一种新能源电压故障穿越模型参数辨识方法、系统及存储介质与流程

摘要: 本发明涉及新能源机电模型建模技术,具体涉及一种新能源电压故障穿越模型参数辨识方法、系统及存储介质。背景技术:1、随着全球化石能源枯竭、供应紧张及气候变化形势日趋...
一种新能源电压故障穿越模型参数辨识方法、系统及存储介质与流程

本发明涉及新能源机电模型建模技术,具体涉及一种新能源电压故障穿越模型参数辨识方法、系统及存储介质。

背景技术:

1、随着全球化石能源枯竭、供应紧张及气候变化形势日趋严峻,世界各国均将发展可再生能源提升至战略高度,风电、光伏等新能源产业由此进入高速发展期。然而大规模新能源接入更替代了原有常规电源,对电力系统的暂态、动态及中长期稳定性产生了深远影响。

2、为应对上述挑战,精准的新能源机组仿真模型成为大规模风电并网暂态稳定分析的基础。目前,机电暂态仿真模型因能较好地平衡计算精度与效率,成为电力系统仿真中最广泛采用的模型。但现有新能源故障穿越控制结构复杂且控制策略多为企业核心技术机密,外界难以准确获取其细节。在此背景下,通用化的新能源模型虽已基本成熟,但模型参数的准确性直接决定了仿真的可信度——固定模型结构下,参数辨识成为实现精准仿真的关键环节。

3、在电力系统综合分析程序(psasp)中,电压故障穿越模型是新能源仿真模型最为重要的子模型,其模型参数对于真实反映新能源设备的实际故障穿越特性至关重要。若模型参数选择不当,将导致仿真结果偏离实际运行情况,无法为电网调度、稳定控制策略制定提供可靠支撑。现有参数辨识方法多依赖人工经验或单一数据源,难以兼顾模型复杂性与仿真精度,亟需一种全局化、智能化的参数辨识方法,以提升新能源电压故障穿越模型的准确性和适用性。

技术实现思路

1、本发明要解决的技术问题:

2、第一,现有方法多仅截取故障穿越期间的稳态数据片段,通过线性最小二乘法进行参数辨识,故障前和故障后的实测数据被丢弃,数据利用率低,参数辨识所依据的信息不完整。

3、第二,虽然psasp故障穿越模型本身为线性模型,但实测数据受环境噪声、仿真平台差异等实际因素影响,其真实分布并非理想线性,仅用稳态数据无法充分捕捉实际扰动特征。

4、第三,当尝试将故障前、故障中、故障后的全过程实测数据以及多电压跌落深度的多工况数据纳入辨识时,数据结构不再满足线性最小二乘法所需的标准矩阵构造条件,导致常规解析求解方法无法直接适用,使得参数辨识在数据利用范围上受到方法本身的制约。

5、针对现有技术的上述问题,提供一种新能源电压故障穿越模型参数辨识方法、系统及存储介质,旨在提升psasp中新能源电压故障穿越模型参数的辨识精度和辨识效率,最终提升新能源电压故障穿越仿真精度。

6、为了解决上述技术问题,本发明采用的技术方案为:

7、一种新能源电压故障穿越模型参数辨识方法,包括以下步骤:

8、获取新能源电压故障穿越数据集并划分为不同电压跌落深度的多个数据子集,根据各数据子集中故障穿越前的元素,计算各数据子集的电力参数初值;

9、选取新能源电压故障对应的电压故障穿越参数辨识模型,确定对应的误差计算公式,所述误差计算公式表征故障穿越期间实测数据与模型计算值的偏差;

10、构建总体误差目标函数,所述总体误差目标函数为各数据子集的模型误差之和,所述模型误差通过将数据子集中故障穿越期间的元素、所述电力参数初值以及待辨识参数代入所述误差计算公式计算得到;

11、采用全局优化算法对总体误差目标函数进行迭代寻优,直至满足收敛条件,将最后一次迭代的待辨识参数作为参数辨识结果。

12、进一步的,选取新能源电压故障对应的电压故障穿越参数辨识模型,确定对应的误差计算公式时,若电压故障穿越参数辨识模型为低穿有功电流指定功率模型,误差计算公式如下:

