本發(fā)明具體涉及一種中小水電集群的動(dòng)態(tài)等值方法。
背景技術(shù)：
：由于中小水電靈活、方便且環(huán)境友好，近年來水電豐富地區(qū)中小水電站發(fā)展較為迅速。這些機(jī)組單機(jī)容量較小，每臺(tái)機(jī)對(duì)電網(wǎng)的影響可以忽略，但隨著其并網(wǎng)規(guī)模的逐漸增加，整個(gè)中小水電群對(duì)電力系統(tǒng)穩(wěn)定與安全運(yùn)行的影響將難以被忽視。由于每臺(tái)機(jī)組和線路的參數(shù)均難以獲得，因此建立包含所有水電機(jī)組在內(nèi)的中小水電集群的詳細(xì)模型非常困難；而且，由于詳細(xì)模型階數(shù)較高，即使建立了詳細(xì)模型，在電力系統(tǒng)穩(wěn)定計(jì)算中也可能會(huì)帶來維數(shù)災(zāi)?，F(xiàn)今在我國對(duì)于中小型水力電力系統(tǒng)的研究中，通常的方法是將水電機(jī)組等值成負(fù)負(fù)荷模型，然而負(fù)負(fù)荷模型下水電機(jī)組的動(dòng)態(tài)響應(yīng)以及暫態(tài)穩(wěn)定性并不能與詳細(xì)模型的機(jī)組響應(yīng)保持一致。目前，關(guān)于電力系統(tǒng)的等值研究有三種基本的方法：同調(diào)等值法，模態(tài)等值法以及估計(jì)等值法。其中模態(tài)等值法只能用于小干擾穩(wěn)定性而非暫態(tài)穩(wěn)定性的研究；同調(diào)等值法不適用于研究發(fā)電機(jī)組和網(wǎng)絡(luò)的參數(shù)未知的情況，而由于中小型水電機(jī)組的參數(shù)通常都是未知的，因此同調(diào)等值法對(duì)于中小水電集群等值問題而言是不適用的；但是，估計(jì)等值法卻適用于發(fā)電機(jī)和網(wǎng)絡(luò)參數(shù)未知的情況，因此在中小水電集群等值研究方面有較大的優(yōu)勢(shì)。當(dāng)前，相量量測技術(shù)已廣泛應(yīng)用于電力系統(tǒng)動(dòng)態(tài)監(jiān)測，估計(jì)等值法正可以應(yīng)用連接待等值水電群和電力系統(tǒng)聯(lián)絡(luò)線的相量量測數(shù)據(jù)。在基于估計(jì)等值法的中小水電集群等值研究中，目前已取得了一些研究成果。基于降階的人工神經(jīng)網(wǎng)絡(luò)等人工智能方法來辨識(shí)被等值系統(tǒng)的動(dòng)態(tài)響應(yīng)已取得一定成果，并且成果在一個(gè)16機(jī)測試系統(tǒng)上實(shí)現(xiàn)；但是該方法以人工智能模型的方式進(jìn)行等值，等值模型并沒有實(shí)際物理意義。在基于物理模型的基礎(chǔ)上的估計(jì)等值法也有一定的成果，該方法多基于量測數(shù)據(jù)對(duì)物理模型的參數(shù)進(jìn)行辨識(shí)。有文獻(xiàn)(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,“DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,”Energy,vol.9.no.5,pp.1-14,May2016.)將中小水電機(jī)群等值為發(fā)電機(jī)并聯(lián)負(fù)荷模型，并基于量測數(shù)據(jù)、利用動(dòng)態(tài)多群粒子群(DMS-PSO)算法來辨識(shí)得到模型參數(shù)，但是其等值模型的動(dòng)態(tài)響應(yīng)特性在第二擺以后誤差較大，而且其參數(shù)辨識(shí)方法并不穩(wěn)定。粒子群算法廣泛應(yīng)用于參數(shù)辨識(shí)領(lǐng)域，然而基于粒子群算法的參數(shù)辨識(shí)算法在某些場景下并不準(zhǔn)確。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種基于實(shí)際量測量，快速準(zhǔn)確對(duì)中小水電集群進(jìn)行動(dòng)態(tài)等值的中小水電集群的動(dòng)態(tài)等值方法。本發(fā)明提供的這種中小水電集群的動(dòng)態(tài)等值方法，包括如下步驟：S1.獲取目標(biāo)中小水電集群的運(yùn)行量測信息；S2.建立目標(biāo)中小水電集群的動(dòng)態(tài)等值模型；S3.采用自適應(yīng)控制參數(shù)改進(jìn)差分進(jìn)化算法辨識(shí)水電集群動(dòng)態(tài)等值模型參數(shù)；S4.將步驟S3得到的模型參數(shù)帶入步驟S2的動(dòng)態(tài)等值模型，完成目標(biāo)中小水電集群的動(dòng)態(tài)等值模型。