Prony法在同步发电机参数辨识中应用

提出在同步发电机短路试验中应用Prony法实现参数辨识。用Prony法对三相短路电流实测数据进行指数函数的最小二乘拟合,可确定同步发电机的大部分参数。同步发电机参数辨识分4步实现:确定Prony法中的拟合模型阶数、采样总数和采样间隔;对空载三相短路电流进行实测或录波;利用Prony法辨识三相短路电流中各分量对应的特征量;利用所得特征量辨识同步发电机参数。通过对算例发电机进行数值辨识,结果表明该方法的有效性。研究结果显示:取采样时间间隔约为2ms时,辨识效果好;辨识精度与算法中拟合模型阶数、采样时间间隔和采样总数有关,并受信号中噪声的影响,需加以改进。     

同步发电机参数与工况关系初探

简述采用时域加权最小二乘法在线辨识发电机参数的辨识算法,求得在各种工况下的发电机参数,并成功地用参数辨识结果作为样本集,建立反映发电机参数与工况关系的参数子模型。本参数辨识技术已就用于萧山发电厂2号发电机参数的在线辨识,获取了准确可信的发电机模型和参数。仿真计算验证了辨识参数及参数子模型的准确性。     

基于时频变换的同步发电机参数辨识方法

为获取准确的发电机参数尤其是暂态及次暂态参数以满足电力系统日益精细化的仿真要求,提出一种基于时频变换的同步发电机参数辨识方法。该方法首先将时域内的发电机微分方程组变换为频域内的代数方程,消去中间变量并经适当变形后再将原方程变换为时域内的积分方程。之后利用最小二乘法辨识出积分方程的系数,进而根据积分方程系数与发电机参数之间的关系求解出发电机参数。该法适用于大扰动试验,能较好地克服环境噪音和数值计算噪声对辨识的干扰,解决辨识结果不稳定的问题。结合机组投运前必做的甩负荷试验开展的辨识实例表明,所提算法具有较高的辨识精度和收敛性,便于工程应用。     

同步发电机参数辨识的蚁群算法及扰动分析

以发电机5阶实用模型为研究对象,利用励磁电压参考值的变化产生动态响应,采用蚁群算法辨识同步发电机参数,分析干扰的大小和类型对发电机参数辨识的影响.在RTDS仿真机组上验证了蚁群算法的可行性,结果表明,从扰动的大小上看,扰动越大,参数辨识的精度越高;从扰动的类型上看,白噪声激励下辨识精度较好,该激励更有利于激发同步发电机的次暂态过程;无论是哪种扰动方式,稳态参数的精度没有大的变化,改善的主要是次暂态参数的辨识精度.     

电力系统发电机参数整体辨识的多情景并行内点算法

同步发电机模型的准确性对电力系统稳定性研究影响甚大,如何快速准确地确定系统中发电机模型参数是电力系统建模领域非常重要的问题之一。利用广域测量装置,提出一种同时对多台发电机在线辨识算法。对多机系统多台发电机同时辨识问题建立了完整的数学模型,同时为了应对相量测量单元(PMU)测量误差,提出多情景参数辨识,提高辨识精度。多台发电机同时辨识问题是一类动态优化问题,采用内点法求解时,对大系统求解,计算时间过长。因参数辨识问题自由度较低,提出简约空间内点算法,极大地降低了计算时间,同时针对多情景辨识,提出情景解耦策略,并行求解该问题。对IEEE 9节点系统和IEEE 39节点系统进行算例测试发现,相对传统单机辨识算法,该方法对发电机辨识有较高的准确性,能较快地计算出辨识结果。     

同步发电机辨识参数对数据误差的敏感性分析

为了从理论上描述参数辨识结果受数据误差的影响程度,针对同步发电机六阶模型,给出了一种参数对数据误差的敏感性分析方法。基于稳态参数与暂态参数的辨识模型,分别构造了同步发电机稳态参数、暂态参数与数据误差的关系式,给出了参数对数据误差的上界估计。基于实测PMU数据,利用该分析方法,以电流误差为例,进行了计算参数对数据误差估计式的实例分析。结果表明,同步发电机参数受到电流数据误差的影响程度依次为稳态、暂态、次暂态参数。     

