CN113783181A - 惯量辨识方法、装置、计算机设备和存储介质 - Google Patents
惯量辨识方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113783181A CN113783181A CN202110881748.7A CN202110881748A CN113783181A CN 113783181 A CN113783181 A CN 113783181A CN 202110881748 A CN202110881748 A CN 202110881748A CN 113783181 A CN113783181 A CN 113783181A
- Authority
- CN
- China
- Prior art keywords
- state space
- space model
- frequency
- synchronous generator
- inertia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种惯量辨识方法、装置、计算机设备和存储介质。所述方法包括:获取同步发电机的有功功率和连接母线频率;根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。无需获取自然的暂态响应信号,因此,能够节省人力物力,并且在电力***正常运行时,实现对同步发电机惯量的实时在线辨识,避免了进行大扰动实验带来的***运行的危害。
Description
技术领域
本申请涉及电力***技术领域,特别是涉及一种惯量辨识方法、装置、计算机设备和存储介质。
背景技术
惯性是电力***的一种固有属性,是保证电力***安全稳定运行的基础。同步发电机转子储存的旋转动能是电力***惯性的重要来源,通常将同步发电机的旋转动能称为同步发电机的惯量。因此,对电力***中同步发电机惯量的辨识显得十分重要。
目前大多数同步发电机惯量的辨识,都是对***自然暂态响应功率信号进行辨识,得到惯量。但是***自然暂态响应功率信号仅在电力***出现大扰动现象时才能产生,则通常需要进行现场大扰动试验,以模拟***自然暂态响应功率频率信号的产生,然后进行惯量的辨识。
因此,现有技术在进行惯量的辨识时存在耗费人力物力、影响电力***安全稳定运行的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够减少人力物力,且不影响电力***安全稳定运行的惯量辨识方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种惯量辨识方法,该方法包括:
获取同步发电机的有功功率和连接母线频率;
根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;
对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;
将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。
在其中一个实施例中,根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:
将有功功率、连接母线频率代入预设的初始状态空间模型中,采用***辨识算法计算预设的初始状态空间模型的参数矩阵;
根据参数矩阵、有功功率变量和连接母线频率变量构建目标状态空间模型。
在其中一个实施例中,对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率,包括:
对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号;
对多个阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为阶跃响应信号的初始斜率。
在其中一个实施例中,对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号,包括:
对目标状态空间模型进行传递转换,得到传递形式的目标状态空间模型;
对传递形式的目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号。
在其中一个实施例中,该方法还包括:
对有功功率和连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率;预处理包括去运行趋势、预滤波和重采样中的至少一种;
根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:
根据处理后的有功功率、处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
在其中一个实施例中,该方法还包括:
根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程;
去除转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程;
对扰动转子运动方程进行拉普拉斯变换,得到扰动转子运动方程的一阶传递函数;
对扰动转子运动方程的一阶传递函数施加单位阶跃信号,得到转子电频率偏差函数;
对电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到预设的惯量表征模型。
