一种对静止无功发生器的参数进行识别的方法及系统技术方案

本申请公开了一种对静止无功发生器的参数进行识别的方法及系统。其中，该方法包括：根据风电场的静止无功发生器的动态运动特性，建立静止无功发生器的多个数学模型，并确定多个数学模型中待识别的参数；根据多个数学模型中待识别的参数随风速波动的变化特性，对多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；根据功率加权法，确定多方式混合识别算法的目标函数，通过差分算法反复迭代对参数初始值进行修正；以及对修正后的参数初始值进行识别，确定识别结果。

【技术实现步骤摘要】
一种对静止无功发生器的参数进行识别的方法及系统
本申请涉及电力系统
，特别是涉及一种对静止无功发生器的参数进行识别的方法及系统。
技术介绍
风电场无功调节能力是影响区域电压稳定水平和风电消纳水平的关键因素，以柔性交流输电为代表的的新型输电技术的快速发展为保证风电场可靠并网和稳定运行提供了新的方法。静止无功发生器是柔性交流输电系统的核心装置之一，在风电场中得到了广泛的应用，其模型参数是否准确，关系到电力系统仿真计算的可信度，进而影响到风电场规划设计、调度运行、电网安全等各个环节。研究有效的静止无功发生器模型参数辨识方法具有重要的理论和实践价值。虽然目前对静止无功发生器的研究已经取得了较大的进展，但是大都将研究重点放在其模型上，关于参数辨识方法的研究极少。目前，国内关于电力系统参数辨识研究主要以四大参数(发电机、励磁系统、原动机及调速系统、负荷模型的有关参数)为主。并且相关风电场静止无功发生器的参数辨识的研究多数未考虑风电场随机特性对参数辨识结果的精度及稳定性带来的影响。针对上述的现有技术中存在的对风电场静止无功发生器的参数辨识的研究较少，并且未考虑风电场随机特性对参数辨识结果的精度及稳定性带来的影响的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本公开的实施例提供了一种对静止无功发生器的参数进行识别的方法及系统，以至少解决现有技术中存在的的对风电场静止无功发生器的参数辨识的研究较少，并且未考虑风电场随机特性对参数辨识结果的精度及稳定性带来的影响的技术问题的技术问题。r>根据本公开实施例的一个方面，提供了一种对静止无功发生器的参数进行识别的方法，包括：根据风电场的静止无功发生器的动态运动特性，建立静止无功发生器的多个数学模型，并确定多个数学模型中待识别的参数；根据多个数学模型中待识别的参数随风速波动的变化特性，对多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；以及根据功率加权法，确定多方式混合识别算法的目标函数，通过差分算法反复迭代对参数初始值进行修正；以及对修正后的参数初始值进行识别，确定识别结果。根据本公开实施例的另一方面，还提供了一种对静止无功发生器的参数进行识别的系统，包括：建立模块，用于根据风电场的静止无功发生器的动态运动特性，建立静止无功发生器的多个数学模型，并确定多个数学模型中待识别的参数；分类模块，用于根据多个数学模型中待识别的参数随风速波动的变化特性，对多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；修正模块，用于根据功率加权法，确定多方式混合识别算法的目标函数，通过差分算法反复迭代对参数初始值进行修正；以及识别模块，用于对修正后的参数初始值进行识别，确定识别结果。在本专利技术中，通过一种对静止无功发生器的参数进行识别的方法。充分考虑了风电场随机特性对模型参数识别结果的影响，能够较好地解决风速随机波动引起的辨识精度较低以及辨识稳定性较差等问题。建立基于功率加权法组成多方式混合辨识算法的目标函数，根据各观测量对应参数的灵敏度值占比，对观测量进行加权优化配比，减小了单一观测量选取带来的辨识精度影响，提高参数辨识的鲁棒性。通过仿真实例分析结果，验证了计及风电场随机特性的静止无功发生器模型参数智能辨识方法的有效性和可行性，显示出该参数辨识策略具有较强的工程实用性。进而解决了现有技术中存在的的对风电场静止无功发生器的参数辨识的研究较少，并且未考虑风电场随机特性对参数辨识结果的精度及稳定性带来的影响的技术问题的技术问题。。附图说明此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1是根据本公开实施例所述的对静止无功发生器的参数进行识别的方法的流程示意图；图2是根据本公开实施例所述的静止无功发生器的数学模型的示意图；图3是根据本公开实施例所述的风电并网系统模型的示意图；图4是根据本公开实施例所述的传统辨识方法、多方式混合算法和静止无功发生器真实输出无功功率曲线对比图；图5是根据本公开实施例所述的对静止无功发生器的参数进行识别的设计方法的示意图；以及图6是根据本公开实施例所述的对静止无功发生器的参数进行识别的系统的示意图。具体实施方式现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。根据本实施例的第一个方面，提供了一种对静止无功发生器的参数进行识别的方法。图1示出了该方法的流程示意图，参考图1所示，该方法包括：S102:根据风电场的静止无功发生器的动态运动特性，建立静止无功发生器的多个数学模型，并确定多个数学模型中待识别的参数；S104:根据多个数学模型中待识别的参数随风速波动的变化特性，对多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；S106:根据功率加权法，确定多方式混合识别算法的目标函数，通过差分算法反复迭代对参数初始值进行修正；以及S108:对修正后的参数初始值进行识别，确定识别结果。具体地，参考图2所示的风电场的静止无功发生器数学模型，根据风电场的静止无功发生器的动态运动特性，建立静止无功发生器的多个数学模型：直流电压外环的PI控制器模型、并网电压外环的PI控制器模型、以及电流内环的PI控制器模型。并确定多个数学模型中待识别的参数：直流电压外环的线性控制器模型的比例Kdp、直流电压外环的线性控制器模型的积分系数Kdi、并网电压外环的线性控制器模型的比例Kqp、并网电压外环的线性控制器模型的积分系数Kqi、电流内环的线性控制器模型的比例KPI、电流内环的线性控制器模型的积分系数KII以及静止无功发生器的线路电感L。根据多个数学模型中待识别的参数随风速波动的变化特性，对多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；根据功率加权法，确定多方式混合识别算法的目标函数，通过差分算法反复迭代对参数初始值进行修正；以及对修正后的参数初始值进行识别，确定识别结果。参考图3所示的风电并网系统，使用本专利技术提供的方法进行风电场静止无功发生器参数辨识的设计，步骤如下：步骤一：对测试系统的低风速模型和高风速模型进行观测量选取。在风电场两种模型下，依次将待辨识参数增加5％，得到各待辨识参数在不同观测量下的平均灵敏度值，其结果见表1、表2。可知，两种风速模型具有相同的观测量选取策略，即选取本文档来自技高网...