基于MDPSO的永磁直驱风力发电机参数辨识

针对永磁直驱风力发电机的多参数辨识问题以及传统参数辨识方法的收敛精度差、收敛速度慢等问题,提出了引入平均最优位置变量的自适应空间搜索向量的改进粒子群算法(MDPSO),对永磁直驱风力发电机参数辨识。根据永磁直驱风力发电机定子电压电流模型,进行pade近似并降阶处理后进行离散化,建立直驱风力发电机辨识模型;引入自适应空间搜索向量和平均最优位置变量改进粒子群算法;应用提出的MDPSO辨识直驱风力发电机定子绕组的电阻、电感和磁链等参数。算例仿真结果表明,提出的辨识算法具有精度高、计算速度快、稳定性高等特点,从而验证了建立的直驱风力发电机辨识模型及辨识算法的有效性。     

基于轨迹灵敏度的同步发电机参数辨识

为提高同步发电机暂态及次暂态参数辨识精度,提出了一种基于轨迹灵敏度的同步发电机参数辨识方法。首先确定了基于轨迹灵敏度的辨识数据区间选取方法,将量测的发电机参数的轨迹灵敏度作为指标,根据该指标的衰减程度,选取暂态及次暂态参数信息含量较大的量测数据作为辨识数据,以提高相应参数的辨识精度;其次采用抗差优化模型作为机组参数辨识优化模型,以提高参数辨识模型的抗干扰能力。算例验证了所提方法的有效性。     

利用励磁系统加阶跃扰动测量发电机参数

介绍一台QFQS-200-2汽轮发电机并网带负载运行时,对励磁系统加阶跃扰动,根据电机的暂态行为,用最小二乘方法一次辨识出汽轮发电机d、q轴参数的试验方法,由所得参数计算出的暂态过程与实测过程有较好的拟合.证明本文的方法是成功的.     

基于可量测量的同步发电机参数时域辨识

同步发电机模型中不可观测量的存在使得发电机参数辨识困难。在派克模型的基础上,推导出一种状态量均为量测量的同步发电机参数辨识模型,基于该模型提出用直接积分最小二乘原理来辨识发电机参数,并采用分步辨识策略进行辨识。采用所提模型和算法,所有状态量均可直接由积分求取,避免了求解复杂的微分方程,简化了参数辨识方法,提高了辨识效率,而且降低了噪声对辨识结果的影响。利用MATLAB进行算例仿真,将所提模型与派克模型和某文献模型进行对比,结果表明所提模型和算法正确、简单且精度高。     

基于AR谱估计和频谱分析的间谐波检测方法

自回归(Autoregressive,AR)谱估计方法频率分辨率高,但不易对间谐波幅值和相位实现精确计算;基于DFT的频谱分析方法能在辨识出各分量频率的基础上计算得到高精度的间谐波参数,但频率分辨率低。为此提出了一种结合这2种方法优势的算法来检测间谐波。首先采用基于最优窗加权修正的Burg算法估计出信号所含分量的大致频率,然后结合软件同步采样后的FFT频谱来分析计算各分量参数。同步采样时基波和谐波无泄漏,可以根据同步采样FFT谱线中只与间谐波有关的谱线来计算间谐波,此时间谐波谱线之间的相互干扰可通过利用间谐波谱线求解与间谐波参数有关的方程组来克服。最后对间谐波所靠近的基波和谐波谱线进行修正,就能保证谐波和间谐波参数精度都较高。实验证明,这种基于AR谱估计和频谱分析的间谐波检测方法能在分辨率和精度上得到兼顾。     

基于ELMAN神经网络的同步电机动态参数在线辨识

为提高同步电机参数在线辨识的速度和可靠性，减少辨识计算量，提出了一种基于神经网络的电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性，在多层前向BP网络中引入特殊关联层，形成有“记忆”能力的Elman神经网络，因而可以映射系统的非线性和动态特性。在网络训练算法中，提出一种自适应修正步长和矩量因子的算法，显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明，这种Elman神经网络模型能够实现同步电机动态参数的在线跟踪辨识。     

An improved chaos optimization algorithm-based parameter identification of synchronous generator

This paper proposes an improved chaos optimization algorithm (ICOA)-based parameter identification approach of synchronous generator. The proposed ICOA is the combination of mutative-scale parallel chaos optimization algorithm and simplex search method. The parameter identification of synchronous generator is considered as an optimization process with a fitness function minimizing the errors between the estimated values and measured values, and the proposed ICOA will search the optimal parameters values of the plant. Simulation results have show the effective performance of the proposed parameter identification approach.     