步驟S1所述的運(yùn)行量測信息，包括聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的有功功率、聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的無功功率、目標(biāo)中小水電集群送出母線的電壓和目標(biāo)中小水電集群送出母線的頻率。步驟S2所述的建立目標(biāo)中小水電集群的動(dòng)態(tài)等值模型，具體包括如下步驟：Ⅰ.建立等值發(fā)電機(jī)模型；Ⅱ.建立等值負(fù)荷模型；Ⅲ.得到等值模型的有功功率輸出算式和無功功率輸出算式。步驟Ⅰ所述的建立等值發(fā)電機(jī)模型的具體表達(dá)式如下所示：式中t是時(shí)間；ω是等值發(fā)電機(jī)轉(zhuǎn)速；δ’是等值發(fā)電機(jī)功角與機(jī)端母線電壓相角差；E’是等值發(fā)電機(jī)x’d后面的電動(dòng)勢(shì)，即q軸暫態(tài)電動(dòng)勢(shì)；V是等值發(fā)電機(jī)機(jī)端電壓；ωf是等值發(fā)電機(jī)機(jī)端母線電壓的頻率；Pm是等值發(fā)電機(jī)機(jī)械功率；Pe是等值發(fā)電機(jī)電磁功率；Qe是等值發(fā)電機(jī)無功功率；Tj是等值發(fā)電機(jī)慣性時(shí)間常數(shù)；D是等值發(fā)電機(jī)阻尼系數(shù)；xd是等值發(fā)電機(jī)d軸同步電抗；x’d是等值發(fā)電機(jī)d軸暫態(tài)電抗，等于q軸同步電抗xq；T’d0是等值發(fā)電機(jī)d軸開路暫態(tài)時(shí)間常數(shù)；KV是等值發(fā)電機(jī)勵(lì)磁電壓反饋系數(shù)；Ef0是等值發(fā)電機(jī)初始勵(lì)磁電壓；V0是等值發(fā)電機(jī)初始機(jī)端電壓。步驟Ⅱ所述的建立等值負(fù)荷模型為靜態(tài)ZIP負(fù)荷模型，具體如下式所示：式中Ps0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始有功功率；Qs0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始無功功率；Ap、Bp,、Aq、Bq分別是并聯(lián)等值靜態(tài)ZIP負(fù)荷中恒阻抗、恒電流分量的比例系數(shù)；下標(biāo)p和q分別表示有功功率和無功功率。步驟Ⅲ所述的等值模型的有功功率輸出算式和無功功率輸出算式具體如下式所示：式中P為等值模型輸出有功功率；Q為等值模型輸出無功功率；Pe是發(fā)電機(jī)有功功率；Qe是發(fā)電機(jī)無功功率；Ps是并聯(lián)靜態(tài)ZIP負(fù)荷有功功率；Qs是并聯(lián)靜態(tài)ZIP負(fù)荷無功功率。步驟S3所述的采用自適應(yīng)控制參數(shù)改進(jìn)差分進(jìn)化算法辨識(shí)水電集群動(dòng)態(tài)等值模型參數(shù)，具體包括如下步驟：A.初始化：需辨識(shí)的參數(shù)有Tj、T’d0、xd、x’d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12個(gè)，組成M維向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，記為X＝(x1x2...xM)，根據(jù)參數(shù)向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在范圍之內(nèi)隨機(jī)生成N個(gè)第g＝0代參數(shù)向量作為種群搜索空間；B.選擇第g代個(gè)體參數(shù)向量下等值模型輸出響應(yīng)值，其中g(shù)為非負(fù)整數(shù)：令輸入變量V和ωf為目標(biāo)中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識(shí)參數(shù)向量分別為第i個(gè)個(gè)體參數(shù)向量利用四階龍格庫塔算法求解目標(biāo)中小水電集群的動(dòng)態(tài)等值模型共N次，分別得到第i個(gè)個(gè)體參數(shù)向量對(duì)應(yīng)的等值模型的輸出響應(yīng)值有功功率PXi(t),t＝1,2,...,T和無功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.