本發(fā)明涉及發(fā)電機(jī)功率分配，具體為一種注入功率優(yōu)化分配方法及系統(tǒng)。

背景技術(shù)：

1、大型發(fā)電機(jī)在運(yùn)行過程中，其定子線棒在定子槽內(nèi)存在局部放電的風(fēng)險(xiǎn)。通過對(duì)定子線棒與定子鐵心槽的接觸狀態(tài)的檢測(cè)，可對(duì)定子線棒槽內(nèi)電暈放電狀態(tài)進(jìn)行有效評(píng)估。大型發(fā)電機(jī)定子線棒槽內(nèi)電暈放電狀態(tài)檢測(cè)系統(tǒng)通常采用鋰離子電池供電，使得系統(tǒng)在發(fā)電機(jī)檢修現(xiàn)場(chǎng)工作時(shí)接線更簡(jiǎn)便。鋰離子電池性能優(yōu)越，應(yīng)用廣泛，非常適合對(duì)電源能量密度要求較高的應(yīng)用場(chǎng)合。在大型發(fā)電機(jī)接觸系數(shù)試驗(yàn)應(yīng)用中，需要對(duì)測(cè)試點(diǎn)注入可快速動(dòng)態(tài)調(diào)節(jié)的功率，因此可通過采用高功率密度型的超級(jí)電容器對(duì)現(xiàn)有采用單一鋰離子電池的電源系統(tǒng)加以改進(jìn)。對(duì)混合儲(chǔ)能系統(tǒng)進(jìn)行合理的能量管理策略和控制方法，可以充分發(fā)揮各自儲(chǔ)能元件的優(yōu)勢(shì)，有效提升電源系統(tǒng)的安全性和工作效率、優(yōu)化電源系統(tǒng)運(yùn)行穩(wěn)定性、延長(zhǎng)儲(chǔ)能元件的使用壽命。

2、目前，常見的混合儲(chǔ)能系統(tǒng)功率分配方法主要包括低通濾波、傅里葉變換、小波變換以及經(jīng)驗(yàn)?zāi)B(tài)分解等方法。其中，低通濾波器在濾波時(shí)往往會(huì)產(chǎn)生一定的時(shí)間延遲，這有可能導(dǎo)致混合儲(chǔ)能系統(tǒng)的功率分配出現(xiàn)不恰當(dāng)?shù)那闆r，小波分解的效果在很大程度上依賴于所選用的基函數(shù)，而經(jīng)驗(yàn)?zāi)B(tài)分解方法雖然避免了依賴小波基函數(shù)的問題，但是在其遞歸分解的過程中，對(duì)于頻率相近的模態(tài)函數(shù)，難以做到精確分離，導(dǎo)致了各模態(tài)函數(shù)中模態(tài)混疊現(xiàn)象的存在。變分模態(tài)分解(vmd)方法在信號(hào)分解過程中，能夠自適應(yīng)地確定各個(gè)模態(tài)的最佳中心頻率和帶寬，并且可以有效地分離固有模態(tài)函數(shù)，對(duì)信號(hào)進(jìn)行頻域分割，從而使其在大型發(fā)電機(jī)接觸系數(shù)試驗(yàn)中優(yōu)化混合儲(chǔ)能系統(tǒng)的注入功率動(dòng)態(tài)分配。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問題是：本發(fā)明是解決在變分模態(tài)分解過程中，目前并沒有統(tǒng)一的默認(rèn)值來設(shè)定變分模態(tài)分解算法中的分解尺度k，以及懲罰因子的選擇對(duì)各模態(tài)分量的帶寬具有顯著影響的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種注入功率優(yōu)化分配方法，包括：

5、獲取發(fā)電機(jī)的運(yùn)行信號(hào)，利用變分模態(tài)分解算法對(duì)所述運(yùn)行信號(hào)進(jìn)行分解，得到模態(tài)函數(shù)，根據(jù)函數(shù)變換方法對(duì)所述模態(tài)函數(shù)進(jìn)行計(jì)算，求取所述模態(tài)函數(shù)的解析信號(hào)，得到模態(tài)函數(shù)對(duì)應(yīng)模態(tài)分量的單邊頻譜；