建立大型同步机组励磁系统动态参数

本文提出了一套辨识大型同步机组励磁系统动态参数的技术和全部过程，它们包括辨识方法、工业试验、动态校核以及效益论证。这组技术已被成功地用于实际电力系统并可证明其技术的可靠性和可行性，能适用于电力系统的参数估计。     

基于多新息最小二乘算法的电力线路参数辨识

随着电力系统的建设和发展,电网结构日益复杂,由于线路长期运行、周围环境变化等原因导致原有的线路参数模型与实际线路参数存在偏差,从而影响电力系统的实时监控和优化运行。考虑到电力系统输电线路中的数据采集与监控(SCADA)系统量测充足,提出基于多新息最小二乘(MILS)算法的线路参数辨识模型,实现全网线路的准确辨识和校正。首先,利用实时数字仿真(RTDS)系统搭建IEEE 39节点电力系统仿真模型,获得潮流运行数据;然后,在Matlab中进行参数辨识,将辨识结果与RTDS中的线路参数进行对比。结果表明,基于MILS算法的参数辨识结果具有较高估计精度,可作为电力系统可疑线路判断依据。     

A Quasilinearization Based Algorithm for the Identification of Transient and Subtransient Parameters of Synchronous Machines

This paper, a result of EPRI RP 1999-5, presents a powerful identification algorithm and assesses its strength for the determination of the transient and subtransient parameters of the synchronous machine. Quasilinearization, the least-squared-error concept and the transition matrix are used to derive the algorithm. In order for this algorithm to identify parameters, a mathematical structure of the system together with the trajectories of all the input variables and a set of output variables captured during a transient performance of the physical system are required. To assess this algorithm, the rotor speed, field voltage, terminal voltages and currents of a generator for a variety of transient performances are simulated. The simulated trajectories are mixed with various levels and types of noise, and are used as input to a computer program in which the identification algorithm under assessment is incorporated. The mathematical structure selected for the synchronous machine in this program, is one of the most detailed one adopted by many utilities. Values determined for transient and subtransient parameters by the identification algorithm are compared with those employed in the simulation program and hereby the strength of the algorithm is assessed.     

Dynamic fault location method for distribution networks with distributed generation

This paper presents a new analytical time-based fault location algorithm for radial distribution networks with synchronous generators used for distributed generation (DG). The algorithm uses the voltage and current samples recorded at the main feeder head along with the scheduled injected active and reactive powers by the network synchronous generators to estimate the fault location. A full order synchronous machine model has been used to consider dynamic behaviour of the DG plants during fault transients. The algorithm, therefore, uses time domain analysis and is dynamic in the sense that it uses the updated synchronous machines and network data at each time step. The algorithm is implemented in two sequential steps. In the initialisation step, by using the measured pre-fault voltage at the main feeder head and scheduled power injections by the DG plants, a pre-fault load flow calculation is performed to evaluate different parameters of the synchronous generators, initial values of the network node voltages, line section currents, loads and capacitive charging currents. In the second step, the numerical fault location algorithm is performed by moving the data window from the pre-fault to a post-fault cycle. The accuracy of the proposed algorithm has been validated by several simulated fault studies carried out on a 205-node 20 kV practical radial distribution feeder. The results have shown remarkable accuracy in fault location when considering only the current and voltage measurements at the main feeder head have been used.     

基于改进无迹卡尔曼滤波的短线路同杆并架双回线参数辨识

由于短线路同杆并架双回线通常不采用换位架设,存在线路参数不对称以及参数难以估计的问题。针对该问题,提出了一种基于改进无迹卡尔曼滤波法的短线路同杆并架双回线的参数辨识方法。首先根据短线路同杆并架双回线的特点,建立对应的阻抗模型、导纳模型和量测方程。然后根据量测误差修正量,在线校正量测值和误差方差阵补偿量测噪声。相比于其他参数辨识方法,所提方法考虑了短线路参数不对称性,因此更符合电网实际运行情况,且引入了量测误差修正量能够进一步提高参数辨识精度和稳定性。仿真结果验证了该方法的有效性。     

基于电阻耦合法的发电机励磁系统参数辨识

提出了一种基于电阻的信号耦合法,可将伪随机信号或阶跃信号耦合到自动电压调节器（AVR）的机端电压反馈信号中,用于解决目前某些发电机励磁控制系统时没有预留测试信号输入端子而难以进行励磁系统参数辨识试验的问题。该方法已用于某实际385MW同步发电机励磁系统现场测试,并用遗传算法进行了参数辨识。校验结果证明了该方法的有效性。     

基于PSO-动态修正算法的静态负荷模型辨识

采用具有全局寻优能力的微粒群优化(PSO)算法辨识负荷模型的参数;同时考虑负荷电压的变化,用动态修正法实时修正负荷模型的参数,建模仿真分析结果验证了PSO-动态修正算法的有效性和准确性.相对于线性回归分析的动态修正法,该算法能够提高负荷模型的辨识精度,所建模型更适合描述全电压范围下负荷的静态特性.