在其中一个实施例中,根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程,包括:
根据同步发电机的机械功率变量、电磁功率变量、转子电频率变量、阻尼系数,构建同步发电机的功率不平衡量;
对转子电频率变量进行求导,确定转子电频率在单位时间的速率;
根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、同步发电机的惯量和电力***的额定频率,构建转子运动方程。
第二方面,本申请提供了一种惯量辨识装置,装置包括:
第一获取模块,用于获取同步发电机的有功功率和连接母线频率;
第一确定模块,用于根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;
第二获取模块,用于对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;
第二确定模块,用于将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项实施例中方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
上述惯量辨识方法、装置、计算机设备和存储介质,通过获取同步发电机的有功功率和连接母线频率;根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。无需获取自然的暂态响应信号,因此,能够节省人力物力,并且在电力***正常运行时,实现对同步发电机惯量的实时在线辨识,避免了进行大扰动实验带来的***运行的危害。
附图说明
图1为一个实施例中惯量辨识方法的应用环境图;
图2为另一个实施例中惯量辨识方法的流程示意图;
图3为另一个实施例中惯量辨识方法的流程示意图;
图4为另一个实施例中惯量辨识方法的流程示意图;
图5为另一个实施例中惯量辨识方法的流程示意图;
图6为另一个实施例中惯量辨识方法的流程示意图;
图7为另一个实施例中惯量辨识方法的流程示意图;
图8为另一个实施例中惯量辨识方法的流程示意图;
图9为另一个实施例中惯量辨识方法的流程示意图;
图10为一个实施例中测量***结构示意图;
图11为一个实施例中同步发电机有功功率示意图;
图12为一个实施例中同步发电机连接母线频率示意图;
图13为一个实施例中惯量辨识装置的结构框图;
图14为另一个实施例中惯量辨识装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的惯量辨识方法,可以应用于如图1所示的应用环境中。该应用环境中包括:终端11、同步相量测量单元12(Phasor Measurement Unit,PMU)、同步发电机13和电力***14。其中,电力***14和同步发电机13通过连接母线连接15,PMU12采集同步发电机13的有功功率和连接母线频率,并将采集到的有功功率和连接母线频率发送至终端11。其中,终端通过网络与PMU进行通信。当终端获取到有功功率和连接母线频率后,对其进行辨识以确定同步发电机的惯量。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
由于电力***中的类噪声信号时刻存在,基于检测***正常运行类噪声信号的方法,能够实现对同步发电机惯量的实时在线辨识,基于此,在一个实施例中,如图2所示,提供了一种惯量辨识方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
S202,获取同步发电机的有功功率和连接母线频率。
具体地,可以通过PMU连接在同步发电机和电力***连接的母线,通过PMU实时采集同步发电机的有功功率信号,以及连接母线频率,并将采集的同步发电机的有功功率信号,以及连接母线频率发送至终端,即获取到了同步发电机的有功功率和连接母线频率。
S204,根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
具体地,预设的初始状态空间模型可以为状态空间模型:其中x∈Rn是状态向量,u∈Rm是输入向量,y∈Rl是输出向量,A∈Rn×n、B∈Rn×m、C∈Rl×n和D∈Rl ×m是需要辨识的参数矩阵,ω和ν表示模型的噪声项。将单位时间内的有功功率信号构成有功功率序列、将单位时间内的连接母线频率构成连接母线频率序列,将有功功率序列、连接母线频率序列代入初始状态空间模型中,然后可以利用随机子空间算法等对初始状态模型进行辨识求解,得到A、B、C、D参数矩阵的求解结果,以参数矩阵的求解结果作为目标状态空间模型的参数矩阵,确定目标状态空间模型。其中,随机子空间算法可以包括N4SID算法(numerical algorithm for subspace system identification)、MOESP算法(multivariable output error state space)、CVA算法(canonical variate analysis)等。
S206,对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率。
具体地,对构建好的目标状态空间模型施加单位阶跃信号-ε(t),可以根据目标状态空间模型接收到单位阶跃信号在单位时间内的响应信号,对各个响应信号进行拟合,即可确定在时间t=0时的初始斜率。
S208,将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。