6、利用校正法對(duì)所述單邊頻譜進(jìn)行調(diào)整，得到單邊頻譜與對(duì)應(yīng)的基頻帶一致，計(jì)算所述解析信號(hào)的梯度平方范數(shù)，得到模態(tài)函數(shù)對(duì)應(yīng)分量的帶寬；

7、基于所述帶寬構(gòu)建帶約束變分模型，在所述帶約束變分模型中加入增廣拉格朗日系數(shù)，得到不帶約束變分模型；

8、利用交替方向乘子法與能量守恒定理，對(duì)所述不帶約束變分模型求解，得到變分模態(tài)分解的參數(shù)；

9、利用優(yōu)化算法對(duì)所述變分模態(tài)分解的參數(shù)進(jìn)行優(yōu)化求解，得到最優(yōu)參數(shù)組合；

10、將混合儲(chǔ)能系統(tǒng)的充放電功率信號(hào)利用變分模態(tài)分解算法的最優(yōu)參數(shù)組合進(jìn)行分解，得到信號(hào)分量，利用互信息熵確定功率分配的分界點(diǎn)，對(duì)于所述信號(hào)分量，根據(jù)自適應(yīng)策略調(diào)整儲(chǔ)能設(shè)備的輸出功率，得到功率分配。

11、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：利用校正法對(duì)所述單邊頻譜進(jìn)行調(diào)整包括：

12、利用希爾伯特變換對(duì)模態(tài)函數(shù)進(jìn)行計(jì)算，求取模態(tài)函數(shù)相關(guān)的解析信號(hào)，得到模態(tài)函數(shù)對(duì)應(yīng)的模態(tài)分量的預(yù)估中心頻率；

13、利用指數(shù)校正方法，將模態(tài)分量的單邊頻譜進(jìn)行調(diào)整，使得模態(tài)分量的單邊頻譜落在對(duì)應(yīng)的基頻帶上，表示為：

14、

15、其中，uk(t)為模態(tài)函數(shù)，為模態(tài)分量的預(yù)估中心頻率，j為δ(t)為狄拉克方程，π為圓周率，t為時(shí)間。

16、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：基于所述帶寬構(gòu)建帶約束變分模型包括：

17、通過計(jì)算解析信號(hào)梯度平方范數(shù)，得到模態(tài)分量的帶寬，構(gòu)造的帶約束變分模型表示為：

18、

19、其中，k為分解的模態(tài)個(gè)數(shù)，{uk}為分解后所有模態(tài)分量的集合，{ωk}為模態(tài)分量的中心頻率集合，*為卷積符號(hào)，f為原始信號(hào)。

20、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：在所述帶約束變分模型中加入增廣拉格朗日系數(shù)包括：

21、在帶約束變分模型中加入拉格朗日乘法算子和二次懲罰因子。

22、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：對(duì)所述不帶約束變分模型求解包括：

23、利用交替方向乘子法結(jié)合帕塞瓦爾定理，根據(jù)傅里葉變換的等價(jià)性進(jìn)行求解；

24、根據(jù)信號(hào)的埃爾米特對(duì)稱性質(zhì)，將不帶約束變分模型公式通過在非負(fù)頻率區(qū)間進(jìn)行積分表示，得到第一不帶約束變分模型公式，將不帶約束變分模型公式進(jìn)行求導(dǎo)，表示為：

25、

26、中心頻率同理得到表示為：

27、

28、其中，為當(dāng)前模態(tài)分量的中心頻率，ω為角頻率，α為增廣拉格朗日方法中引入的二次懲罰因子。

29、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：模態(tài)分量包括：

30、在獲取模態(tài)分量的過程中，對(duì)于每一個(gè)模態(tài)分量，計(jì)算第n+1次和第n次迭代得到的模態(tài)分量估計(jì)值之差的歐幾里得范數(shù)的平方，除以第n次迭代得到的模態(tài)分量估計(jì)值的歐幾里得范數(shù)的平方，對(duì)所有模態(tài)分量的比值求和；

