技術(shù)特征：

1.一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(cè)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。

2.根據(jù)權(quán)利要求1所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟S1所述的運(yùn)行量測(cè)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(wú)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。

3.根據(jù)權(quán)利要求1所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟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(wú)功功率輸出算式。

4.根據(jù)權(quán)利要求3所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟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：

$\left\{\begin{array}{c}\frac{{\mathrm{d\δ}}^{\′}}{dt}=\mathrm{\ω}-{\mathrm{\ω}}_f\\ T_j\frac{d\mathrm{\ω}}{dt}=P_m-P_e-D(\mathrm{\ω}-1)\\ T_{d0}^{\′}\frac{{\mathrm{dE}}^{\′}}{dt}=E_{f0}-K_V(V-V_0)-\frac{x_d}{x_d^{\′}}{E}^{\′}+(\frac{x_d}{x_d^{\′}}-1)Vcos{\mathrm{\δ}}^{\′}\end{array}\right.$

$\left\{\begin{array}{c}{P}_e=\frac{E^{\′}V}{x_d^{\′}}sin{\mathrm{\δ}}^{\′}\\ Q_e=\frac{E^{\′}V{\mathrm{cos\δ}}^{\′}-V^2}{x_d^{\′}}\end{array}\right.$

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；ω_f是等值發(fā)電機(jī)機(jī)端母線電壓的頻率；P_m是等值發(fā)電機(jī)機(jī)械功率；P_e是等值發(fā)電機(jī)電磁功率；Q_e是等值發(fā)電機(jī)無(wú)功功率；T_j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)；x_d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x_q；T’_d0是等值發(fā)電機(jī)d軸開(kāi)路暫態(tài)時(shí)間常數(shù)；K_V是等值發(fā)電機(jī)勵(lì)磁電壓反饋系數(shù)；E_f0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。

5.根據(jù)權(quán)利要求3所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟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：

$\left\{\begin{array}{c}{P}_s=P_{s0}\[A_p{(V/V_0)}^2+B_p(V/V_0)+(1-A_p-B_p)\]\\ Q_s=Q_{s0}\[A_q{(V/V_0)}^2+B_q(V/V_0)+(1-A_q-B_q)\]\end{array}\right.$

式中P_s0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始有功功率；Q_s0是并聯(lián)等值靜態(tài)ZIP負(fù)荷初始無(wú)功功率；A_p、B_p,、A_q、B_q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(wú)功功率。

6.根據(jù)權(quán)利要求3所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟Ⅲ所述的等值模型的有功功率輸出算式和無(wú)功功率輸出算式具體如下式所示：

$\left\{\begin{array}{c}P=P_e-P_s\\ Q=Q_e-Q_s\end{array}\right.$

式中P為等值模型輸出有功功率；Q為等值模型輸出無(wú)功功率；P_e是發(fā)電機(jī)有功功率；Q_e是發(fā)電機(jī)無(wú)功功率；P_s是并聯(lián)靜態(tài)ZIP負(fù)荷有功功率；Q_s是并聯(lián)靜態(tài)ZIP負(fù)荷無(wú)功功率。

7.根據(jù)權(quán)利要求1～6之一所述的中小水電集群的動(dòng)態(tài)等值方法，其特征在于步驟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T_j、T’_d0、x_d、x’_d、D、K_V、P_s0、Q_s0、A_p、A_q、B_p,、B_q，共M＝12個(gè)，組成M維向量X＝[T_j T′_d0 x_d x′_d D K_v P_s0 Q_s0 A_p A_q B_p B_q]，并記為X＝(x₁ x₂ ... x_M)，根據(jù)參數(shù)向量的上下限X_max＝(x_max1 x_max2 ... x_maxM)和X_min＝(x_min1 x_min2 ... x_minM)，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ω_f為目標(biāo)中小水電集群送出母線的量測(cè)電壓V_l(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測(cè)頻率ω_fl(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(kù)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P_Xi(t),t＝1,2,...,T和無(wú)功功率Q_Xi(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