選擇第g代最優(yōu)個(gè)體參數(shù)向量：采用如下算式計(jì)算所有個(gè)體對(duì)應(yīng)的適應(yīng)度其中，Pl(t),t＝1,2,…,T為聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的量測有功功率，Ql(t),t＝1,2,…,T為聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的量測無功功率；選擇適應(yīng)度最優(yōu)的個(gè)體作為最優(yōu)個(gè)體，即適應(yīng)度中最小值對(duì)應(yīng)的個(gè)體參數(shù)向量其中，的值為求取達(dá)到最小值時(shí)對(duì)應(yīng)的值；D.判斷第g代最優(yōu)個(gè)體參數(shù)向量是否滿足收斂要求：如果g＝gmax或則表明參數(shù)的精度已經(jīng)滿足要求，輸出最終的待辨識(shí)參數(shù)向量算法停止；否則，則繼續(xù)執(zhí)行剩余的計(jì)算步驟；其中，gmax為最大代數(shù)，ε為事先設(shè)定的精度要求，為第g代參數(shù)的最優(yōu)適應(yīng)度；E.變異，即求第g代變異參數(shù)向量：變異得到參數(shù)向量計(jì)算公式如下：其中，和為從當(dāng)前種群搜索空間中隨機(jī)選擇的三個(gè)不同個(gè)體向量，即i_r1,i_r2和i_r3為隨機(jī)選取、滿足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的個(gè)體向量下標(biāo)，對(duì)于每個(gè)個(gè)體向量的每次更新均隨機(jī)選取三個(gè)不同個(gè)體向量，即針對(duì)不同i，i_r1,i_r2和i_r3均隨機(jī)生成，由于每次迭代需要更新N個(gè)個(gè)體向量，共隨機(jī)生成N次；Fi為變異尺度因子，根據(jù)下式計(jì)算得到：式中，F(xiàn)l和Fu分別為變異尺度因子的下限和上限，一般情況下，取Fl＝0.1，F(xiàn)u＝0.9；fb、fm、fw分別為個(gè)體向量和對(duì)應(yīng)的適應(yīng)度和最好、較好和最差值，即其中的最小值、次小值和最大值分別為fb、fm和fw；若變異超過個(gè)體向量的上下限，則需要對(duì)作如下修正，得到最終的變異參數(shù)向量其中第i個(gè)向量第j維參數(shù)選取原則為下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]為第i個(gè)向量在第j維上產(chǎn)生的一個(gè)[0,1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)；F.交叉，求第g代試驗(yàn)參數(shù)向量：交叉得到第g代試驗(yàn)向量其第i個(gè)試驗(yàn)向量的第j維參數(shù)的選取原則為：其中，randij[0,1]為第i個(gè)向量在第j維上產(chǎn)生的一個(gè)[0,1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)，jrand為[1,M]內(nèi)的隨機(jī)整數(shù)，以確保試驗(yàn)向量至少有一維由變異向量貢獻(xiàn)，randij[0,1]和jrand在不同i時(shí)將重新抽取，共抽取N次；CRi為交叉概率常數(shù)，取值在[0,1]范圍內(nèi)，根據(jù)下式計(jì)算得到：式中，CRl和CRu分別為交叉概率常數(shù)的下限和上限，一般情況下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分別表示當(dāng)前種群中全部N個(gè)個(gè)體參數(shù)向量的適應(yīng)度之中的最優(yōu)個(gè)體適應(yīng)度、最差個(gè)體適應(yīng)度以及當(dāng)前種群的平均適應(yīng)度，即中的最小值、最大值和平均值分別為fbest、fworst和G.計(jì)算第g代試驗(yàn)參數(shù)向量下等值模型輸出響應(yīng)值：令輸入變量V和ωf為目標(biāo)中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識(shí)參數(shù)向量分別為第i(i＝1,2,…,N)個(gè)個(gè)體試驗(yàn)參數(shù)向量利用四階龍格庫塔算法求解目標(biāo)中小水電集群的動(dòng)態(tài)等值模型共N次，分別得到第i(i＝1,2,…,N)個(gè)個(gè)體試驗(yàn)參數(shù)向量對(duì)應(yīng)的等值模型的輸出響應(yīng)值有功功率PUi(t),t＝1,2,...,T和無功功率QUi(t),t＝1,2,...,T；H.