基于改进原子分解参数辨识的SVC控制器设计方法技术

本发明专利技术公开了一种基于改进原子分解参数辨识的SVC控制器设计方法，本发明专利技术基于过完备阻尼正弦原子库，通过引入余弦迁移模型、混合迁移算子以及变异策略改进生物地理学优化法，采用改进的生物地理优化法优化原子分解法，采用改进的原子分解法分解次同步振荡信号并辨识次同步振荡模态参数；基于辨识的次同步振荡模态参数设计SVC次同步阻尼控制器，采用粒子群算法优化SVC次同步阻尼控制器。本发明专利技术能快速、准确地辨识出次同步振荡模态参数，且设计的SVC次同步阻尼控制器具有良好的次同步振荡抑制效果。

【技术实现步骤摘要】
基于改进原子分解参数辨识的SVC控制器设计方法
本专利技术涉及电力系统安全稳定运行，更具体地涉及一种基于改进原子分解参数辨识的SVC控制器设计方法。
技术介绍
随着我国电力系统规模的扩大和结构的进一步复杂，电力系统中的次同步振荡问题亟待解决。当发生次同步振荡时，机械系统的轴系和电气系统会产生增幅的扭振，严重时会导致发电机转子轴系断裂，从而造成重大事故。快速准确地辨识次同步振荡模态参数，对于次同步振荡监测、预警以及控制措施的制定都起着至关重要的作用。随着广域测量系统的快速发展，基于实测数据提取次同步振荡模态参数的方法因其无需详细的系统模型和大规模特征值计算，且能适应系统运行方式和参数的变化，而逐渐得到广泛应用。目前基于实测数据的次同步振荡模态辨识的典型方法有：Prony分析法、FFT（快速傅氏变换）算法、小波分析法、希尔伯特-黄变换法（HHT）等。但传统的Prony算法抗噪能力差；FFT算法无法提取振荡的瞬时频率和衰减因子；小波分析法较难区分信号中的相近频率，不利于扭振模态参数的提取；HHT方法则对信号的采样率要求较高。因此，现有的方法难以有效地辨识次同步振荡模态。静止无功补偿器（staticvarcompensators，SVC）等FACTS（柔性交流输电系统）装置在电压控制和阻尼控制方面已有一定的应用。张帆等在期刊《高电压技术》（2007,33(3):26-31）发表的《采用SVC抑制发电机次同步谐振的理论与实践》全面介绍了抑制次同步谐振（Subsynchronousresonance，SSR）的SVC，并分析了SVC抑制SSR的原理，提出了各种控制方式和SVC容量的估算方法，并以托克托工程为例，利用时域仿真分析了SVC抑制SSR的效果，验证了SVC在抑制SSR方面的有效性。谢小荣等在期刊《电力系统自动化》（2009,33(19):11-14）发表的《采用遗传-模拟退火算法优化设计SVC次同步阻尼控制器》建立适应SSR分析与控制设计、包含SVC的多机系统线性化模型后，提出了基于独立模态控制思路的控制器结构，然后将控制参数设计问题规范为一个约束型非线性规划问题，进而采用遗传-模拟退火(GASA)算法求解得到控制参数，采用特征值分析和时域仿真验证了控制系统的有效性。针对次同步振荡而设计的SVC次同步阻尼器（SSDC）能够有效地抑制次同步振荡，但目前常见的控制器设计方法往往不能很好地适应电力系统时变非线性的特点，使得设计出来的控制器无法得到较好的抑制效果。
技术实现思路
针对现有技术存在的不足，本专利技术提供了一种能快速准确地辨识出次同步振荡模态参数的、基于改进原子分解法的次同步振荡模态参数辨识方法，并同时提出了一种基于改进原子分解参数辨识的SVC控制器设计方法，所设计SVC控制器对次同步振荡具有良好抑制效果。为解决上述技术问题，本专利技术采用如下的技术方案：一、基于改进原子分解法的次同步振荡模态参数辨识方法，该方法采用生物地理学优化算法优化的原子分解法辨识次同步振荡模态参数，包括步骤：步骤一，以次同步振荡信号的模态参数为原子索引构建待辨识的次同步振荡信号原子库，基于次同步振荡信号原子库随机生成初始化种群；步骤二，对次同步振荡信号进行原子分解，以次同步振荡信号或当前信号残差与原子内积为栖息地适宜度指数，采用生物地理学优化算法搜索种群获得个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数。