[发明专利]一种双馈风电场等值模型参数识别方法在审
申请号: | 201911018049.9 | 申请日: | 2019-10-24 |
公开(公告)号: | CN110750907A | 公开(公告)日: | 2020-02-04 |
发明(设计)人: | 沈阳武;王玎;邓翔天;张剑;陈远扬;向萌;左剑;张可人;崔挺;王阳光;曹伟 | 申请(专利权)人: | 国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06N3/00;G06N3/12;H02J3/00;H02J3/38 |
代理公司: | 43114 长沙市融智专利事务所(普通合伙) | 代理人: | 杨萍 |
地址: | 410004 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 风电场等值模型 参数辨识 参数识别 电压扰动 并网点 风电场 双馈 无功 平方和 有功 全局最优解 遗传物质 输出 等值模型 反复迭代 混合算法 基因操作 结束条件 目标函数 实测曲线 选择操作 粒子群 最小化 辨识 时变 聚合 粒子 觅食 更新 积累 | ||
1.一种双馈风电场等值模型参数识别方法,其特征在于,包括以下步骤:
步骤1:将双馈风电场等值模型需要识别的参数中非时变的参数固定为聚合值或典型值,将等值模型中其它需要识别的参数作为需要辨识的参数;
步骤2:构建目标函数,采用参数辨识算法求解需要辨识的参数。
2.根据权利要求1所述的双馈风电场等值模型参数识别方法,其特征在于,所述步骤2中,构建以下目标函数:
s.t.xmin<x<xmax
其中,f(x)为x对应的目标函数值,P(x,t)和Q(x,t)分别为电压扰动下风电场并网点有功、无功实测曲线;Peq(x,t)和Qeq(x,t)分别为风电场等值模型在相同电压扰动下输出的风电场并网点有功、无功曲线;x为需要辨识的参数向量,x的每个维度对应一个需要辨识的参数,x的维度等于需要辨识的参数个数;xmax和xmin分别为向量x的上限和下限,即x中每个维度的元素值大于xmin中相应维度的元素值,且小于xmax中相应维度的元素值;xmax和xmin为经验参数。
3.根据权利要求1所述的双馈风电场等值模型参数识别方法,其特征在于,采用GA与PSO混合算法进行参数辨识,GA算法中交叉、变异与选择操作产生的模范提供给PSO算法以更新粒子的速度与位置,粒子群在觅食过程中积累的经验作为遗传物质提供给GA算法进行基因操作,如此循环,反复迭代,直至满足结束条件,输出此时的全局最优解G作为x的解,即参数辨识结果;其中GA算法中交叉、变异与选择操作产生的粒子i对应的模范记为Ei=[ei1,ei2,…,eiD],其产生方法为:
其中,i=1,2,...,M,M为粒子群规模;D为空间维数,其等于x的维度;c1和c2为加速系数,r1d和r2d为从区间[0,1]中生成的均匀随机数;Pi=[pp1,pi2,…,pid,…,piD]为粒子i的本身经历过的最优位置,即粒子i的本身经历过的相应的目标函数值最小的位置:G=[g1,g2,…,gd,…,gD]为整个粒子群经历过的最优位置,即整个粒子群经历过的相应的目标函数值最小的位置;
PSO算法根据模范更新粒子的速度与位置方法为:根据以下公式更新粒子i的速度与位置第d个维度:
vid=ωvid+c×rd×(eid-xid)
xid=xid+vid;
其中,ω为惯性权重系数,c为加速系数,rd为从区间[0,1]中生成的均匀随机数;
由此得到更新后粒子i的位置Xi=[xi1,xi2,…,xiD];Xi继续在GA算法进行交叉、变异与选择操作,即所述的粒子群在觅食过程中积累的经验作为遗传物质提供给GA算法进行基因操作。
4.根据权利要求3所述的双馈风电场等值模型参数识别方法,其特征在于,对每个粒子i的每个维度d,分别根据下式进行交叉操作:
其中,rdc为从区间[0,1]中生成的均匀随机数,粒子编号kd是在{1,2,…,M}范围内生成的均匀随机数;
由此产生后代Oi=[oi1,oi2,…,oiD]。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司,未经国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911018049.9/1.html,转载请声明来源钻瓜专利网。