【技术实现步骤摘要】
一种基于改进粒子群算法的微网惯性常数估计方法
[0001]本专利技术涉及一种微电网的电力系统惯性常数估计方法,尤其是涉及一种基于改进粒子群算法的微网惯性常数估计方法。
技术介绍
[0002]惯性是电力系统的固有属性,具体表现为电力系统对扰动引起频率波动的阻抗作用,是系统稳定运行的基本条件。惯量是用来衡量电力系统惯性大小的物理量,表现为系统受到扰动所吸收或注入有功功率能力的参数。电力系统稳定运行时需要将系统频率维持在一定的范围。当系统受到扰动后,系统频率变化率受系统惯性时间常数的影响,惯性时间常数越大,系统频率变化率越小,系统频率下降得越慢,系统抗扰动能力越强。因此,惯性常数是表征系统惯量大小,体现系统稳定性的重要参数。
[0003]传统的惯性常数估计方法一般采用发电机摇摆方程来计算惯性常数。虽然传统的惯量估计方法准确性较高,但需要电网中大扰动的激励,例如线路短路,发电机组退出运行等,不利于电网的稳定运行,不能实现惯量的实时评估,而且适用性较低。
[0004]基于改进粒子群算法的微网惯性常数估计方法利用微网正常运行时的有功功率与频率变化,使用ARMAX系统辨识,建立由发电机有功功率变化到频率变化的模型,将模型的离散函数转换为连续函数,利用改进粒子群算法降阶,由降阶结果和摆动方程的传递函数形式对比获取惯性常数。和传统惯量评估方法相比较,该方法只需利用微网正常运行时的数据就可以进行惯量评估,不需要大扰动。传统评估方法需要确定大扰动发生时刻,并且在调频过程中无法区分惯量响应与一次调频响应,而该方法在电力系统正
【技术保护点】
【技术特征摘要】
1.一种基于改进粒子群算法的微网惯性常数估计方法,其特征在于,包括以下步骤:S1:获取微网正常运行时发电机出口侧的有功功率与频率波动,并对有功功率和频率波动数据进行预处理;S2:将S1预处理后的有功功率变化作为输入,预处理后的频率变化作为输出,构建由有功功率变化到频率变化的ARMAX辨识模型,并求得所述ARMAX辨识模型的离散采样函数;ARMAX辨识模型由确定性和随机性两部分组成,描述确定性部分的传递函数B(q)/A(q)为ARMAX辨识模型的离散采样函数;S3:将S2求得的所述ARMAX辨识模型的离散采样函数转换成连续的高阶传递函数;S4:根据S3求得高阶传递函数,通过改进的自适应免疫双态粒子群算法降为一阶传递方程的传递函数;S5:将S4得到的一阶传递方程和同步发电机的摇摆方程的传递函数形式对比获取阻尼系数和惯性时间常数。2.根据权利要求1所述的一种基于改进粒子群算法的微网惯性常数估计方法,其特征在于:所述S1中有功功率和频率波动数据预处理包括以下步骤:(1)标幺化,除以各自的基准值,将信号从有名值转化为标幺值;(2)去均值,对于仿真系统数据,通过去均值的方法去除信号的直流分量;(3)预滤波,对信号进行预滤波,从而滤除影响惯性常数辨识的高频分量;(4)重复采样,为了防止执行辨识程序时数值不稳定,将信号的采样率降低再重新采样。3.根据权利要求1所述的一种基于改进粒子群算法的微网惯性常数估计方法,其特征在于,所述S2构建的ARMAX辨识模型,其结构如下:y(k)+a1y(k
‑
1)+a2y(k
‑
2)+
…
+a
na
y(k
‑
na)=b1u(k
‑
1)+b2u(k
‑
2)+
…
+b
nb
u(k
‑
nb)+e(k)+c1e(k
‑
1)+c2e(k
‑
2)+
…
+c
nc
e(k
‑
nc)其中k=n+1,n+2,
…
,t,n=max{na,nb,nc},y(k)表示系统k时刻的输出,u(k)表示系统k时刻的输入,e(k)表示噪声项;ARMAX辨识模型由参数向量θ确定:θ=[a1,a2,
…
,a
na
,b1,b2,
…
,b
nb
,c1,c2,
…
,c
nc
]其中n
a
是自回归模型的阶数,n
b
是输入模型的阶数,n
c
是移动平均模型的阶数,a1…
a
na
,b1…
b
nb
,c1…
c
nc
为所需求解的辨识模型的系数;所述ARMAX辨识模型是一个为多项式模型,可以表示为传递函数的形式:多项式A(q),B(q),C(q)分别为:A(q)=1+a1q
‑1+
…
+a
na
q
‑
na
B(q)=b1q
‑1+
…
+b
nb
q
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。