步骤二中所述的采用生物地理学优化算法搜索种群获得个体最优解，具体为：（1）搜索当前种群获得当前个体最优解，判断当前个体最优解的栖息地适宜度指数值是否小于设定的误差限，若小于设定的误差限，则该当前个体最优解即为搜索获得的个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数，完成次同步振荡模态参数的辨识；否则，继续步骤（2）；（2）对当前种群内物种进行迁移操作形成新种群，将新种群中各栖息地适宜度指数最大的物种作为当前个体最优解，然后，执行步骤（3）；（3）对新种群进行变异操作以优化当前个体最优解，然后，执行步骤（4）；（4）判断生物地理学优化算法的迭代次数是否达到预设的最大迭代次数，若达到，则保存当前个体最优解及其栖息地适宜度指数，然后，执行步骤（5）；否则，重新执行步骤（2）进行生物地理学优化算法的下一次迭代；（5）判断次同步振荡信号的分解次数是否达到预设的最大分解次数M，若达到，则该当前个体最优解即为搜索获得的个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数，完成次同步振荡模态参数的辨识；否则，重新执行步骤2中的子步骤2.1和2.2进行下一次信号分解。上述步骤（2）中所述的对当前种群内物种进行迁移操作形成新种群具体为：（2-a）采用余弦迁移模型获取当前种群内物种的迁入率及迁出率，并根据迁入率和迁出率获取物种数量；（2-b）根据物种迁入率、迁出率及数量对种群内物种进行迁移操作。上述步骤（2）中所述的迁移操作采用混合迁移算子进行，即将临近栖息地Xj中的适宜度向量与自身栖息地Xi的适宜度向量按权重结合，取代自身栖息地Xi的适宜度向量。上述步骤（3）中所述的变异操作为基于变尺度混沌局部优化的变异操作。上述步骤（3）中所述的对新种群进行变异操作以优化当前个体最优解，具体为：对新种群进行变异操作以获得变异操作后的个体最优解，若变异操作后的个体最优解的息地适宜度指数由于当前个体最优解，则将变异操作后的个体最优解作为当前个体最优解；否则，当前个体最优解保持不变。二、基于改进原子分解参数辨识的SVC控制器设计方法，包括步骤：步骤1，初始化粒子群算法的最大迭代次数K、粒子数目N、粒子的位置和速度，粒子的位置由SVC次同步阻尼控制器的控制参数构成；步骤2，采用生物地理学优化算法优化的原子分解法辨识次同步振荡模态参数，该步骤进一步包括子步骤：2.1以次同步振荡信号的模态参数为原子索引构建待辨识的次同步振荡信号原子库，基于次同步振荡信号原子库随机生成初始化种群；2.2对次同步振荡信号进行原子分解，以次同步振荡信号或当前信号残差与原子内积为栖息地适宜度指数，采用生物地理学优化算法搜索种群获得个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数；步骤3，基于辨识的次同步振荡模态参数，采用粒子群算法优化SVC次同步阻尼控制器，该步骤进一步包括子步骤：3.1利用次同步振荡模态参数中的频率指导SVC模态分离控制策略，设计SVC次同步阻尼控制器带宽；3.2利用次同步振荡模态参数中的阻尼系数获得衰减系数，并基于衰减系数构建评价SVC次同步阻尼控制器性能的目标函数，所述的目标函数为在衰减系数均为负值的基础上各模态衰减系数平均数绝对值最大；3.3以目标函数为适应度函数，采用粒子群算法搜索获得粒子的全局最优位置，即完成SVC次同步阻尼控制器的设计；粒子群算法的每次迭代中，均采用步骤2所述的原子分解法辨识本次迭代的粒子全局最优解位置对应的衰减系数，并采用该辨识的衰减系数更新适应度函数。上述步骤3.3中所述的采用粒子群算法搜索获得粒子的全局最优位置，具体包括步骤：（1）以目标函数为适应度函数，采用粒子群算法搜索获得粒子的当前全局最优位置，采用步骤2所述的原子分解法辨识粒子的当前全局最优解位置对应的衰减系数本文档来自技高网...