上述惯量辨识方法中,通过获取同步发电机的有功功率和连接母线频率,根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率,将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量,无需获取自然的暂态响应信号,因此,能够节省人力物力,并且在电力***正常运行时,实现对同步发电机惯量的实时在线辨识,避免了进行大扰动实验带来的***运行的危害。
上述实施例对惯量辨识方法进行了说明,现以一个实施例对如何确定在进行惯量辨识过程中的目标状态空间模型进行说明,在一个实施例中,如图3所示,根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:
S302,将有功功率、连接母线频率代入预设的初始状态空间模型中,采用***辨识算法计算预设的初始状态空间模型的参数矩阵。
具体地,将单位时间内的有功功率信号构成有功功率序列、将单位时间内的连接母线频率构成连接母线频率序列,将有功功率序列、连接母线频率序列代入初始状态空间模型中,然后可以采用***辨识法的N4SID算法对初始状态模型进行辨识求解,得到A、B、C、D参数矩阵的求解结果。
S304,根据参数矩阵、有功功率变量和连接母线频率变量构建目标状态空间模型。
具体地,以参数矩阵的求解结果作为目标状态空间模型的参数矩阵,和有功功率变量和连接母线频率变量构建目标状态空间模型。
在本实施例中,通过将有功功率、连接母线频率代入预设的初始状态空间模型中,采用***辨识算法计算预设的初始状态空间模型的参数矩阵,根据参数矩阵、有功功率变量和连接母线频率变量构建目标状态空间模型。能够确定实时的目标状态空间模型,便于后续准确估计实时的同步发电机的惯量。
在一个实施例中,如图4所示,对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率,包括:
S402,对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号。
具体地,对已经构建好的目标状态空间模型施加单位阶跃信号,生成预设时间段内的多个阶跃响应信号。其中预设的时间段可以包括前0.5s,可以将0.5秒划分为多个间隔,每个间隔都会产生一个对应的阶跃响应信号。
进一步地,如图5所示,对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号,包括:
S502,对目标状态空间模型进行传递转换,得到传递形式的目标状态空间模型。
具体地,在得到目标空间状态模型后,其中,A、B、C、D四个参数矩阵此时为已经确定的已知值,其中x∈Rn是状态向量,u∈Rm是输入向量,y∈Rl是输出向量。对目标空间状态模型进行转换为传递函数的形式:其中G(s)表示输入向量u(s)到输出向量y(s)的传递函数,an为G(s)分母多项式的系数,bm为G(s)分子多项式的系数。
S504,对传递形式的目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号。
具体地,对已经构建好的传递形式的目标状态空间模型施加单位阶跃信号,生成预设时间段内的多个阶跃响应信号。其中,预设的时间段可以包括前0.5s,可以将0.5秒划分为多个间隔,每个间隔都会产生一个对应的阶跃响应信号。
S404,对多个阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为阶跃响应信号的初始斜率。
具体地,对多个阶跃响应信号进行直线拟合,将拟合直线的斜率做为k|t=0。即初始斜率k|t=0。
在本实施例中,通过对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号,对多个阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为阶跃响应信号的初始斜率。能够准确确定惯量表征模型中的初始斜率变量,进而计算惯量。
上述实施例对惯量辨识方法进行了说明,在获取有功功率和连接母线频率信号时,还可以首先对这两个信号进行预处理,以得到更精确的惯量结果,现以一个实施例对预处理进行说明,在一个实施例中,如图6所示,惯量辨识方法还包括:
S602,对有功功率和连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率;预处理包括去运行趋势、预滤波和重采样中的至少一种。
其中,去运行趋势为去掉原始有功功率和连接母线频率中反映电力***中长期运行变化的趋势。预滤波为采用低通滤波器对原始信号进行预滤波,通常可以将低通滤波器截止频率设置为0.5Hz。重采样是为了防止辨识模型时产生的数值稳定问题,将信号的采样率降低到5-10Hz。
具体地,可以对有功功率和连接母线频率进行运行趋势、预滤波、重采样三个中的至少一个,进而得到处理后的有功功率和处理后的连接母线频率
S604,根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:根据处理后的有功功率、处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
具体地,将处理后的有功功率、处理后的连接母线频率代入预设的初始状态空间模型中,确定预设的初始状态空间模型中的未知参数矩阵,确定了参数矩阵后,将参数矩阵、有功功率变量、连接母线频率变量共同构建目标状态空间模型。
在本实施例中,通过对有功功率和连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率,根据处理后的有功功率、处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。能够进一步得到准确的扰动信号,基于类噪声法更准确的确定目标状态空间,以便后续惯量的确定。
