个体的适应度：
[0030] (1)首先对每个个体[M，D]，根据式（2)，计算出其与实测的角速度曲线对应的仿 真角速度曲线；
[0031] (2)然后，根据下式计算出每个个体[M，D]的适应度F(M，D)
[0033] 式中变量的定义与式（1)中相关变量的定义相同。
[0034] 在3. 4)中，具体按以下方法选择和复制出新的200个个体：
[0035] (1)适应度最优的1个个体直接保留；
[0036] (2)然后执行轮盘赌选择算法199次，从总种群中选择和复制出剩余的199个个 体，种群第i个个体，在每次轮盘赌选择中被选中的概率由下式决定：
[0038] 式中F %，DD和F (Mk, Dk)分别为第i个和第k个个体的适应度函数；
[0039] 在3. 5)中，按照以下方式进行交叉操作：
[0040] (1)适应度最优的1个个体直接复制为2个个体到下一代，并将其中的1个标记为 不可变异个体；
[0041] (2)执行99次下述的交叉操作：从步骤3. 4产生的200个个体中任选2个个体， 进行M参数的互换，得到新的2个个体。
[0042] 本发明利用发电机组转动惯量是与秒级以上长时间常数相关的动态参数的特点， 仅基于发电机运动方程辨识发电机组的转动惯量，避免了相量测量单元对次暂态和暂态过 程量测不准确以及次暂态和暂态参数不准确对发电机组转动惯量辨识造成的影响。针对 发电机轴系机械功率无法直接测量的问题，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，这一方法的发明实现了对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。
【附图说明】
[0043] 图1基于低通滤波考虑机械转矩变化的发电机组转动惯量在线辨识方法流程图。
【具体实施方式】
[0044] 下面结合说明书附图和具体实施例对本发明的技术方案做进一步详细介绍。
[0045] 如图1所示为基于低通滤波考虑机械转矩变化的发电机组转动惯量在线辨识方 法流程图。本发明所提出的方法在实际系统中部署于电网调度中心的广域测量系统的高级 应用服务器，利用实时测得的发电机组有功出力和角速度值，实现发电机组转动惯量的辨 识。为了保证在线辨识结果的准确性，只利用大扰动期间相量测量单元PMU的记录结果进 行发电机组转动惯量参数的辨识。对于各次参数辨识的结果，可以采用平均值法，确定发电 机组的实测转动惯量值。对于每次捕捉到的足够大的扰动，采用下述本发明所提出的方法 进行发电机组转动惯量的在线识别，其具体步骤如下：
[0046] 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，包括扰动期间的发电机有功电磁功率曲线匕，基于实测转速得到的发电机组角速度实 测曲线《Jt)，简称角速度实测曲线；具体方法如下：监视发电机组PMU实时动态数据（通 常为50帧/秒），当发现5秒移动时间窗口内转速与额定转速的差值超过4转/分钟或频 率最大最小值超过〇. 〇66Hz，且对应时段有功功率最大值与最小值差超过40MW，取该5秒时 段，以及前〇. 5秒和后0. 5秒共6秒，称为扰动时间，这6秒内的PMU实时动态数据为扰动 动态数据，内容包括发电机组的转速n (转/分钟）、频率f (Hz)、发电机组有功电磁功率匕 以及相应的时标，其中转速和频率均转化为角速度《 (弧度/秒），下面的辨识计算将优先 采用由转速转化得到的角速度，在没有转速测量时，使用由频率转化得到的角速度。
[0047] 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Pe对应的 机械功率变化曲线Pm。考虑到一次调频时间常数大约在5~12秒，因此取通带截止频率 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，可采用巴特沃斯低通IIR滤波器（注：滤波器参数可根据机组一次调频性能进行微 调，并可采用其他类型低通滤波器）。
[0048] 为了避免滤波器在6秒曲线的边界附近产生误差，将6秒曲线向前后各延伸1秒， 对8秒数据进行滤波，滤波完成后输出原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^。
[0049] 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，。
[0051] 式中E(M，D)为目标函数，K为步骤1所获得的基于实测的角速度动态过程曲线中 包含的总采样点数为基于实测的角速度动态过程曲线的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：
[0053] 式中，下标n和n-1表示PMU实测发电机组动态曲线采样时间点的序号，Pjtu) 为第n-1个采样点的实测电磁功率；PjtM)为由低通滤波器从实测电磁功率曲线得到的第 n_l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h的仿真值《 (t J取为取为步骤1得到的实测角速度曲线第1个时 间点h时刻的实测值应说明的是（2)式实际上是由下面的发电机组转子运动方 程经离散化后得到的：
[0055] 对于步骤1选择的6秒时段内的曲线，仿真值与实测值的差方和构成角速度仿真 曲线与实际量测曲线的误差的衡量指标E(M，D)，该指标越小，则仿真曲线越接近实测曲线， 相应的M和D越接近真实值。对最优M和D的搜寻本发明采用遗传算法。遗传算法可以有 各种设计，例如对于M和D构成的个体，可以采用二进制编码，也可采用十进制编码，相应地 采用对于二进制编码和十进制编码的交叉、变压操作。下面给出一种优选的遗传算法设计 方法，具体步骤如下：
[0056] 3. 1)个体编码和初始种群生成；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。
[0057] 3. 2)计算个体的适应度，具体方法如下：
[0058] (1)首先对每个个体[M，D]，根据式2,计算出其与实测角速度曲线对应的仿真角 速度曲线；
[0059] (2)然后，根据下式计算出每个个体[M，D]的适应度F(M，D)
[0061] 式中变量的定义见式1相关量的定义。即当发电机参数M，D的取值使得仿真曲线 与实测曲线误差较小时，相应的遗传算法个体的适应度较大。
[0062] 3. 3)终止条件判断，具体方法如下：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)pMsmt，其比上一次循环得到的该误差Emin(M，D) lasj^减小量，即本次 循环的改进量为：
[0063] Improve = Emin(M, D) present-Emin (M, D)last (5)
[0064] 由于每次下述的交叉、幅值和变异等遗传操作均采用最优保留策略，因此每次循 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，本次循环得到的Emin(M，D)p_nt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 ;
[0065] 3. 4)根据下述的轮盘赌选择算法选择和复制出新的200个个体：
[0066] a)适应度最优的1个个体直接保留；
[0067] b)然后执行轮盘赌选择算法199次，从总种群中选择和复制出剩余的199个个体， 种群第i个个体，在每次轮盘赌选择中被选中的概率由下式决定：
[006