【技術實現步驟摘要】
本專利技術屬于電力系統中次同步振蕩模態識別，特別是涉及到一種將矩陣束法和levenberg-marquardt(以下簡稱lm)算法結合的辨識次同步振蕩模態參數的方法、裝置及計算機可讀存儲介質。
技術介紹
1、目前，大力發展新能源是電網發展的一大趨勢，但大規模新能源并網勢必會引發系統的穩定性問題。除此之外，新能源機組并網導致大量電力電子設備并網，導致電網慣量降低，傳統的靜態和暫態穩定問題，以及新型的問題，例如參數耦合問題等，都成為了亟需解決的難題。
2、大量新能源并網，導致大量電力變流器設備并網。由于其低慣量的特征，難以維持原有電力系統中同步發電機所具有的慣性。同時，其控制環節相互耦合，導致更多新的穩定問題接踵而至。目前廣泛應用的變流器主要分為跟網型(grid-following)變流器和構網型變流器兩種。跟網型變流器主要依賴鎖相環實現與電網的同步，而構網型變流器則主要采用功率同步的方式，對電網具有一定的電壓和頻率的支撐能力。但變流器歸根結底屬于電力電子設備，不同于同步發電機所自帶的慣性，其大量并網勢必也會引起各種如次同步振蕩等的穩定性問題。
3、電力電子設備因其非線性、多耦合的特征使得特征值法存在“維數災”的問題。隨著科技的發展，廣域量測系統(wideareameasurement?system，wams)在電力系統中得到了非常廣泛的使用，許多專家學者利用wams量測得到的電網數據進行次同步振蕩參數的辨識，相關方法也被進一步研究。
4、矩陣束方法是20世紀80年代末、90年代初提出的一種模態參
5、lm方法，是非線性回歸中回歸參數最小二乘估計的一種估計方法。由d.w.marquardt于1963年提出，他是根據1944年k.levenbevg的一篇論文發展的。這種方法是把最速下降法和線性化方法(泰勒級數)加以綜合的一種方法。因為最速下降法適用于迭代的開始階段參數估計值遠離最優值的情況，而線性化方法，即高斯牛頓法適用于迭代的后期，參數估計值接近最優值的范圍內。
6、目前，沒有將矩陣束和lm兩種方法結合用于含構網型變流器電力系統次同步振蕩模態辨識，從而提高辨識精度的相關報道。因此現有技術當中亟需要一種新型的技術方案來解決這一問題。
技術實現思路
1、本專利技術所要解決的技術問題是：提供一種基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法、裝置及存儲介質，用于解決沒有將矩陣束和lm兩種方法結合用于含構網型變流器電力系統次同步振蕩模態辨識，從而提高辨識精度的相關報道的技術問題。
2、基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，包括以下步驟，并且以下步驟順次進行：
3、步驟一、采用矩陣束法提取給定信號的振蕩信息辨識參數的特征值，將提取的各特征值組成的向量作為初始值，所述振蕩信息辨識參數包括幅值、衰減系數、頻率和相位；
4、步驟二、采用levenberg-marquardt算法從初始值開始對各特征值組成的向量進行迭代優化，獲得的最優解為該電力系統次同步振蕩模態辨識結果。
5、所述采用矩陣束法提取給定信號的振蕩信息辨識參數的特征值的具體方法為：
6、s101、矩陣束法通過構建一個擬合函數來擬合給定信號的函數，擬合函數表示為：
7、
8、式中：ai表示幅值，σi表示衰減因子，ωi表示頻率，表示相位；
9、所述給定信號的函數表示為：
10、y(tk)＝y(k),k＝0,1,…,n-1?(2)；
11、公式中，y(k)表示等時間間隔的采樣值中第k個采樣值；n為采樣值的總個數；
12、將式(1)重新改寫成如下的復指數形式：
13、
14、式中：λi表示振蕩信息辨識參數的特征值；
15、將式(3)簡化，表示為：
16、
17、式(4)中，
18、
19、s102、進行極點zi求解：
20、s103、振蕩信息辨識參數的特征值λi通過下式得到：
21、
22、s104、求解bi，使其滿足對所有的k都有
23、由式(4)可得：
24、
25、式(17)簡寫成：
26、zb＝y?(18)；
27、矩陣b是n×n的，因此式(18)通過最小二乘法求解；
28、s105、根據式(3)求解并獲得擬合后的即提取的特征值。
29、所述極點zi求解過程如下：
30、1)矩陣束由下式給出：
31、[y2]-λ[y1]＝[z1][b]{[z0]-λ[i]}[z2]?(6)；式中，[b]表示殘差矩陣；[i]表示n×n單位矩陣；
32、[z0]＝diag[z1,z2,…,zn]?(7)；
33、
34、
35、式中，n表示希望的特征值個數；l表示束參數；
36、2)矩陣束法步驟如下：
37、①選擇l，滿足n≤l≤n-n；
38、②構建矩陣[y]：
39、
40、式中，矩陣[y]是由各采樣時間的觀測值所組成的矩陣；
41、③對[y]進行奇異值分解：
42、[y]＝[u][s][v]t?(11)；式中，[u]和[v]為酉矩陣，分別包含[y][y]t和[y]t[y]的特征向量；
43、④構建矩陣[v1]和[v2]，并滿足：