上述实施例对惯量辨识方法进行了介绍,在惯量辨识方法中需要利用惯量表征模型,现以一个实施例对如何构建惯量表征模型进行说明,在一个实施例中,如图7所示,惯量辨识方法还包括:
S702,根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程。
具体地,可以根据同步发电机的功率不平衡量与电力***的额定频率的乘积和同步发电机的惯量之间的比值,与同步发电机的转子电频率在单位时间的速率相等的关系,构建转子运动方程。
进一步地,如图8所示,根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程,包括:
S802,根据同步发电机的机械功率变量、电磁功率变量、转子电频率变量、阻尼系数,构建同步发电机的功率不平衡量;
S804,对转子电频率变量进行求导,确定转子电频率在单位时间的速率;
S806,根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、同步发电机的惯量和电力***的额定频率,构建转子运动方程。
具体地,对于同步发电机i,考虑阻尼效应,其转子运动方程可以写为:其中Pm,i和Pe,i分别是同步发电机i的机械功率(MW)和电磁功率(MW),fr,i是同步发电机i的转子电频率(Hz),fn是***的额定频率(Hz),Mi是同步发电机i的惯量(MW·s),Di是阻尼系数。
S704,去除转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程。
具体地,在类噪声条件下,式(1)中的各变量在稳态运行点附近小幅波动,因此可以将式(1)中的标准机械功率、标准电磁功率、标准转子电频率去除,即可以将式(1)表示为扰动转子运动方程:其中,标准机械功率、标准电磁功率、标准转子电频率为理想状态下,电力***中同步发电机设定值;其中,Δfr,i是同步发电机i的转子电频率扰动偏差(Hz),ΔPe,i是同步发电机i的电磁功率扰动偏差(Hz)、ΔPm,i为同步发电机的机械功率扰动偏差。
S706,对扰动转子运动方程进行拉普拉斯变换,得到扰动转子运动方程的一阶传递函数。
具体地,类噪声条件下机械功率维持不变,即ΔPm,i等于0;进一步对式(2)做拉普拉斯变换,将转子运动方程转化成一个一阶传递函数:其中,Δfr,i是同步发电机i的转子电频率扰动偏差(Hz),ΔPe,i是同步发电机i的电磁功率扰动偏差(Hz),Gi(s)是ΔPe,i到Δfr,i的传递函数,s是拉普拉斯算子。
S708,对扰动转子运动方程的一阶传递函数施加单位阶跃信号,得到转子电频率偏差函数。
S710,对电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到预设的惯量表征模型。
在本实施例中,通过根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程;去除转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程;对扰动转子运动方程进行拉普拉斯变换,得到扰动转子运动方程的一阶传递函数;对扰动转子运动方程的一阶传递函数施加单位阶跃信号,得到转子电频率偏差函数;对电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到预设的惯量表征模型。能够根据噪声扰动,确定同步发电机的惯量表征模型,是对同步发电机惯量确定的基础。
为了便于本领域技术人员的理解,现以一个实施例对惯量辨识方法进一步说明,在一个实施例中,如图9所示,惯量辨识方法包括:
S901,根据同步发电机的机械功率变量、电磁功率变量、转子电频率变量、阻尼系数,构建同步发电机的功率不平衡量;
S902,对转子电频率变量进行求导,确定转子电频率在单位时间的速率;
S903,根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、同步发电机的惯量和电力***的额定频率,构建转子运动方程。
S904,去除转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程。
S905,对扰动转子运动方程进行拉普拉斯变换,得到扰动转子运动方程的一阶传递函数。
S906,对扰动转子运动方程的一阶传递函数施加单位阶跃信号,得到转子电频率偏差函数。
S907,对电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到预设的惯量表征模型。
S908,获取同步发电机的有功功率和连接母线频率。
S909,对有功功率和连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率;预处理包括去运行趋势、预滤波和重采样中的至少一种。
S910,根据处理后的有功功率、处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
S911,将有功功率、连接母线频率代入预设的初始状态空间模型中,采用***辨识算法计算预设的初始状态空间模型的参数矩阵。
S912,根据参数矩阵、有功功率变量和连接母线频率变量构建目标状态空间模型。
S913,对目标状态空间模型进行传递转换,得到传递形式的目标状态空间模型。