13、

14、若电压故障穿越参数辨识模型为高穿有功电流指定功率模型,误差计算公式如下:

15、

16、其中,表示第i个数据子集第n次迭代的模型误差,表示第i个数据子集中故障穿越期间第j个时刻的标幺有功功率,故障穿越期间的元素索引范围为[

m+1

n],表示第n次迭代的低穿有功功率计算系数1,表示第n次迭代的低穿有功功率计算系数2,表示第n次迭代的高穿有功功率计算系数1,表示第n次迭代的高穿有功功率计算系数2,表示第i个数据子集的电力参数初值中的有功功率初值,所述有功功率初值是数据子集中故障穿越前的标幺有功功率的均值。

17、进一步的,选取新能源电压故障对应的电压故障穿越参数辨识模型,确定对应的误差计算公式时,若电压故障穿越参数辨识模型为低穿有功电流指定电流模型,误差计算公式如下:

18、

19、若电压故障穿越参数辨识模型为低穿有功电流指定电流模型,误差计算公式如下:

20、

21、其中,表示第i个数据子集第n次迭代的模型误差,表示第i个数据子集中故障穿越期间第j个时刻的标幺有功电流,表示第i个数据子集中故障穿越期间第j个时刻的标幺机端电压,故障穿越期间的元素索引范围为[

m+1

n],表示第n次迭代的低穿有功电流计算系数1,表示第n次迭代的低穿有功电流计算系数2,表示第n次迭代的低穿有功电流计算系数3,表示第n次迭代的高穿有功电流计算系数1,表示第n次迭代的高穿有功电流计算系数2,表示第n次迭代的高穿有功电流计算系数3,表示第i个数据子集的电力参数初值中的有功电流初值,所述有功电流初值是数据子集中故障穿越前的标幺有功电流的均值。

22、进一步的,选取新能源电压故障对应的电压故障穿越参数辨识模型,确定对应的误差计算公式时,若电压故障穿越参数辨识模型为低穿无功电流指定功率模型,误差计算公式如下:

23、

24、若电压故障穿越参数辨识模型为高穿无功电流指定功率模型,误差计算公式如下:

25、

26、其中,表示第i个数据子集第n次迭代的模型误差,表示第i个数据子集中故障穿越期间第j个时刻的标幺无功功率,故障穿越期间的元素索引范围为[

m+1

n],表示第n次迭代的低穿无功功率计算系数1,表示第n次迭代的低穿无功功率计算系数2,表示第n次迭代的高穿无功功率计算系数1,表示第n次迭代的高穿无功功率计算系数2,表示第i个数据子集的电力参数初值中的无功功率初值,所述无功功率初值是数据子集中故障穿越前的标幺无功功率的均值。

27、进一步的,选取新能源电压故障对应的电压故障穿越参数辨识模型,确定对应的误差计算公式时,若电压故障穿越参数辨识模型为低穿无功电流指定电流模型,误差计算公式如下:

28、

29、若电压故障穿越参数辨识模型为高穿无功电流指定电流模型,误差计算公式如下:

30、

31、其中,表示第i个数据子集第n次迭代的模型误差,表示第i个数据子集中故障穿越期间第j个时刻的标幺无功电流,表示第i个数据子集中故障穿越期间第j个时刻的标幺机端电压,故障穿越期间的元素索引范围为[

m+1

n],是进入低电压穿越阈值,是进入高电压穿越阈值,表示第n次迭代的低穿无功电流计算系数1,表示第n次迭代的低穿无功电流计算系数2,表示第n次迭代的低穿无功电流计算系数3,表示第n次迭代的高穿无功电流计算系数1,表示第n次迭代的高穿无功电流计算系数2,表示第n次迭代的高穿无功电流计算系数3,表示第i个数据子集的电力参数初值中的无功电流初值,所述无功电流初值是数据子集中故障穿越前的标幺无功电流的均值。

32、进一步的,采用全局优化算法对总体误差目标函数进行迭代寻优时,具体包括:

33、设置所选电压故障穿越参数辨识模型的待辨识参数初始值,将所述待辨识参数初始值与各数据子集的电力参数初值以及故障穿越期间的元素代入所述误差计算公式,计算得到各数据子集的初始模型误差,并求和得到初始总体误差;