【技术保护点】
基于改进原子分解法的次同步振荡模态参数辨识方法，其特征在于：采用生物地理学优化算法优化的原子分解法辨识次同步振荡模态参数，包括步骤：步骤一，以次同步振荡信号的模态参数为原子索引构建待辨识的次同步振荡信号原子库，基于次同步振荡信号原子库随机生成初始化种群；步骤二，对次同步振荡信号进行原子分解，以次同步振荡信号或当前信号残差与原子内积为栖息地适宜度指数，采用生物地理学优化算法搜索种群获得个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数。

【技术特征摘要】
1.基于改进原子分解参数辨识的SVC控制器设计方法，其特征在于，包括步骤：步骤1，初始化粒子群算法的最大迭代次数K、粒子数目N、粒子的位置和速度，粒子的位置由SVC次同步阻尼控制器的控制参数构成；步骤2，采用生物地理学优化算法优化的原子分解法辨识次同步振荡模态参数，该步骤进一步包括子步骤：2.1以次同步振荡信号的模态参数为原子索引构建待辨识的次同步振荡信号原子库，基于次同步振荡信号原子库随机生成初始化种群；2.2对次同步振荡信号进行原子分解，以次同步振荡信号或当前信号残差与原子内积为栖息地适宜度指数，采用生物地理学优化算法搜索种群获得个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数；所述的采用生物地理学优化算法搜索种群获得个体最优解，具体为：(1)搜索当前种群获得当前个体最优解，判断当前个体最优解的栖息地适宜度指数值是否小于设定的误差限，若小于设定的误差限，则该当前个体最优解即为搜索获得的个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数，完成次同步振荡模态参数的辨识；否则，继续步骤(2)；(2)对当前种群内物种进行迁移操作形成新种群，将新种群中各栖息地适宜度指数最大的物种作为当前个体最优解，然后，执行步骤(3)；(3)对新种群进行变异操作以优化当前个体最优解，然后，执行步骤(4)；(4)判断生物地理学优化算法的迭代次数是否达到预设的最大迭代次数，若达到，则保存当前个体最优解及其栖息地适宜度指数，然后，执行步骤(5)；否则，重新执行步骤(2)进行生物地理学优化算法的下一次迭代；(5)判断次同步振荡信号的分解次数是否达到预设的最大分解次数M，若达到，则该当前个体最优解即为搜索获得的个体最优解，将个体最优解对应的原子参变量转换为次同步振荡信号模态参数，完成次同步振荡模态参数的辨识；否则，重新执行步骤2中的子步骤2.1和2.2进行下一次信号分解；步骤(2)中所述的对当前种群内物种进行迁移操作形成新种群具体为：(2-a)采用余弦迁移模型获取当前种群内物种的迁入率及迁出率，并根据迁入率和迁出率获取物种数量；(2-b)根据物种迁入率、迁出率及数...

【专利技术属性】
技术研发人员：刘涤尘，董飞飞，廖清芬，吴军，岑炳成，宋春丽，朱振山，冀星沛，魏大千，
申请(专利权)人：武汉大学，
类型：发明
国别省市：