S914,对传递形式的目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号。
S915,对多个阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为阶跃响应信号的初始斜率。
S916,将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。
具体地,关于惯量辨识方法的具体限定可以参见上文图2-图8中对于惯量辨识方法的限定,在此不再赘述。
以如图9所示的新英格兰10机39节点标准测试***为例对惯量辨识方法进行说明,其标准测试***包含10台同步发电机、39条母线、19处负荷和34条输电线路。该***的额定频率fn为60Hz,主要电压等级为345kV,其中,来辨识10机39节点***2号机的惯量。
1)通过PMU采集200s的2号机有功功率输出P和连接母线频率f,采样率为100Hz。图10是2号机的有功功率输出P,图11是2号机连接母线频率f。
2)对信号进行预处理。去除信号的运行趋势;采用截止频率为0.5Hz的低通滤波器滤除信号的高频分量;将信号的采样率从100Hz降低到5Hz。
3)以预处理完的有功功率输出P和连接母线频率f分别作为输入和输出信号,采用随机子空间法辨识状态空间模型,并进一步将状态空间模型转化为传递函数模型。
4)对传递函数模型施加一个单位阶跃信号;从传递函数模型的单位阶跃响应中计算初始斜率,进而计算得到2号机惯量为3087.15MW·s,其与真实值3030MW·s的误差仅为1.89%。
在本实施例中,通过获取同步发电机的有功功率和连接母线频率;根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。无需获取自然的暂态响应信号,因此,能够节省人力物力,并且在电力***正常运行时,实现对同步发电机惯量的实时在线辨识,避免了进行大扰动实验带来的***运行的危害。
应该理解的是,虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图13所示,提供了一种惯量辨识装置,包括:
第一获取模块121,用于获取同步发电机的有功功率和连接母线频率;
第一确定模块122,用于根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;
第二获取模块123,用于对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率;
第二确定模块124,用于将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量。
在本实施例中,第一获取模块获取同步发电机的有功功率和连接母线频率,第一确定模块根据有功功率、连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,第二获取模块对目标状态空间模型施加单位阶跃信号,获取目标状态空间模型输出的阶跃响应信号的初始斜率,第二确定模块将阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定同步发电机的惯量,无需获取自然的暂态响应信号,因此,能够节省人力物力,并且在电力***正常运行时,实现对同步发电机惯量的实时在线辨识,避免了进行大扰动实验带来的***运行的危害。
在一个实施例中,如图14所示,第一确定模块122,包括:
计算单元1221,用于将有功功率、连接母线频率代入预设的初始状态空间模型中,采用***辨识算法计算预设的初始状态空间模型的参数矩阵;
构建单元1222,用于根据参数矩阵、有功功率变量和连接母线频率变量构建目标状态空间模型。
在一个实施例中,参见图14所示,第二获取模块123,包括:
获取单元1231,用于对目标状态空间模型施加单位阶跃信号,获取预设时间段内的多个阶跃响应信号;
拟合单元1232,用于对多个阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为阶跃响应信号的初始斜率。
在一个实施例中,参见图14所示,惯量辨识装置,还包括:
预处理模块125,用于对有功功率和连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率;预处理包括去运行趋势、预滤波和重采样中的至少一种;
第五确定模块126,具体用于根据处理后的有功功率、处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
在一个实施例中,参见图14所示,惯量辨识装置,还包括:
转子运动方程构建模块127,用于根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、电力***的额定频率和同步发电机的惯量,构建转子运动方程;
去除模块128,用于去除转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程;
变换模块129,用于对扰动转子运动方程进行拉普拉斯变换,得到扰动转子运动方程的一阶传递函数;
第三确定模块130,用于对扰动转子运动方程的一阶传递函数施加单位阶跃信号,得到转子电频率偏差函数;
第四确定模块131,用于对电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到预设的惯量表征模型。
