【技术实现步骤摘要】
本专利技术属于新能源发电参数辨识，特别是一种基于改进麻雀算法的双馈风机参数辨识方法。
技术介绍
1、在电网稳定性问题的研究中，目前电网分析主要依靠数字仿真或混合仿真，随着新能源比例的不断提升，模型仿真精度对电网稳定性的影响已不能忽视，正确的仿真模型和参数是研究新能源并网逆变器故障特性及保护技术的基础，因此对风机控制器的参数辨识具有重要的研究意义。
2、在现有的特高压交直流混联电网中，同时接入了大规模的新能源，使得电网运行特性变得更加复杂，控制难度加大，大电网仿真而临严峻考验；加之现有电网中已并网新能源发电设备厂商众多，新能源发电机型超过上百个，不同厂商不同型号的设备结构和并网特性差异显著，采用典型模型参数仿真不能准确模拟不同机型的关键并网特性，难以满足电网仿真计算需求；因此，需要设计一种基于改进麻雀算法的双馈风机参数辨识方法来解决上述问题。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于改进麻雀算法的双馈风机参数辨识方法，对于在pscad中建立的双馈风电机组低电压穿越辨识模型，基于麻雀算法对pscad双馈风机暂态模型进行控制参数的辨识，能准确可靠辨识出双馈风机暂态模型中关键控制参数包括网侧变流器pi控制器控制参数。
2、为实现上述技术效果，本专利技术所采用的技术方案是：
3、一种基于改进麻雀算法的双馈风机参数辨识方法，包括：
4、s1，将双馈风机的控制参数划分为关键控制参数和非关键控制参数，非关键控制参数采用固定的典型参
5、将kp5、kp6、kp7、ki5、ki6、ki7选为待辨识参数，其中，kp5为gsc电压控制器比例系数，ki5为gsc电压控制器积分控制系数，kp6为gsc的d轴电流内环比例控制系数，ki6为gsc的d轴电流内环积分控制系数，kp7为gsc的q轴电流内环比例控制系数，ki7为gsc的q轴电流内环积分控制系数；
6、s2，在pscad中搭建双馈风机控制系统模型，分析参数灵敏度以识别最佳的观测量，通过调节关键控制参数得到多组输出数据，构建原模型与辨识模型的误差函数；
7、s3，通过改进麻雀算法，基于关键控制参数和输出数据对建立的误差函数寻优求解，将寻优结果作为辨识模型关键控制参数辨识结果，得到双馈风机待辨识控制参数的辨识结果；
8、s4，对辨识得到的辨识模型和原模型进行对比验证，判断辨识模型的可靠性。
9、优选地，步骤s2的方法为：
10、s201，在系统并网初设置三相短路故障，分析参数灵敏度以识别最佳的观测量，根据各参数的灵敏度值选择对应的扰动和观测量；轨迹灵敏度值计算公式及参数曲线为：
11、；
12、；
13、式中，sj为第j个参数的灵敏度值，y(﹒)为模型的输出，n为采样次数，y0为输出的稳态值，kr为除kj之外的其他参数的精确值，kj0为kj的给定值，δkj为kj的变化量，优选为10%，即δkj=0.1 kj0；对于每个参数kj，计算在增加和减少扰动幅度时的系统输出变化yi(krkj+δkj,n)以及yi(krkj0-δkj,n)，将上述结果代入sj即可得到具体灵敏度数值；
14、根据灵敏度计算结果，选取有功功率p、无功功率q和无功电流iq作为电压跌落扰动下的观测变量，判断控制参数的可辨识性；
15、s202，构建原模型与辨识模型的误差函数：
16、以三组输出信号的方差和，按计算所得的多目标误差函数公式计算所有寻优值的适应度值：
17、；
18、式中，表示第x个时间点的值，k表示一组数据中有多少个数据，表示实际rtlab中的运行结果、表示根据预测参数填入仿真模型中的值，二者相减的差的平方，作为使用参数辨识方法的适应度取值。
19、优选地，步骤s3的方法为：
20、s301，建立寻优过程受个体最优值和种群最优值影响的函数；种群个体位置更新公式为：
21、；
22、式中，为第i只麻雀在d维搜索空间内的位置；θ为(0,1]之间的随机常量；itermax为最大迭代次数；r2表示警戒值；ssafe为安全值；q为正态分布的随机数；l为d维单位列向量；当觅食环境安全，即r2<rsafe时，发现者可在此觅食；当觅食环境危险，发现者则会发出警报，示意种群去其他位置进行捕食；
23、随着搜索次数增加，搜索步长应更加精细，探索潜在的优化方向，搜索步长的动态调整公式如下式所示：
24、；
25、；
26、式中，stepα1为r2；α为自适应调节因子，0<α<1，stepα0为搜索步长初始值；h为当前搜索次数；hmax为搜索次数最大值；
27、在捕食行为中，认为较接近最优解时，捕食者的围攻步长也应逐渐减小，公式如下式所示：
28、；
29、；
30、式中，stepc1为ssafe；β为调节因子，0<β<1，rand为随机生成的(-1,1)之间的数，stepc0为搜索步长初始值，n为当前的迭代次数，nmax为迭代次数最大值；
31、s302，初始化个体迭代基本参数，设置种群个体数、总迭代次数、粒子维度、个体x最大值 maxx、最小值minx以及临界适应度值ε；
32、s303，引入logistic-tent复合混沌映射初始化麻雀群体在解空间中的位置：
33、；
34、式中，zi+1为生成的复合混沌序列，zi范围为[0,1]；r为控制参数的取值范围，为[0,4]；modl为取模运算；
35、s303，根据迭代次数调整个体搜索步长和捕食者围攻步长，并更新种群中个体位置；
36、将由上式生成的复合混沌序列用于生成麻雀个体在搜索区域内的初始解位置序列：
37、；
38、式中，mi为初始化后麻雀个体位置序列；xi,max、xi,min分别对应解空间的上界和下界；
39、s304，为了避免算法陷入局部最优解，在每次迭代后，对一部分个体进行随机迁移：
40、；
41、式中，表示t代全局最优位置；表示第t代的全局最差位置；
42、s305，按麻雀个体位置的更新公式更新xi,j的位置，将xi,j带入计算麻雀种群适应度；
43、s306，若满足<ε或达到迭代次数，则停止迭代，输出最优解即为控制参数的辨识结果，否则重复步骤s301-s305，直至满足<ε或达到迭代次数，则停止迭代。
44、优选地，步骤s4包括对issa算法优化得到的辨识结果和电压跌落程度20％、40％、60％和80％下的硬件在环实验数据进行对比验证。
45、进一步地，步骤s4中，为了进一步验证所提模型本文档来自技高网...
【技术保护点】
1.一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，所述步骤S2的方法为：
3.根据权利要求2所述的一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，所述步骤S3的方法为：
4.根据权利要求3所述的一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，所述步骤S4包括对ISSA算法优化得到的辨识结果和电压跌落程度20％、40％、60％和80％下的硬件在环实验数据进行对比验证。
【技术特征摘要】
1.一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进麻雀算法的双馈风机参数辨识方法，其特征在于，所述步骤s2的方法为：
3.根据权利要求2所述的一种基于改进麻雀算法的双馈风机参数辨识方...
【专利技术属性】
技术研发人员：叶伟，尚国斌，吴文涛，袁焜，张彪，张云峰，王明德，马智明，柳秀一男，李先玥，
申请(专利权)人：青海德泓电力科技有限公司，
类型：发明
国别省市：
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。