44、v1＝[v1?v2?v3?…?vn-1]?(12)；
45、v2＝[v2?v3?v4?…?vn]?(13)；
46、式中，vn-1是第n-1個右奇異特征向量；vn是第n個右奇異特征向量；
47、⑤構建矩陣[y1]和[y2]:
48、[y1]＝[v1]t[v1]?(14)；
49、[y2]＝[v2]t[v1]?(15)；
50、⑥要求解的極點zi作為矩陣對{[y1]；[y2]}的特征值求出。
51、所述levenberg-marquardt算法引入了信賴域，將優化問題從無約束的最小二乘問題變成了有約束的最小二乘問題，此處為非線性最小二乘問題，具體步驟如下：
52、1)采用最小化誤差的平方和作為非線性最小二乘問題的表達形式：
53、
54、式中，yi是系統在ti時刻的輸出測量值，x是矩陣束法中擬合函數獲得的各振蕩信息辨識參數組成的向量；
55、2)求解式(19)：
56、函數f(x)在x0處做taylor級數展開：
57、min?f(x0+δx)＝|本文檔來自技高網...
【技術保護點】
1.基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：包括以下步驟，并且以下步驟順次進行，
2.根據權利要求1所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述采用矩陣束法提取給定信號的振蕩信息辨識參數的特征值的具體方法為：
3.根據權利要求2所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述極點zi求解過程如下：
4.根據權利要求1所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述Levenberg-Marquardt算法引入了信賴域，將優化問題從無約束的最小二乘問題變成了有約束的最小二乘問題，此處為非線性最小二乘問題，具體步驟如下：
5.基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識裝置，利用權利要求1所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：包括：
6.根據權利要求5所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識裝置，其特征
7.根據權利要求6所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識裝置，其特征是：所述極點zi求解單元用于極點zi求解，具體如下：
8.根據權利要求6所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識裝置，其特征是：所述特征值λi求解單元用于通過下式得到電力系統振蕩信息辨識參數的特征值λi：
9.根據權利要求6所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識裝置，其特征是：所述Levenberg-Marquardt算法模塊用于實現以下功能：
10.一種存儲介質，其特征是：所述存儲介質為計算機可讀存儲介質，計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-4任一項所述的基于矩陣束和LM的含構網型變流器電力系統次同步振蕩模態辨識方法。
...【技術特征摘要】
1.基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：包括以下步驟，并且以下步驟順次進行，
2.根據權利要求1所述的基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述采用矩陣束法提取給定信號的振蕩信息辨識參數的特征值的具體方法為：
3.根據權利要求2所述的基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述極點zi求解過程如下：
4.根據權利要求1所述的基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：所述levenberg-marquardt算法引入了信賴域，將優化問題從無約束的最小二乘問題變成了有約束的最小二乘問題，此處為非線性最小二乘問題，具體步驟如下：
5.基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識裝置，利用權利要求1所述的基于矩陣束和lm的含構網型變流器電力系統次同步振蕩模態辨識方法，其特征是：包括：
6.根據權利要求5所述的基于矩陣...
【專利技術屬性】
技術研發人員：崔楊，周凌，戴漢揚，王碩，宋新立，馬鑫，
申請(專利權)人：東北電力大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。