在一个实施例中,转子运动方程构建模块具体用于根据同步发电机的机械功率变量、电磁功率变量、转子电频率变量和阻尼系数,构建同步发电机的功率不平衡量;对转子电频率变量进行求导,确定转子电频率在单位时间的速率;根据同步发电机的转子电频率在单位时间的速率、同步发电机的功率不平衡量、同步发电机的惯量和电力***的额定频率,构建转子运动方程。
关于惯量辨识装置的具体限定可以参见上文中对于惯量辨识方法的限定,在此不再赘述。上述惯量辨识装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图15所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种惯量辨识方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种惯量辨识方法,其特征在于,所述方法包括:
获取同步发电机的有功功率和连接母线频率;
根据所述有功功率、所述连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;
对所述目标状态空间模型施加单位阶跃信号,获取所述目标状态空间模型输出的阶跃响应信号的初始斜率;
将所述阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定所述同步发电机的惯量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述有功功率、所述连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:
将所述有功功率、所述连接母线频率代入所述预设的初始状态空间模型中,采用***辨识算法计算所述预设的初始状态空间模型的参数矩阵;
根据所述参数矩阵、有功功率变量和连接母线频率变量构建所述目标状态空间模型。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述目标状态空间模型施加单位阶跃信号,获取所述目标状态空间模型输出的阶跃响应信号的初始斜率,包括:
对所述目标状态空间模型施加所述单位阶跃信号,获取预设时间段内的多个所述阶跃响应信号;
对多个所述阶跃响应信号进行线性拟合,并将拟合后的直线斜率作为所述阶跃响应信号的初始斜率。
4.根据权利要求3所述的方法,其特征在于,所述对所述目标状态空间模型施加所述单位阶跃信号,获取预设时间段内的多个所述阶跃响应信号,包括:
对所述目标状态空间模型进行传递转换,得到传递形式的目标状态空间模型;
对所述传递形式的目标状态空间模型施加所述单位阶跃信号,获取预设时间段内的多个所述阶跃响应信号。
5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
对所述有功功率和所述连接母线频率,进行预处理,得到处理后的有功功率和处理后的连接母线频率;所述预处理包括去运行趋势、预滤波和重采样中的至少一种;
所述根据所述有功功率、所述连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型,包括:
根据所述处理后的有功功率、所述处理后的连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型。
6.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述同步发电机的转子电频率在单位时间的速率、所述同步发电机的功率不平衡量、所述电力***的额定频率和所述同步发电机的惯量,构建转子运动方程;
去除所述转子运动方程中的标准机械功率、标准电磁功率、标准转子电频率,构建扰动转子运动方程;
对所述扰动转子运动方程进行拉普拉斯变换,得到所述扰动转子运动方程的一阶传递函数;
对所述扰动转子运动方程的一阶传递函数施加所述单位阶跃信号,得到转子电频率偏差函数;
对所述电频率偏差函数进行拉普拉斯逆变换,并对变换后的电频率偏差函数两边进行求导,得到所述预设的惯量表征模型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述同步发电机的转子电频率在单位时间的速率、所述同步发电机的功率不平衡量、所述电力***的额定频率和所述同步发电机的惯量,构建转子运动方程,包括:
根据所述同步发电机的机械功率变量、电磁功率变量、转子电频率变量、阻尼系数,构建所述同步发电机的功率不平衡量;
对所述转子电频率变量进行求导,确定所述转子电频率在单位时间的速率;
根据所述同步发电机的转子电频率在单位时间的速率、所述同步发电机的功率不平衡量、所述同步发电机的惯量和所述电力***的额定频率,构建转子运动方程。
8.一种惯量辨识装置,其特征在于,所述装置包括:
第一获取模块,用于获取同步发电机的有功功率和连接母线频率;
第一确定模块,用于根据所述有功功率、所述连接母线频率以及预设的初始状态空间模型,确定目标状态空间模型;
第二获取模块,用于对所述目标状态空间模型施加单位阶跃信号,获取所述目标状态空间模型输出的阶跃响应信号的初始斜率;
第二确定模块,用于将所述阶跃响应信号的初始斜率和电力***的额定频率代入预设的惯量表征模型中,确定所述同步发电机的惯量。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881748.7A CN113783181A (zh) | 2021-08-02 | 2021-08-02 | 惯量辨识方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881748.7A CN113783181A (zh) | 2021-08-02 | 2021-08-02 | 惯量辨识方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113783181A true CN113783181A (zh) | 2021-12-10 |