選擇，求第g+1代個(gè)體參數(shù)向量：在第g代個(gè)體參數(shù)向量與第g代個(gè)體試驗(yàn)參數(shù)向量之間選擇，得到第g+1代個(gè)體參數(shù)向量計(jì)算公式如下：其中，為第g代試驗(yàn)參數(shù)向量的適應(yīng)度，計(jì)算公式為：I.重復(fù)步驟B～步驟H，直至步驟D的判斷條件滿足，即第g代最優(yōu)個(gè)體參數(shù)向量滿足收斂要求，得到最終的待辨識(shí)參數(shù)向量算法停止。本發(fā)明提供的這種中小水電集群動(dòng)態(tài)等值方法，選擇等值模型為三階發(fā)電機(jī)并聯(lián)靜態(tài)ZIP負(fù)荷模型，選擇中小水電集群送電聯(lián)絡(luò)線相量量測數(shù)據(jù)的有功功率、無功功率、電壓、頻率作為輸入數(shù)據(jù)為輸入，采用自適應(yīng)控制參數(shù)改進(jìn)差分進(jìn)化算法來辨識(shí)等值模型參數(shù)；本發(fā)明與其它傳統(tǒng)等值方法相比，具有較高的動(dòng)態(tài)響應(yīng)精度，所用的參數(shù)辨識(shí)算法具有較好的穩(wěn)定性，可用于中小型水力發(fā)電機(jī)集群的等值參數(shù)辨識(shí)計(jì)算，具有杰出的工程應(yīng)用價(jià)值。附圖說明圖1為本發(fā)明方法的流程圖。圖2為本發(fā)明方法與其他現(xiàn)有方法在等值模型有功功率輸出響應(yīng)上的比較結(jié)果示意圖。圖3為本發(fā)明方法與其他現(xiàn)有方法在等值模型無功功率輸出響應(yīng)上的比較結(jié)果示意圖。具體實(shí)施方式如圖1所示為本發(fā)明方法的流程圖：本發(fā)明提供的這種中小水電集群的動(dòng)態(tài)等值方法，包括如下步驟：S1.獲取目標(biāo)中小水電集群的運(yùn)行量測信息，包括聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的有功功率、聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的無功功率、目標(biāo)中小水電集群送出母線的電壓和目標(biāo)中小水電集群送出母線的頻率；S2.建立目標(biāo)中小水電集群的動(dòng)態(tài)等值模型，具體包括如下步驟：Ⅰ.建立等值發(fā)電機(jī)模型；式中t是時(shí)間；ω是等值發(fā)電機(jī)轉(zhuǎn)速；δ’是等值發(fā)電機(jī)功角與機(jī)端母線電壓相角差；E’是等值發(fā)電機(jī)x’d后面的電動(dòng)勢(shì)，即q軸暫態(tài)電動(dòng)勢(shì)；V是等值發(fā)電機(jī)機(jī)端電壓；ωf是等值發(fā)電機(jī)機(jī)端母線電壓的頻率；Pm是等值發(fā)電機(jī)機(jī)械功率；Pe是等值發(fā)電機(jī)電磁功率；Qe是等值發(fā)電機(jī)無功功率；Tj是等值發(fā)電機(jī)慣性時(shí)間常數(shù)；D是等值發(fā)電機(jī)阻尼系數(shù)；xd是等值發(fā)電機(jī)d軸同步電抗；x’d是等值發(fā)電機(jī)d軸暫態(tài)電抗，等于q軸同步電抗xq；T’d0是等值發(fā)電機(jī)d軸開路暫態(tài)時(shí)間常數(shù)；KV是等值發(fā)電機(jī)勵(lì)磁電壓反饋系數(shù)；Ef0是等值發(fā)電機(jī)初始勵(lì)磁電壓；V0是等值發(fā)電機(jī)初始機(jī)端電壓；Ⅱ.建立等值負(fù)荷模型；式中Ps0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始有功功率；Qs0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始無功功率；Ap、Bp,、Aq、Bq分別是并聯(lián)等值靜態(tài)ZIP負(fù)荷中恒阻抗、恒電流分量的比例系數(shù)；下標(biāo)p和q分別表示有功功率和無功功率；Ⅲ.得到等值模型的有功功率輸出算式和無功功率輸出算式：式中P為等值模型輸出有功功率；Q為等值模型輸出無功功率；Pe是發(fā)電機(jī)有功功率；Qe是發(fā)電機(jī)無功功率；Ps是并聯(lián)靜態(tài)ZIP負(fù)荷有功功率；Qs是并聯(lián)靜態(tài)ZIP負(fù)荷無功功率；S3.采用自適應(yīng)控制參數(shù)改進(jìn)差分進(jìn)化算法辨識(shí)水電集群動(dòng)態(tài)等值模型參數(shù)，具體包括如下步驟：A.初始化：需辨識(shí)的參數(shù)有Tj、T’d0、xd、x’d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12個(gè)，記為M維向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，在下文中將待辨識(shí)的模型參數(shù)組成參數(shù)向量記為X＝(x1x2...xM)，根據(jù)參數(shù)向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在范圍之內(nèi)隨機(jī)生成N個(gè)第g＝0代參數(shù)向量作為種群搜索空間；B.選擇第g代個(gè)體參數(shù)向量下等值模型輸出響應(yīng)值，其中g(shù)為非負(fù)整數(shù)：令輸入變量V和ωf為目標(biāo)中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識(shí)參數(shù)向量分別為第i個(gè)個(gè)體參數(shù)向量利用四階龍格庫塔算法求解目標(biāo)中小水電集群的動(dòng)態(tài)等值模型共N次，分別得到第i個(gè)個(gè)體參數(shù)向量對(duì)應(yīng)的等值模型的輸出響應(yīng)值有功功率PXi(t),t＝1,2,...,T和無功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.選擇第g代最優(yōu)個(gè)體參數(shù)向量：采用如下算式計(jì)算所有個(gè)體對(duì)應(yīng)的適應(yīng)度其中，Pl(t),t＝1,2,…,T為聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的量測有功功率，Ql(t),t＝1,2,…,T為聯(lián)絡(luò)線靠近目標(biāo)中小水電集群側(cè)的量測無功功率；選擇適應(yīng)度最優(yōu)的個(gè)體作為最優(yōu)個(gè)體，即適應(yīng)度中最小值對(duì)應(yīng)的個(gè)體參數(shù)向量其中，的值為求取達(dá)到最小值時(shí)對(duì)應(yīng)的值；D.判斷第g代最優(yōu)個(gè)體參數(shù)向量是否滿足收斂要求：如果g＝gmax或則表明參數(shù)的精度已經(jīng)滿足要求，輸出最終的待辨識(shí)參數(shù)向量算法停止；否則，則繼續(xù)執(zhí)行剩余的計(jì)算步驟；其中，gmax為最大代數(shù)，ε為事先設(shè)定的精度要求，為第g代參數(shù)的最優(yōu)適應(yīng)度；E.變異，即求第g代變異參數(shù)向量：變異得到參數(shù)向量計(jì)算公式如下：其中，和為從當(dāng)前種群搜索空間中隨機(jī)選擇的三個(gè)不同個(gè)體向量，即i_r1,i_r2和i_r3為隨機(jī)選取、滿足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的個(gè)體向量下標(biāo)，對(duì)于每個(gè)個(gè)體向量的每次更新均隨機(jī)選取三個(gè)不同個(gè)體向量，即針對(duì)不同i，i_r1,i_r2和i_r3均隨機(jī)生成，由于每次迭代需要更新N個(gè)個(gè)體向量，共隨機(jī)生成N次；Fi為變異尺度因子，根據(jù)下式計(jì)算得到：式中，F(xiàn)l和Fu分別為變異尺度因子的下限和上限，一般情況下，取Fl＝0.1，F(xiàn)u＝0.9；fb、fm、fw分別為個(gè)體向量和對(duì)應(yīng)的適應(yīng)度和最好、較好和最差值，即其中的最小值、次小值和最大值分別為fb、fm和fw；若變異超過個(gè)體向量的上下限，則需要對(duì)作如下修正，得到最終的變異參數(shù)向量其中第i個(gè)向量第j維參數(shù)選取原則為下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]為第i個(gè)向量在第j維上產(chǎn)生的一個(gè)[0,1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)；F.