一种基于混合盒约束LM算法的柴油发电车参数化建模方法技术

本发明专利技术公开一种基于混合盒约束LM算法的柴油发电车参数化建模方法，该方法包括：

【技术实现步骤摘要】
一种基于混合盒约束LM算法的柴油发电车参数化建模方法


[0001]本专利技术涉及本专利技术涉及电器建模与控制领域，具体指一种基于混合盒约束LM算法的柴油发电车参数化建模方法。

技术介绍

[0002]柴油发电车具有供电功率较大、可随时移动及供电方式灵活便捷等特点，能够在电网发生故障停电时进行应急供电，减少停电时间，提高电网供电保障能力，已成为配电网应急供电电源的重要选择。
[0003]柴油发电车的稳定运行是保障高质量应急供电的基础，了解传统柴油发电车的动态响应至关重要。因此，柴油发电车的仿真建模可以通过对模型的实验来研究柴油发电车，变得尤为重要。然而，在现有关于柴油发电车的研究中，柴油发电车的建模参数是从公开的数据源中任意获得的，因此不能保证柴油发电车的动态响应会匹配给定操作条件下的现场操作结果。且现有的发电机参数化方法，通常是为大型涡轮发电机组开发的，难以应用于微电网应用中的小型kW级柴油发电车。