Family
ID=78836511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110881748.7A Pending CN113783181A (zh) | 2021-08-02 | 2021-08-02 | 惯量辨识方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113783181A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293686A (zh) * | 2020-02-29 | 2020-06-16 | 上海电力大学 | 基于armax***辨识的电力***惯量实时评估方法 |
CN112886638A (zh) * | 2021-01-29 | 2021-06-01 | 国网上海市电力公司 | 一种发电机惯量在线辨识方法及*** |
-
2021
- 2021-08-02 CN CN202110881748.7A patent/CN113783181A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293686A (zh) * | 2020-02-29 | 2020-06-16 | 上海电力大学 | 基于armax***辨识的电力***惯量实时评估方法 |
CN112886638A (zh) * | 2021-01-29 | 2021-06-01 | 国网上海市电力公司 | 一种发电机惯量在线辨识方法及*** |
Non-Patent Citations (1)
Title |
---|
曾繁宏: ""电力***惯性常数及惯性时空特性辨识方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109066669B (zh) | 电力***仿真方法、电力***仿真装置及电子设备 | |
Zhang et al. | On fault detection in linear discrete-time, periodic, and sampled-data systems | |
CN110990645B (zh) | 用电监测方法、装置、计算机设备和存储介质 | |
CN110333404B (zh) | 一种非侵入式的负荷监测方法、装置、设备及存储介质 | |
CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及*** | |
CN113783181A (zh) | 惯量辨识方法、装置、计算机设备和存储介质 | |
CN110544031B (zh) | 电能表可靠度预计方法、装置、计算机设备和存储介质 | |
CN117368588A (zh) | 一种电压相序一致性确定方法、装置、设备和存储介质 | |
CN112465250A (zh) | 电力负荷预测方法、装置、计算机设备和存储介质 | |
CN112578188B (zh) | 电气量波形的生成方法、装置、计算机设备和存储介质 | |
CN109192340B (zh) | 百万千瓦级压水堆核电站发电机测量点监测的方法及装置 | |
CN115577573A (zh) | 同步发电机输出电流的预测方法、装置、设备和存储介质 | |
CN113792995B (zh) | 电力资源支配程度的确定方法、装置、设备和存储介质 | |
CN116187510A (zh) | 电表箱故障预测方法、装置、计算机设备和存储介质 | |
CN107330051B (zh) | 降噪数据库调用方法及装置 | |
CN110781540A (zh) | 设计方案的分析方法、装置、存储介质及计算机设备 | |
CN115422851B (zh) | 电力***元件模型校准方法、装置、设备和存储介质 | |
Đukić et al. | Approximate bisimulation-based reduction of power system dynamic model with application to transient stability analysis | |
CN109829019A (zh) | 一种矢量数据的数据转换方法、装置和电子设备 | |
CN116804993B (zh) | 一种具备时序数据特征的可视化表达方法 | |
Campos-Delgado et al. | Quantitative and redundant multi-variable fault diagnosis in induction motors | |
CN117892547A (zh) | 一种风电场等效建模方法、装置、设备及介质 | |
Rao et al. | A Comparison of SVD-Augmented Prony Algorithms for Noisy Power System Signals | |
CN116166511A (zh) | 电连接器工作寿命的评估方法、装置、设备和存储介质 | |
CN117370914A (zh) | 一种电网攻击检测模型测试方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |