[發明專利]基于數據融合的發電機勵磁系統參數辨識方法、裝置和存儲介質

有效

• 申請號: 202010731951.1
• 申請日: 2020-07-27
• 公開（公告）號: CN111931613B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 黃志光;時艷強;陳浩;曹路;吳維寧;許其品;楊玲;朱宏超;馬騰宇;吳杰;劉麗麗;田煒
• 申請（專利權）人: 國家電網公司華東分部;國電南瑞科技股份有限公司;南瑞集團有限公司;國電南瑞南京控制系統有限公司
• 主分類號: G06F18/00
• 分類號: G06F18/00;G06F18/25;G06N3/006;G06N3/126;G06N3/084;G06N3/048;G06N3/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張倩倩

1.一種發電機勵磁系統參數辨識方法，其特征是，包括：

獲取發電機勵磁系統結構參數以及實際系統模型；

根據系統結構參數和實際系統模型輸入輸出特性，確定參數待辨識勵磁系統模型；參數待辨識勵磁系統模型的模型參數包括：響應于小階躍擾動信號影響發電機空載階躍響應的第一模型參數組，和響應于大階躍擾動信號影響發電機空載階躍響應的第二模型參數組；

向實際系統模型和參數待辨識勵磁系統模型分別多次施加小階躍擾動信號，并分別獲取實際系統模型和參數待辨識勵磁系統模型響應于所述小階躍擾動信號的輸出；

向實際系統模型和參數待辨識勵磁系統模型分別多次施加大階躍擾動信號，并分別獲取實際系統模型和參數待辨識勵磁系統模型響應于所述大階躍擾動信號的輸出；

對于第一模型參數組中的模型參數：基于小階躍擾動信號及其對應的輸出，以實際系統模型與參數待辨識模型的輸出誤差最小為優化目標，采用多種優化算法分別對參數待辨識勵磁系統模型進行模型參數的優化計算，得到分別對應各優化算法的第一模型參數組模型參數辨識結果；

對于第二模型參數組中的模型參數：基于大階躍擾動信號及其對應的輸出，以實際系統模型與參數待辨識模型的輸出誤差最小為優化目標，采用多種優化算法分別對參數待辨識勵磁系統模型進行模型參數的優化計算，得到分別對應各優化算法的第二模型參數組模型參數辨識結果；

基于第一模型參數組模型參數辨識結果和第二模型參數組模型參數辨識結果，分別利用預先訓練的神經網絡融合模型進行數據融合，得到融合后的第一模型參數組模型參數和第二模型參數組模型參數，進而得到模型參數已辨識的勵磁系統模型。

2.根據權利要求1所述的方法，其特征是，方法還包括：

響應于全部模型參數已通過神經網絡融合模型確定或更新，則對更新后的勵磁系統模型及其實際系統模型，施加相同的階躍擾動信號，獲取兩者模型輸出；

基于兩模型的輸出計算誤差函數；

判斷誤差函數值是否大于預設誤差閾值；

響應于誤差函數值大于誤差閾值，則基于當前勵磁系統模型和實際系統模型，重新施加小/大階躍擾動信號、進行多算法尋優，以及采用神經網絡融合模型進行數據融合，得到新的勵磁系統模型參數，并更新勵磁系統模型。

3.根據權利要求1所述的方法，其特征是，所述根據系統結構參數和實際系統模型輸入輸出特性，確定參數待辨識勵磁系統模型，包括：

根據發電機勵磁系統結構參數，確定勵磁系統模型應當包含的模型參數；

根據實際系統模型的輸入輸出特性，對勵磁系統模型參數賦予初始值。

4.根據權利要求1所述的方法，其特征是，所述參數待辨識勵磁系統模型的待辨識參數包括，響應于小階躍擾動信號影響發電機空載階躍響應的參數：K、T_c1、T_b1、K_v、T_c2、T_b2、K_a、T_a、K_f、T_f，以及響應于大階躍擾動信號影響發電機空載階躍響應的參數：V_Rmax、V_Rmin；

其中，K為調節器增益；K_v為比例積分或純積分調節選擇因子；T_c1、T_b1、T_c2、T_b2為電壓調節器時間常數；K_a為調壓器增益，T_a為調壓器放大器的時間常數；K_f為調壓器穩定回路增益；T_f為調壓器穩定回路時間常數，V_Rmax為電壓調節器最大輸出；V_Rmin為電壓調節器最小輸出。

5.根據權利要求1所述的方法，其特征是，所述小階躍擾動信號為不能使勵磁系統響應進入非線性區的階躍擾動信號，其電壓值為發電機機端電壓幅值的5％；

大階躍擾動信號為能夠使勵磁系統響應進入非線性區的階躍擾動信號，其電壓值為發電機機端電壓幅值的10％。