【技術(shù)前沿】基于類噪聲信號(hào)的負(fù)荷參數(shù)辨識(shí)算法
2017-5-30 11:07:32??????點(diǎn)擊：
1項(xiàng)目背景
目前已有研究中，基于總體測(cè)辨法的負(fù)荷模型的辨識(shí)主要利用擾動(dòng)后響應(yīng)所激發(fā)的負(fù)荷模型特性來進(jìn)行。擾動(dòng)后響應(yīng)辨識(shí)方法的主要缺點(diǎn)在于，系統(tǒng)中的短路故障等大擾動(dòng)不是經(jīng)常出現(xiàn)的。因此，擾動(dòng)后響應(yīng)的辨識(shí)方法是一種依賴于系統(tǒng)中大擾動(dòng)是否存在的方法，如果沒有大擾動(dòng)的存在，擾動(dòng)后響應(yīng)的辨識(shí)方法就無法執(zhí)行。
負(fù)荷模型本身具有隨機(jī)性與時(shí)變性。如果完全按照擾動(dòng)后響應(yīng)的方法來進(jìn)行辨識(shí)，那么無法完全跟蹤負(fù)荷模型參數(shù)隨時(shí)間的變化與隨機(jī)的波動(dòng)，辨識(shí)所得的模型也就只能對(duì)應(yīng)擾動(dòng)所發(fā)生的時(shí)刻系統(tǒng)的負(fù)荷特性，并不能夠用來表示其他時(shí)刻該地點(diǎn)的負(fù)荷特性，甚至可能會(huì)與其他時(shí)刻的負(fù)荷特性存在很大的差異。這樣，也就沒有達(dá)到利用廣域量測(cè)信息進(jìn)行動(dòng)態(tài)負(fù)荷模型辨識(shí)的目的。因此，需要一種不依賴于擾動(dòng)是否存在的負(fù)荷模型參數(shù)辨識(shí)方法來更頻繁地進(jìn)行負(fù)荷模型參數(shù)辨識(shí)?！?/span>
2論文所解決的問題及意義
本文提出了針對(duì)類噪聲小擾動(dòng)信號(hào)進(jìn)行負(fù)荷模型參數(shù)辨識(shí)的算法，可以實(shí)現(xiàn)對(duì)負(fù)荷模型參數(shù)的周期性多次辨識(shí)，而不需要考慮系統(tǒng)中是否有擾動(dòng)存在，可以實(shí)現(xiàn)對(duì)負(fù)荷模型參數(shù)時(shí)變性的跟蹤，改善了擾動(dòng)后響應(yīng)辨識(shí)方法不能隨時(shí)進(jìn)行辨識(shí)的問題。
3論文重點(diǎn)內(nèi)容
辨識(shí)的量測(cè)數(shù)據(jù)與流程
在負(fù)荷模型辨識(shí)的過程中，假設(shè)可以得到的量測(cè)量為母線的電壓幅值、電壓相角、有功功率、無功功率四個(gè)變量。負(fù)荷模型辨識(shí)的過程，就是把電壓幅值、電壓相角兩個(gè)變量作為系統(tǒng)輸入，有功功率、無功功率兩個(gè)變量作為系統(tǒng)輸出。辨識(shí)的目的，就是找到一個(gè)負(fù)荷模型，使得在相同的系統(tǒng)輸入下，辨識(shí)得到的模型的系統(tǒng)輸出盡可能接近量測(cè)得到的系統(tǒng)輸出。
辨識(shí)的主要流程包括：
1.提取用于負(fù)荷模型參數(shù)辨識(shí)的電壓幅值、電壓相角、有功功率、無功功率四個(gè)電磁量測(cè)的數(shù)據(jù)段。
2.對(duì)一組給定的電磁參數(shù)數(shù)值，計(jì)算出在相同的電壓幅值、電壓相角輸入信號(hào)的作用下，有功功率、無功功率兩個(gè)輸出信號(hào)的預(yù)測(cè)值，并且計(jì)算與實(shí)測(cè)值的偏差平方和作為下一步優(yōu)化的目標(biāo)函數(shù)。
3.采用差分進(jìn)化算法，對(duì)有功功率和無功功率兩個(gè)輸出信號(hào)的偏差平方和進(jìn)行優(yōu)化，使目標(biāo)函數(shù)達(dá)到最小值的一組模型參數(shù)作為電磁參數(shù)辨識(shí)結(jié)果；
4.利用電磁參數(shù)辨識(shí)結(jié)果，計(jì)算每一時(shí)刻的轉(zhuǎn)差率s，用于下一步機(jī)電參數(shù)的辨識(shí)。
5.對(duì)一組給定的機(jī)電參數(shù)數(shù)值，計(jì)算出在相同電磁功率輸入信號(hào)的條件下，轉(zhuǎn)差率s的預(yù)測(cè)值，并與上一步中計(jì)算得到的計(jì)算值進(jìn)行比較計(jì)算偏差平方和作為下一步優(yōu)化的目標(biāo)函數(shù)。
6.采用差分進(jìn)化算法，對(duì)轉(zhuǎn)差率的偏差平方和進(jìn)行優(yōu)化，使目標(biāo)函數(shù)達(dá)到最小值的一組模型參數(shù)作為機(jī)電參數(shù)辨識(shí)結(jié)果。
辨識(shí)目標(biāo)函數(shù)計(jì)算
本文采用預(yù)測(cè)值與實(shí)測(cè)值之間的預(yù)報(bào)誤差作為辨識(shí)的目標(biāo)函數(shù)。從電動(dòng)機(jī)的狀態(tài)方程中，利用功率和電壓的量測(cè)數(shù)據(jù)以及模型參數(shù)在優(yōu)化過程中的取值，就可以計(jì)算出每一時(shí)刻狀態(tài)變量的數(shù)值。根據(jù)求解出來的狀態(tài)變量，可以根據(jù)狀態(tài)方程預(yù)測(cè)下一時(shí)刻的狀態(tài)變量以及輸出變量。把預(yù)測(cè)的輸出變量與實(shí)測(cè)的輸出變量作比較，計(jì)算輸出變量預(yù)測(cè)值與實(shí)測(cè)值之間的偏差，就可以得到辨識(shí)的目標(biāo)函數(shù)。
在本文針對(duì)綜合負(fù)荷模型參數(shù)的辨識(shí)過程中，由于電動(dòng)機(jī)的機(jī)電狀態(tài)方程與電磁狀態(tài)方程是可以解耦的，因此本文的研究中首先從功率和電壓的量測(cè)數(shù)據(jù)中計(jì)算直軸和交軸兩個(gè)感應(yīng)電動(dòng)勢(shì)的狀態(tài)變量的數(shù)值并辨識(shí)電動(dòng)機(jī)的電磁參數(shù)，隨后利用電磁參數(shù)的辨識(shí)結(jié)果結(jié)合量測(cè)數(shù)據(jù)辨識(shí)電動(dòng)機(jī)的機(jī)電參數(shù)與輸入轉(zhuǎn)矩。
差分進(jìn)化算法
本文采用差分進(jìn)化算法來對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化。差分進(jìn)化算法（Differential Evolution, DE）與遺傳算法、粒子群算法等優(yōu)化方法一樣，也屬于通過種群生成、進(jìn)化、選擇而實(shí)現(xiàn)優(yōu)化的進(jìn)化算法。進(jìn)化算法與傳統(tǒng)的梯度類算法相比，最吸引人的地方在于可以不依賴于初值選取而得到全局最優(yōu)解。差分進(jìn)化算法的基本流程是在參數(shù)取值范圍內(nèi)隨機(jī)進(jìn)行種群初始化，然后在每一代的進(jìn)化過程中對(duì)每個(gè)個(gè)體進(jìn)行變異和交叉，進(jìn)而把進(jìn)化后的個(gè)體與上一代個(gè)體進(jìn)行比較，選擇更好的個(gè)體作為這一代的進(jìn)化結(jié)果。
