[发明专利]一种静止无功补偿模型参数的辨识方法及装置

权利要求书

1.一种静止无功补偿模型参数的辨识方法，其特征在于，包括：

建立静止无功补偿器模型的数学模型，以确定待辨识的参数；

根据局部敏感度分析方法，以静止无功补偿器输出的无功功率为观测量，计算待辨识的参数的局部敏感度；

根据鸡群算法，以静止无功补偿器的实际输出的无功功率和待辨识模型输出的无功功率的差值为目标函数，辨识静止无功补偿器的模型参数，并计算多次辨识结果的均值，包括：

设置鸡群算法的基本参数，种群规模N＝30，公鸡、母鸡和小鸡比例系数分别为0.15,0.75,0.5，更新代数G＝10，最大迭代次数M＝50及参数搜索范围为理论值的[-100％,+100％]，生成初始化种群，利用下式计算个体目标函数值，

x_i,j(0)＝x_min,j+(x_max,j-x_min,j)*Rand()

其中：x_min,j和x_max,j为第j个个体的下界和上界，Rand()为均匀分布；

判断是否需要重构鸡群的等级体系，若需重构鸡群的等级，则对鸡群关系进行更新，否则采用以下公式对公鸡、母鸡、小鸡位置进行更新，并计算新的目标函数值，

其中：Randn(0,σ²)为均值为0，标准差为σ²的高斯分布，ε为很小的常数，f为x对应的适应度值，k为除去i以外的任意公鸡个体，

其中：Rand表示[0,1]之间的随机数，B₁和B₂为学习因子，r₁是第i只母鸡所在群中的公鸡索引值，r₂是鸡群中随机选取的公鸡和母鸡的任意个体索引值，且r₁≠r₂，

其中：h为第i只小鸡对应的母鸡，FL为服从[0,2]均匀分布的随机数；

采用鸡群算法对模型参数进行多次辨识，辨识的目标是将仿真模型输出无功功率Q与实测无功功率Q^*形成的目标函数取得最优值，即目标函数取得最小值；

将所述多次辨识结果剔除与所述均值偏差超过50％的辨识结果，将剩余辨识结果重新求取均值，所得数值为待辨识的参数的最终结果。

2.根据权利要求1所述的方法，其特征在于，所述建立静止无功补偿器模型的数学模型，包括：

静止无功补偿器数学模型的状态空间表达式为，

式中，V_mes为SVC装设点电压，V_ref为参考电压，V_sl为修正电压，V_c为校正电压，T₁为超前时间常数，T₂为滞后时间常数，K_i为积分常数，K_p为比例增益，T_p为比例增益时间常数，B_R为SVC的等效电纳，B_svc为实际输出电纳，T_b为晶闸管延时时间常数，K_sl为电流调差率，Q_svc为SVC发出无功功率。模型参数均采用标幺值，根据静止无功补偿器状态空间表达式，可以确定待辨识参数为θ＝[T1,T2,Ki,Kp,Tp,Tb,Ksl,Ts]，辨识所需数据为SVC装设点电压V_mes和SVC发出无功功率Q_svc。

3.根据权利要求1所述的方法，其特征在于，所述根据局部敏感度分析方法，以静止无功补偿器输出的无功功率为观测量，计算待辨识的参数的局部敏感度的步骤之前，还包括：

搭建含有静止无功补偿器的仿真系统，对仿真系统施加不同强度的阶跃扰动，以获得静止无功补偿器输出的无功功率。

4.根据权利要求1所述的方法，其特征在于，所述计算待辨识的参数的局部敏感度，包括：

计算不同强度的阶跃扰动下待辨别参数的局部敏感度。