34、生成候选待辨识参数集合,将候选待辨识参数集合中的各候选待辨识参数分别与数据子集的电力参数初值以及故障穿越期间的元素代入所述误差计算公式,计算得到各候选待辨识参数对应的模型误差,并针对同一候选待辨识参数计算各数据子集的模型误差之和得到总体误差;

35、选取使总体误差最小的候选待辨识参数作为本次迭代的待辨识参数,将对应的总体误差作为本次迭代的总体误差;

36、计算相邻两次迭代的总体误差之差的绝对值,若所述绝对值小于预设计算终止阈值,则终止迭代,否则再次生成候选待辨识参数集合以进行下一次迭代。

37、进一步的,所述数据子集中的元素包括标幺机端电压、标幺有功功率、标幺无功功率、标幺有功电流和标幺无功电流,所述电力参数初值包括有功功率初值、无功功率初值、有功电流初值和无功电流初值,所述有功功率初值为对应数据子集中故障穿越前时段标幺有功功率的均值,所述无功功率初值为对应数据子集中故障穿越前时段标幺无功功率的均值,所述有功电流初值为对应数据子集中故障穿越前时段标幺有功电流的均值,所述无功电流初值为对应数据子集中故障穿越前时段标幺无功电流的均值。

38、本发明还提出一种新能源电压故障穿越模型参数辨识系统,包括互相连接的微处理器和计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述的新能源电压故障穿越模型参数辨识方法。

39、本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述的新能源电压故障穿越模型参数辨识方法。

40、本发明还提出一种计算机程序产品,所述计算机程序产品包含计算机程序或者计算机指令,所述计算机程序或者计算机指令用于被微处理器编程或配置以执行所述的新能源电压故障穿越模型参数辨识方法。

41、与现有技术相比,本发明的优点在于:

42、针对现有技术仅截取故障穿越稳态数据、数据利用率低的技术问题,本发明采用了将故障前、故障中、故障后全过程实测数据统一纳入误差目标函数的技术手段,以故障穿越前时段的电力参数初值作为模型基准值,以故障穿越期间的实测数据与模型计算值的偏差作为优化目标,使参数辨识过程能够充分学习数据的真实分布特征,而非仅基于稳态片段,从而显著提升了参数辨识对实际环境非线性扰动的鲁棒性,使辨识结果更符合新能源设备在真实故障穿越过程中的物理响应特性。

43、针对现有技术采用线性最小二乘法求解、无法适应融合全过程数据与多工况数据后的混合数据结构的技术问题,本发明将psasp故障穿越电流计算公式直接改造为参数辨识误差目标函数、并采用全局优化算法进行迭代寻优。该手段保持了psasp原始模型公式的结构不变,将“给定参数计算电流输出”的正向仿真公式反转为“基于实测电流反推参数”的辨识用途,使辨识所用公式结构与psasp仿真所用公式结构完全一致,消除了因对模型公式进行线性化变形以适配最小二乘求解框架而可能引入的公式偏差;同时,利用全局优化算法在参数空间中的全局搜索能力,突破了线性最小二乘法对数据矩阵标准形式的约束,使融合全过程数据与多工况数据后的复杂数据结构能够直接作为优化目标进行求解,在提升数据利用率的同时确保了求解的可行性。

44、针对现有技术多工况独立辨识、所得参数仅对单一工况最优而导致整体适应性差的技术问题,本发明采用了构建跨多电压跌落深度的联合误差目标函数、以全局误差最小化为优化目标的技术手段。该手段将不同电压跌落深度工况下的数据子集模型误差联合构建为总体误差目标函数,使辨识出的同一组参数对所有工况具有整体最优的适应性,而非对某一工况局部最优,从而避免了单工况辨识参数在其他工况下仿真偏差增大的问题,显著提升了辨识参数在不同故障严重程度下的泛化能力与仿真可信度。

45、综上所述,本发明通过全过程数据利用、原始公式直接改造、全局优化迭代寻优及多工况联合辨识的有机结合,在提升参数辨识精度的同时,确保了辨识参数在psasp仿真中的准确性与一致性,为电网调度及稳定控制策略制定提供了可靠的模型支撑。