負(fù)荷參數(shù)辨識(shí)對(duì)全局最優(yōu)解的要求較高，因此要首先確保全局最優(yōu)然后再提升計(jì)算時(shí)間。為此，設(shè)計(jì)了如下對(duì)差分進(jìn)化算法的改進(jìn)，以便更好地應(yīng)用于負(fù)荷模型參數(shù)的辨識(shí)。首先，在進(jìn)化終止代數(shù)的選擇上，不再簡(jiǎn)單地對(duì)總的進(jìn)化終止代數(shù)進(jìn)行計(jì)數(shù)，而是等待進(jìn)化過程趨于靜止、進(jìn)化幾乎完成之后，再開始啟動(dòng)對(duì)進(jìn)化終止的判斷。其次，在交叉率與變異因子的選擇上，根據(jù)進(jìn)化過程與上面的終止計(jì)數(shù)進(jìn)行動(dòng)態(tài)調(diào)整。最后，在初始種群的選擇上進(jìn)行改進(jìn)。
南方電網(wǎng)實(shí)測(cè)數(shù)據(jù)辨識(shí)結(jié)果
本部分結(jié)果采用2016年3月18日下午15:48分-15:49分在南方電網(wǎng)富寧-武平段（位于廣西?。┌l(fā)生的一次三相短路接地故障，在珠海220kV變電站所采集的PMU量測(cè)數(shù)據(jù)文件來進(jìn)行辨識(shí)。這一段的錄波數(shù)據(jù)中，既有系統(tǒng)日常運(yùn)行伴隨的類噪聲信號(hào)，又有在15:48:23發(fā)生的故障后響應(yīng)信號(hào)。由于珠海站距離故障點(diǎn)的地理距離較遠(yuǎn)，因此故障的恢復(fù)過程較快，大擾動(dòng)僅僅持續(xù)了10秒左右。由于故障在15:48:23發(fā)生，因此可以采用23秒之前的某一段數(shù)據(jù)來進(jìn)行辨識(shí)，采用整個(gè)一分鐘的數(shù)據(jù)來進(jìn)行數(shù)據(jù)校驗(yàn)。
圖1 南方電網(wǎng)實(shí)際測(cè)量數(shù)據(jù)辨識(shí)結(jié)果（珠海站有功曲線）
圖2 南方電網(wǎng)實(shí)際測(cè)量數(shù)據(jù)辨識(shí)結(jié)果（珠海站無功曲線）
辨識(shí)所得到的預(yù)測(cè)值與實(shí)測(cè)值的對(duì)比如圖1與圖2所示，可以看出，整個(gè)一分鐘的有功功率、無功功率都可以被很好地?cái)M合，說明了本文所提出的方法的有效性，即采用某一段類噪聲信號(hào)數(shù)據(jù)進(jìn)行辨識(shí)所得到的負(fù)荷模型參數(shù)的結(jié)果可以用于描述整個(gè)時(shí)間段、包括小擾動(dòng)和大擾動(dòng)在內(nèi)的負(fù)荷模型的動(dòng)態(tài)響應(yīng)，無論有功功率還是無功功率都具有較好的擬合度?！?/span>
4結(jié)論
?。?）介紹了采用類噪聲信號(hào)進(jìn)行負(fù)荷模型辨識(shí)所采用的量測(cè)數(shù)據(jù)與流程。
（2）設(shè)計(jì)了基于優(yōu)化方法的辨識(shí)方法以及從量測(cè)數(shù)據(jù)中計(jì)算優(yōu)化目標(biāo)函數(shù)的方法。
（3）介紹了差分進(jìn)化算法及選擇差分進(jìn)化算法用于負(fù)荷模型參數(shù)辨識(shí)的原因，針對(duì)負(fù)荷模型參數(shù)辨識(shí)的具體要求對(duì)差分進(jìn)化算法進(jìn)行了改進(jìn)。
（4）通過南方電網(wǎng)實(shí)測(cè)數(shù)據(jù)算例，驗(yàn)證了本章所設(shè)計(jì)的模型參數(shù)辨識(shí)方法的有效性。
- 上一篇：新型鐵鎳電池的特點(diǎn) 2017/5/31
- 下一篇：直流電源接地的原因 2017/5/30