交叉，求第g代試驗(yàn)參數(shù)向量：交叉得到第g代試驗(yàn)向量其第i個(gè)試驗(yàn)向量的第j(j＝1,2,…,M)維參數(shù)的選取原則為：其中，randij[0,1]為第i個(gè)向量在第j維上產(chǎn)生的一個(gè)[0,1]范圍內(nèi)的均勻分布的隨機(jī)數(shù)，jrand為[1,M]內(nèi)的隨機(jī)整數(shù)，以確保試驗(yàn)向量至少有一維由變異向量貢獻(xiàn)，randij[0,1]和jrand在不同i時(shí)將重新抽取，共抽取N次；CRi為交叉概率常數(shù)，取值在[0,1]范圍內(nèi)，根據(jù)下式計(jì)算得到：式中，CRl和CRu分別為交叉概率常數(shù)的下限和上限，一般情況下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分別表示當(dāng)前種群中全部N個(gè)個(gè)體參數(shù)向量的適應(yīng)度之中的最優(yōu)個(gè)體適應(yīng)度、最差個(gè)體適應(yīng)度以及當(dāng)前種群的平均適應(yīng)度，即中的最小值、最大值和平均值分別為fbest、fworst和G.計(jì)算第g代試驗(yàn)參數(shù)向量下等值模型輸出響應(yīng)值：令輸入變量V和ωf為目標(biāo)中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識(shí)參數(shù)向量分別為第i(i＝1,2,…,N)個(gè)個(gè)體試驗(yàn)參數(shù)向量利用四階龍格庫塔算法求解目標(biāo)中小水電集群的動(dòng)態(tài)等值模型共N次，分別得到第i(i＝1,2,…,N)個(gè)個(gè)體試驗(yàn)參數(shù)向量對(duì)應(yīng)的等值模型的輸出響應(yīng)值有功功率PUi(t),t＝1,2,...,T和無功功率QUi(t),t＝1,2,...,T；H.選擇，求第g+1代個(gè)體參數(shù)向量：在第g代個(gè)體參數(shù)向量與第g代個(gè)體試驗(yàn)參數(shù)向量之間選擇，得到第g+1代個(gè)體參數(shù)向量計(jì)算公式如下：其中，為第g代試驗(yàn)參數(shù)向量的適應(yīng)度，計(jì)算公式為：I.重復(fù)步驟B～步驟H，直至步驟D的判斷條件滿足，即第g代最優(yōu)個(gè)體參數(shù)向量滿足收斂要求，得到最終的待辨識(shí)參數(shù)向量算法停止；S4.將步驟S3得到的模型參數(shù)帶入步驟S2的動(dòng)態(tài)等值模型，完成目標(biāo)中小水電集群的動(dòng)態(tài)等值模型。以下結(jié)合一個(gè)仿真實(shí)例，說明本發(fā)明方法的優(yōu)點(diǎn)：采用我國某實(shí)際電網(wǎng)的中小水電集群進(jìn)行動(dòng)態(tài)等值，被等值區(qū)域有10個(gè)水電站，23臺(tái)水電機(jī)組，總?cè)萘繛?578MW，該水電群通過500kV聯(lián)絡(luò)線輸電至主網(wǎng)，詳細(xì)模型采用5階發(fā)電機(jī)模型，仿真基于PSASP進(jìn)行。在進(jìn)行參數(shù)辨識(shí)時(shí)，選擇個(gè)體向量空間向量數(shù)N＝60，代數(shù)gmax＝300，ε＝10-5，變異尺度因子下限和上限分別取Fl＝0.1和Fu＝0.9，交叉概率常數(shù)下限和上限分別取CRl＝0.1，CRu＝0.6。圖2和圖3給出了基于本專利的等值模型在有功功率和無功功率輸出響應(yīng)上，與詳細(xì)模型、參考文獻(xiàn)(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,“DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,”Energy,vol.9.no.5,pp.1-14,May2016.)中的等值模型以及負(fù)負(fù)荷等值模型的比較結(jié)果，可以看出，本專利的等值模型具有更高的準(zhǔn)確性。表1為經(jīng)過7次參數(shù)辨識(shí)得到的不同參數(shù)的結(jié)果：表17次參數(shù)辨識(shí)得到的不同參數(shù)的結(jié)果示意表表2為每個(gè)參數(shù)的平均值和標(biāo)準(zhǔn)差：表2每個(gè)參數(shù)的平均值和標(biāo)準(zhǔn)差示意表參數(shù)TjT’d0xdx’dDKV平均值(p.u.)84.94830.19560.03580.04450.84350.4387標(biāo)準(zhǔn)差(p.u.)1.15660.00990.00230.0010.05760.111參數(shù)Ps0Qs0ApAqBpBq平均值(p.u.)4.64990.22630.1709100標(biāo)準(zhǔn)差(p.u.)0.18290.00310.014600.01460通過表1和表2可以看到，辨識(shí)結(jié)果的差別較小，參數(shù)辨識(shí)的方法穩(wěn)定性較高。結(jié)果中只有KV的標(biāo)準(zhǔn)差稍大，但是對(duì)等值模型動(dòng)態(tài)響應(yīng)影響并不大。當(dāng)前第1頁1 2 3