$f\left(X_i^{\left(g\right)}\right)=\sqrt{\underset{t=1}{\overset{T}{\Σ}}\{{\[\frac{P_1\left(t\right)-P_{Xi}\left(t\right)}{P_1\left(1\right)}\]}^2+{\[\frac{Q_1\left(t\right)-Q_{Xi}\left(t\right)}{Q_1\left(1\right)}\]}^2\}}$

其中，P_l(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(cè)有功功率，Q_l(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(cè)無(wú)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＝g_max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，g_max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：

$V_i^{\′\left(g\right)}=X_{i\_r1}^{\left(g\right)}+F_i\·(X_{i\_r1}^{\left(g\right)}-X_{i\_r1}^{\left(g\right)})$

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；F_i為變異尺度因子，根據(jù)下式計(jì)算得到：

$F_i=F_1+(F_u-F_1)\·\frac{f_m-f_b}{f_w-f_b}$

式中，F(xiàn)_l和F_u分別為變異尺度因子的下限和上限，一般情況下，取F_l＝0.1，F(xiàn)_u＝0.9；f_b、f_m、f_w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f_b、f_m和f_w；

若變異超過(guò)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：

$v_{ij}^{\left(g\right)}=\left\{\begin{array}{cc}{v}_{ij}^{\′\left(g\right)},& x_{\min j}\≤v_{ij}^{\′\left(g\right)}\≤x_{\max j}\\ (x_{\max j}-x_{\min j}){\mathrm{rand}}_{ij}\[0,1\]+x_{\min j},& v_{ij}^{\′\left(g\right)}\<x_{\min j}or{v}_{ij}^{\′\left(g\right)}\>x_{\max j}\end{array}\right.$

其中，rand_ij[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：

$u_{ij}^{\left(g\right)}=\left\{\begin{array}{cc}{v}_{ij}^{\left(g\right)},& {\mathrm{rand}}_{ij}\[0,1\]\≤{\mathrm{CR}}_{i}orj=j_{rand}\\ x_{ij}^{\left(g\right)},& {\mathrm{rand}}_{ij}\[0,1\]\>{\mathrm{CR}}_{i}andj\≠j_{rand}\end{array}\right.$

其中，rand_ij[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)，j_rand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)，rand_ij[0,1]和j_rand在不同i時(shí)將重新抽取，共抽取N次；CR_i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：

${\mathrm{CR}}_i=\left\{\begin{array}{cc}{\mathrm{CR}}_1+({\mathrm{CR}}_u-{\mathrm{CR}}_1)\·\frac{f\left(X_i^{\left(g\right)}\right)-f_{worst}}{f_{best}-f_{worst}},& f\left(X_i^{\left(g\right)}\right)\≥\stackrel{\‾}{f}\\ {\mathrm{CR}}_1,& f\left(X_i^{\left(g\right)}\right)\<\stackrel{\‾}{f}\end{array}\right.$

式中，CR_l和CR_u分別為交叉概率常數(shù)的下限和上限，一般情況下，取CR_l＝0.1，CR_u＝0.6；f_best、f_worst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f_best、f_worst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ω_f為目標(biāo)中小水電集群送出母線的量測(cè)電壓V_l(t),t＝1,2,…,T和目標(biāo)中小水電集群送出母線的量測(cè)頻率ω_fl(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(kù)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P_Ui(t),t＝1,2,...,T和無(wú)功功率Q_Ui(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：

$X_i^{(g+1)}=\left\{\begin{array}{cc}{U}_i^{\left(g\right)},& f\left(U_i^{\left(g\right)}\right)\≤f\left(X_i^{\left(g\right)}\right)\\ X_i^{\left(g\right)},& f\left(U_i^{\left(g\right)}\right)\>f\left(X_i^{\left(g\right)}\right)\end{array}\right.$

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：

$f\left(U_i^{\left(g\right)}\right)=\sqrt{\underset{t=1}{\overset{T}{\Σ}}\{{\[\frac{P_1\left(t\right)-P_{Ui}\left(t\right)}{P_1\left(1\right)}\]}^2+{\[\frac{Q_1\left(t\right)-Q_{Ui}\left(t\right)}{Q_1\left(1\right)}\]}^2\}}$

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。