【技术保护点】
1.一种对静止无功发生器的参数进行识别的方法，其特征在于，所述方法包括：/n根据风电场的静止无功发生器的动态运动特性，建立所述静止无功发生器的多个数学模型，并确定所述多个数学模型中待识别的参数；/n根据所述多个数学模型中待识别的参数随风速波动的变化特性，对所述多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；/n根据功率加权法，确定所述多方式混合识别算法的目标函数，通过差分算法反复迭代对所述参数初始值进行修正；以及/n对修正后的参数初始值进行识别，确定识别结果。/n

【技术特征摘要】
1.一种对静止无功发生器的参数进行识别的方法，其特征在于，所述方法包括：
根据风电场的静止无功发生器的动态运动特性，建立所述静止无功发生器的多个数学模型，并确定所述多个数学模型中待识别的参数；
根据所述多个数学模型中待识别的参数随风速波动的变化特性，对所述多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值；
根据功率加权法，确定所述多方式混合识别算法的目标函数，通过差分算法反复迭代对所述参数初始值进行修正；以及
对修正后的参数初始值进行识别，确定识别结果。


2.根据权利要求1所述的方法，其特征在于，根据风电场的静止无功发生器的动态运动特性，建立所述静止无功发生器的多个数学模型，包括：
根据风电场的静止无功发生器的动态运动特性，建立直流电压外环的线性控制器模型；
根据风电场的静止无功发生器的动态运动特性，建立并网电压外环的线性控制器模型；以及
根据风电场的静止无功发生器的动态运动特性，建立电流内环的线性控制器模型。


3.根据权利要求2所述的方法，其特征在于，所述数学模型中待识别的参数，包括：
所述直流电压外环的线性控制器模型的比例、所述直流电压外环的线性控制器模型的积分系数、所述并网电压外环的线性控制器模型的比例、所述并网电压外环的线性控制器模型的积分系数、所述电流内环的线性控制器模型的比例、所述电流内环的线性控制器模型的积分系数以及所述静止无功发生器的线路电感。


4.根据权利要求1所述的方法，其特征在于，根据所述多个数学模型中待识别的参数随风速波动的变化特性，对所述多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值，包括：
根据所述多个数学模型的参数随风速波动的变化规律，将所述静止无功发生器的多个数学模型划分为低风速模型以及全风速模型；以及
对所述低风速模型以及所述高风速模型的参数进行识别；
其中所述低风速模型和所述高风速模型属于全风速模型，所述低风速模型用于表征风电场中风速在6m/s-8m/s之间随机波动，所述高风速模型用于表征风电场中风速在9m/s-12m/s之间随机波动，所述全风速模型用于表征风电场中风速在6m/s-12m/s之间随机波动。


5.根据权利要求4所述的方法，其特征在于，根据所述多个数学模型中待识别的参数随风速波动的变化特性，对所述多个数学模型进行分类，并确定多方式混合识别算法的参数的初始值，还包括：
对所述低风速模型和所述高风速模型的参数的灵敏度进行分析；
选取与所述低风速模型相关的多个直流电压外环的线性控制器模型的比例、多个直流电压外环的线性控制器模型的积分系数以及多个电流内环的线性控制器模型的比例；
选取与所述高风速模型相关的多个并网电压外环的线性控制器模型的比例、多个并网电压外环的线性控制器模型的积分系数、多个电流内环的线性控制器模型的积分系数以及多个静止无功发生器的线路电感；以及
将与所述低风速模型相关的多个多个直流电压外环的线性控制器模型的比例、多个直流电压外环的线性控制器模型的积分系数以及多个电流内环的线性控制器模型的比例、与所述高风速模型相关的多个并网电压外环的线性控制器模型的比例、多个并网电压外环的线性控制器模型的积分系数、多个电流内环的线性控制器模型的积分系数以及多个静止无功发生器的线路电感确定为多方式混合识别算法的参数初值。


6.根据权利要求1所述的方法，其特征在于，根据功...

【专利技术属性】
技术研发人员：高磊，郭强，孙华东，褚晓杰，安宁，武朝强，霍承祥，吴剑超，韩志勇，息梦，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：北京;11