技术实现思路

[0004]针对现有发电车故障检测的现状，本专利技术的目的是：一种基于混合盒约束LM(Levenberg
‑
Marquardt)算法的柴油发电车参数化建模方法。
[0005]该方法仅使用有限测量点的负载阶跃变化测试同时估计一组完整的kW级柴油发电车参数，提供了一种更具成本效益和鲁棒性的方法来实现柴油发电车的高保真建模。本专利技术开发的两阶段混合盒约束LM(H
‑
BCLM)算法可以用于搜索给定参数边界的最优参数集。采用的启发式算法，即基于广义反对的学习遗传算法(GOL
‑
GA)，可用于在第一阶段识别适当的初始估计，然后采用了改进的 Levenberg
‑
Marquardt算法，旨在基于第一阶段微调解决方案结果。 1、一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于，基本步骤为：
[0006]1)建立柴油发电车建模；
[0007]2)用动态系统的非线性最小二乘问题表述发电车模型的参数化问题；
[0008]3)采用混合盒约束Levenberg
‑
Marquardt(H
‑
BCLM)算法，参数化柴油发电车模型。
[0009]步骤3)中采用混两阶段混合盒约束Levenberg
‑
Marquardt (H
‑
BCLM)算法搜索给定参数边界的最优参数集；采用启发式算法，即基于广义反对的学习遗传算法(GOL
‑
GA)，在第一阶段识别适当的初始估计，然后采用改进的Levenberg
‑
Marquardt算法，在第一阶段微调解决方案结果。最终完成柴油发电车高保真参数化建模。
[0010]优选地，柴油发电车模型由多个子系统组成：柴油机、励磁系统、同步发电机，该模型包含两个元素：比例转速控制和机械制动器系统；若需要零稳态误差，可以用比例积分微分控制器代替比例速度控制；柴油机的动力学模型表示为：
[0011][0012][0013]其中q1和q2是柴油发电车可控标准型的状态变量；P
m
为机械功率；ω是转子速度。
[0014]优选地，励磁系统模型由自动电压调节器(AVR)和励磁机组成， AVR被建模为一阶传递函数，而激励器被建模为比例积分控制器，在励磁机输出后增加饱和块，避免励磁电压达到不可行范围，励磁系统模型表示为：
[0015][0016][0017]其中ξ1和ξ2是励磁系统可控规范形式的状态变量；V
t
为测得的定子电压幅值；V
f
是激励电压。
[0018]优选地，同步发电机模型基于磁通衰减模型构建，在当不等式条件T
′
qo
＜＜T
′
do
成立时，通过消除T
′
qo
推导出来的模型，同步发电机模型包括励磁绕组动态平衡方程和机械动态平衡方程，方程写成三阶系统：
[0019][0020]其中E
′
q
是磁场磁链；I
d
和I
q
是d轴和q轴定子电流；δ是转子角位置；
[0021]柴油发电车模型如公式(1)
‑
(5)所示，是一个七阶非线性动态系统，网络约约束可以写成代数方程，代数方程的形式取决于网络的特性，但所有代数方程都可以通过代入微分方程来消除，在典型的模型设置中，网络约束仅代表一个组件，例如电源、无源负载或感应电机，以阻性负载为例，代数方程如下：
[0022][0023][0024][0025]柴油发电车模型参数：
[0026]m:调速增益
[0027]ω
ref
:额定转速
[0028]P
ref
：额定功率
[0029]T1,T2,T3：柴油发电车时间常数
[0030]V
tref
：额定端电压
[0031]T
v
：AVR增益
[0032]K
v：
AVR时间常数
[0033]K
pe
,K
ie
：励磁机PI增益
[0034]H:惯性常数
[0035]ω
s
:同步转速
[0036]D
f
:摩擦系数
[0037]X
d
:d轴同步电抗
[0038]X
′
d
:d轴瞬态电抗
[0039]X
q
:q轴同步电抗
[0040]T
do
:d轴瞬态开路时间常数
[0041]R
s
:定子电阻。
[0042]优选地，用动态系统的非线性最小二乘问题表述发电车模型的参数化问题，
[0043]模型参数化问题的目标是找到一组最佳模型参数，以使模型响应与给定测量值之间的不匹配成都最小化，该问题属于非线性最小二乘 (NLSQ)问题的范畴，其目标定义如下：
[0044][0045]其中θ是R
n
中的向量，包含要估计的模型参数，n是系统参数向量的长度；z(t
k
)和y(t
k
)分别是在时间为t
k
的测量和模拟输出向量，并且都在R
m
中；m是系统输出向量的长度；N是数据点的数量；
[0046]目标函数(9)服从上面定义的柴油发电车模型(1
‑
8)的非线性动态系统方程，表示如下：
[0047][0048]y(t
k
)＝g[x(t
k
),u(t
k
),θ]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0049]其中x(t
k
)是状态变量向量；u(t
k
)是输入干扰向量；x0是具有初始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于，基本步骤为：1)建立柴油发电车建模；2)用动态系统的非线性最小二乘问题表述发电车模型的参数化问题；3)采用混合盒约束LM(H
‑
BCLM)算法，参数化柴油发电车模型。2.如权利要求1所述的一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于：柴油发电车模型由多个子系统组成：柴油机、励磁系统、同步发电机，该模型包含两个元素：比例转速控制和机械制动器系统；若需要零稳态误差，可以用比例积分微分控制器代替比例速度控制；柴油机的动力学模型表示为：器代替比例速度控制；柴油机的动力学模型表示为：其中q1和q2是柴油发电车可控标准型的状态变量；P
m
为机械功率；ω是转子速度。3.如权利要求2所述的一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于：励磁系统模型由自动电压调节器(AVR)和励磁机组成，AVR被建模为一阶传递函数，而激励器被建模为比例积分控制器，在励磁机输出后增加饱和块，避免励磁电压达到不可行范围，励磁系统模型表示为：可行范围，励磁系统模型表示为：其中ξ1和ξ2是励磁系统可控规范形式的状态变量；V
t
为测得的定子电压幅值；V
f
是激励电压。4.如权利要求2所述的一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于：同步发电机模型基于磁通衰减模型构建，在当不等式条件T
′
qo
＜＜T
′
do
成立时，通过消除T
′
qo
推导出来的模型，同步发电机模型包括励磁绕组动态平衡方程和机械动态平衡方程，方程写成三阶系统：
其中E
′
q
是磁场磁链；I
d
和I
q
是d轴和q轴定子电流；δ是转子角位置；柴油发电车模型如公式(1)
‑
(5)所示，是一个七阶非线性动态系统，网络约约束可以写成代数方程，代数方程的形式取决于网络的特性，但所有代数方程都可以通过代入微分方程来消除，在典型的模型设置中，网络约束仅代表一个组件，例如电源、无源负载或感应电机，以阻性负载为例，代数方程如下：机，以阻性负载为例，代数方程如下：机，以阻性负载为例，代数方程如下：柴油发电车模型参数：m:调速增益ω
ref
:额定转速P
ref
：额定功率T1,T2,T3：柴油发电车时间常数V
tref
：额定端电压T
v
：AVR增益K
v
：AVR时间常数K
pe
,K
ie
：励磁机PI增益H:惯性常数ω
s
:同步转速D
f
:摩擦系数X
d
:d轴同步电抗X
′
d
:d轴瞬态电抗X
q
:q轴同步电抗T
do
：d轴瞬态开路时间常数R
s
:定子电阻。5.如权利要求2所述的一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于：用动态系统的非线性最小二乘问题表述发电车模型的参数化问题，
模型参数化问题的目标是找到一组最佳模型参数，以使模型响应与给定测量值之间的不匹配成都最小化，该问题属于非线性最小二乘(NLSQ)问题的范畴，其目标定义如下：其中θ是R
n
中的向量，包含要估计的模型参数，n是系统参数向量的长度；z(t
k
)和y(t
k
)分别是在时间为t
k
的测量和模拟输出向量，并且都在R
m
中；m是系统输出向量的长度；N是数据点的数量；目标函数(9)服从上面定义的柴油发电车模型(1
‑
8)的非线性动态系统方程，表示如下：y(t
k
)＝g[x(t
k
),u(t
k
),θ]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)其中x(t
k
)是状态变量向量；u(t
k
)是输入干扰向量；x0是具有初始条件的状态变量向量；y(t
k
)是输出向量，函数f和g是非线性和实值的，为了与网络约束(6
‑
8)保持一致，让u(t
k
)＝R
load
(t
k
)来表示连接到柴油发电车的阻性负载，并且在负载阶跃测试时它是一个阶跃信号。6.如权利要求2所述的一种基于混合盒约束LM算法的柴油发电车参数化建模方法，其特征在于：设柴油发电车参数界限定义如下：其中θ
i
和是θ
i
的下界和上界，参数边界应设置为与参数的物理含义一致，时间常数应始终为正值，动态系统的非线性最小二乘：为了解决公式(9
‑
12)的NLSQ问题，驻点必须满足一阶最优性条件：从初始估计θ0开始，使用牛顿迭代求解上述方程(13)，表达式如下：其中i是迭代指数，目标函数的Hessian矩阵如下：
根据公式(3
‑
15)可以看出，参数更新的每次迭代都需要进行三种计算：1)在θ
i
处求得的系统输出响应y(t
k
)；2)系统输出响应在θ
i
处的梯度3)系统输出响应Hessian矩阵在θ
i
处的模型响应y(...

【专利技术属性】
技术研发人员：郭强，王辉东，姚海燕，留毅，胡翔，周广方，崔金栋，
申请(专利权)人：国网浙江省电力有限公司杭州市余杭区供电公司国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：