[发明专利]一种基于代数法的异步电动机动态参数辨识方法

说明书

本发明公开了一种基于代数法的异步电动机动态参数辨识的方法。代数法是一种适用于连续系统的辨识方法，有收敛性好，辨识结果精确，算法耗时短等优点。该方法首先确定异步电动机的待辨识模型，相应的待辨识参数以及异步电动机的可观测变量，然后对可观测变量的信号进行积分运算，并通过数学变换消除状态变量初值对辨识精度的影响。仿真结果表明算法原理可靠，辨识结果准确。

技术领域

本发明涉及一种辨识异步电动机动态参数的方法，尤其是涉及一种基于代数法的异步电动机动态参数辨识方法。

背景技术

异步电动机是电力系统的组成部分，首先异步电动机作为典型的工业负荷，占全社会用电比重较大，其次随着风电等可再生能源的发展，异步电动机在发电端的贡献越来越大，因此准确辨识异步电动机的动态参数对电力系统安全稳定运行有重要意义。

异步电机的参数辨识可以分成两大类，分别是频域辨识和时域辨识。频域辨识方法是以线性系统稳态分析为基础，不能反映非线性系统的动态过程，因此频域辨识方法局限性较大。

时域辨识方法目前有最小二乘法，模型参考自适应法，遗传算法等几类。最小二乘法寻找一组最优参数使得测量结果与计算结果误差的平方和最小，但是最小二乘法没有考虑噪声等条件的影响，因此该算法确定的参数值存在多值性和偏差性等问题。

模型参考自适应法以实际的异步电动机为参考，以电动机状态方程为调整模型。通过电动机的可观测量确定调整模型的参数。

遗传算法是近些年应用到异步电动机的参数辨识领域的新方法。该方法的通过交叉，变异等操作不断更新种群，寻找参数的最优解，该方法存在着收敛速度慢等问题。

发明内容

为解决上述问题，本发明提出了一种基于代数法的异步电动机动态参数辨识方法。

本发明的技术方案采用如下步骤：

1)确定异步电动机待辨识模型，相应的待辨识参数，以及异步电动机的可观测变量：

2)对可观测变量的信号进行积分运算，并通过数学变换消除状态变量初值对辨识精度的影响，辨识异步电动机转子惯性时间常数T_j：

3)辨识异步电动机转子稳态电抗X，转子暂态电抗X′，转子回路时间常数T′_d0；

上述技术方案中，所述的步骤1)确定异步电动机待辨识模型，相应的待辨识参数，以及异步电动机的可观测变量。其中异步电动机模型与网络的接口方程采用以下公式：

其中，X′表示异步电动机转子暂态电抗，E_x′表示异步电动机x轴分量暂态电动势，E_y′表示异步电动机y轴分量暂态电动势，U_x表示异步电动机x轴分量电压，U_y表示异步电动机y轴分量电压，I_x表示异步电动机x轴分量电流，I_y表示异步电动机y轴分量电流。异步电动机为三阶动态模型，采用以下公式：

其中s表示异步电动机转子滑差，T_M表示异步电动机的机械转矩，T_E表示异步电动机的电磁转矩。由于在正常运行工况下，转子转速接近于同步速，因此T_E约等于有功功率P。T_j表示转子惯性时间常数，X表示转子稳态电抗，T′_d0表示转子回路时间常数。异步电动机的输出是有功功率和无功功率，采用以下公式：