扰动期间，1个工频周期（大约20ms)往往还未完 成，就被扰动改变了相量参数，目前PMU算法不能准确计算这种情况的瞬时相量值，这也决 定了 PMU只适合基于机电暂态模型的电力系统应用，而不适合涉及电磁暂态方程的电力系 统应用。
[0004] 发电机组转动惯量是决定发电机组机械运动速度变化快慢的主要物理量，对于发 电机转速的变化，其时间常数是秒级，主要与其关联的是发电机运动方程，即机电方程。因 此，对于仅辨识发电机组转动惯量来说，若各时刻的电气功率已知，可以不考虑电磁暂态方 程对发电机组转子轴系运动的影响，从而减小电磁暂态期间相量量测的不准确对转动惯量 辨识的影响，并完全避免电磁暂态参数不准确对发电机组转动惯量辨识的影响。因此本发 明提出了仅基于发电机运动方程的采用遗传算法的在线转动惯量辨识方法。为了解决发电 机轴系机械功率无法测量的问题，提出了在动态辨识过程中，用低通滤波器从实测电磁功 率曲线获取机械功率变化曲线的方法，从而避免不考虑机械功率变化所带来的误差，也避 免了试验法中为了满足机械功率不变的前提，导致能用于计算的动态曲线不能太长的缺点 (通常只能取100毫秒到1秒的时间曲线）。这一方法的发明实现了发电机组转动惯量在线 准确辨识，解决了 PMU对电磁暂态过程测量不准确和机械功率无法量测造成的辨识困难。
【发明内容】
[0005] 为了实现发电机组转动惯量的在线辨识，本发明提出了一种基于相量量测单元 PMU的高密度同步量测数据，采用低通滤波器从实测电磁功率曲线获取机械功率变化曲线， 仅使用发电机组运动方程，利用遗传算法实现的在线发电机组转动惯量辨识方法。
[0006] 本发明具体采用以下技术方案。
[0007] -种发电机组转动惯量参数的在线辨识方法，其特征在于，所述方法包含以下步 骤：
[0008] 步骤1 :识别扰动事件，获取该事件对应的基于PMU实测的发电机组动态过程曲 线，发电机组动态过程曲线包括扰动期间的发电机组有功电磁功率曲线匕，和基于实测转 速得到的发电机组角速度曲线《Jt)，简称角速度实测曲线；
[0009] 步骤2 :利用低通滤波器获取扰动时间内发电机组有功电磁功率曲线对应的发 电机组机械功率变化曲线Pm;
[0010] 步骤3 :采用遗传算法求解使得以下目标函数最小的发电机组转动惯量M和阻尼 系数D，
[0012] 式中，E(M，D)为目标函数，K为步骤1所获得的基于实测转速得到的角速度实测 曲线中包含的总采样点数，wjt)为角速度实测曲线在t时刻值，简称t时刻角速度的实测 值，《(t)为给定发电机组转动惯量M和阻尼系数D情况下根据实测发电机组有功电磁功 率曲线和对应的机械功率变化曲线，采用下面公式求得的角速度仿真曲线上t时刻的值：
[0014] 式中，下标n和n-1表示PMU实测发电机组动态过程曲线采样时间点的序号， 为第n-1个采样时亥IJ的实测电磁功率；PJU为由低通滤波器从实测的电磁功率 曲线得到的第n-1个采样时刻的机械功率值，《 (tn_i)为第n-1个采样时刻角速度的仿真 值，A t为采样的时间步长；起始时刻、的仿真值《 (t J取为步骤1得到的实测角速度动 态过程曲线第1个时间点h时刻的实测值。
[0015] 本发明进一步优选以下方案：
[0016] 在步骤1中，监视发电机组PMU实时动态数据，当发现5秒移动时间窗口内发电机 组转速与额定转速的差值超过4转/分钟或频率与额定频率的差值超过0. 066HZ，且该移 动时间窗口内发电机组有功功率最大值与最小值差值超过40MW，取该5秒时段以及前0. 5 秒和后0. 5秒共6秒，称为扰动时间，在扰动时间内PMU记录的实时动态数据含有发电机对 扰动的响应信息，可被提取出来用于发电机参数的辨识，被提取出的在扰动期间由PMU记 录的动态过程数据即扰动期间的动态过程曲线，包括发电机组的转速n (转/分钟）、频率 f (Hz)和发电机组有功电磁功率率匕，其中转速和频率均转化为角速度《 (弧度/秒）。
[0017] 在步骤2中，对于低通滤波器，取通带截止频率为0. 04Hz，阻带截止频率取 0. 05Hz，通带波纹系数为1，阻带衰减系数为20,采样频率为200Hz，采用巴特沃斯低通IIR 滤波器；
[0018] 将扰动时间段内的6秒曲线向前后各延伸1秒，对8秒时间内PMU动态实时数据 进行滤波，滤波完成后输出滤波后的原6秒时间段的动态数据作为发电机组机械功率变化 曲线P^。
[0019] 在步骤3中，遗传算法的具体步骤如下：
[0020] 3. 1)对个体编码，生成初始种群；
[0021] 发电机组的两个参数转动惯量M和阻尼系数D构成遗传算法个体[M，D]，不同的取 值代表不同的个体，对遗传算法个体[M，D]采用十进制编码，种群的数目设为200个，在辨 识参量的物理上下限范围内随机产生参量值，生成初始的200个个体；
[0022] 3. 2)计算每个个体[M，D]的适应度F(M，D);
[0023] 3. 3)选择出适应度F(M，D)最大的个体，由该个体的参数[M，D]推算出的角速度仿 真曲线与角速度实测曲线的误差E(M，D)，做为本次循环得到的最小误差E min(M，D)p_mt，其 比上一次循环得到的该误差Emin(M，D) 1331的减小量，即本次循环的改进量为：
[0024] Improve = Emin(M, D) present-Emin (M, D)last；
[0025] 每次循环得到的改进量Improve均大于等于0,当连续100次循环，每次得到的改 进量Improve均小于0. 0001，则停止寻优，第100次循环得到的Emin(M，D)pMsent所对应的参 数[M，D]，就是寻找到的最优的发电机组转动惯量M和阻尼系数D ;否则执行步骤3. 4 ;
[0026] 3. 4)根据轮盘赌选择算法选择和复制出新的200个个体；
[0027] 3. 5)对3. 4节产生的个体进行交叉操作，产生新的200个个体；
[0028] 3. 6)对步骤3. 5中产生的除标记为不可变异的最优个体外的199个个体中任选 10个个体，对每个个体任选M或D，然后在M或D的上下限范围内随机产生新的参量值，由 此生成新的10个变异的个体，然后返回步骤3. 2。
[0029] 在3. 2)中，具体采用以下方式计算