31、若總和小于預(yù)設(shè)的正數(shù)精度閾值，則模態(tài)分量的迭代過程已經(jīng)滿足精度要求，可以停止迭代；若總和大于預(yù)設(shè)的正數(shù)精度閾值，則需要繼續(xù)進(jìn)行迭代。

32、作為本發(fā)明所述的注入功率優(yōu)化分配方法的一種優(yōu)選方案，其中：利用優(yōu)化算法對(duì)所述變分模態(tài)分解的參數(shù)進(jìn)行優(yōu)化求解包括：

33、將隨機(jī)產(chǎn)生的參數(shù)組合作為粒子的初始位置并初始化速度；

34、在不同粒子位置條件下，對(duì)運(yùn)行信號(hào)進(jìn)行變分模態(tài)分解算法運(yùn)算，計(jì)算得到每個(gè)粒子的適應(yīng)值，并記錄粒子全局最優(yōu)；

35、進(jìn)行更新操作，分別更新全局最優(yōu)粒子和其他粒子的位置和速度，計(jì)算所有粒子的適應(yīng)值，更新粒子全局最優(yōu)；

36、若循環(huán)迭代直至最大迭代次數(shù)，則輸出全局全優(yōu)解和粒子位置；

37、若循環(huán)迭代沒有達(dá)到最大迭代次數(shù)，則繼續(xù)進(jìn)行更新操作。

38、第二方面，本發(fā)明提供了一種注入功率優(yōu)化分配的系統(tǒng)，包括：

39、分解模塊，用于獲取發(fā)電機(jī)的運(yùn)行信號(hào)，利用變分模態(tài)分解算法對(duì)所述運(yùn)行信號(hào)進(jìn)行分解，得到模態(tài)函數(shù)，根據(jù)函數(shù)變換方法對(duì)所述模態(tài)函數(shù)進(jìn)行計(jì)算，求取所述模態(tài)函數(shù)的解析信號(hào)，得到模態(tài)函數(shù)對(duì)應(yīng)模態(tài)分量的單邊頻譜；

40、調(diào)整模塊，用于利用校正法對(duì)所述單邊頻譜進(jìn)行調(diào)整，得到單邊頻譜與對(duì)應(yīng)的基頻帶一致，計(jì)算所述解析信號(hào)的梯度平方范數(shù)，得到模態(tài)函數(shù)對(duì)應(yīng)分量的帶寬；

41、模型構(gòu)建模塊，用于基于所述帶寬構(gòu)建帶約束變分模型，在所述帶約束變分模型中加入增廣拉格朗日系數(shù)，得到不帶約束變分模型；

42、模型求解模塊，用于利用交替方向乘子法與能量守恒定理，對(duì)所述不帶約束變分模型求解，得到變分模態(tài)分解的參數(shù)；

43、參數(shù)求解模塊，用于利用優(yōu)化算法對(duì)所述變分模態(tài)分解的參數(shù)進(jìn)行優(yōu)化求解，得到最優(yōu)參數(shù)組合；

44、分配模塊，用于將混合儲(chǔ)能系統(tǒng)的充放電功率信號(hào)利用變分模態(tài)分解算法的最優(yōu)參數(shù)組合進(jìn)行分解，得到信號(hào)分量，利用互信息熵確定功率分配的分界點(diǎn)，對(duì)于所述信號(hào)分量，根據(jù)自適應(yīng)策略調(diào)整儲(chǔ)能設(shè)備的輸出功率，得到功率分配。

45、第三方面，本發(fā)明提供了一種計(jì)算設(shè)備，包括：

46、存儲(chǔ)器和處理器；

47、所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令，所述處理器用于執(zhí)行所述計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述注入功率優(yōu)化分配方法的步驟。

48、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述注入功率優(yōu)化分配方法的步驟。

49、本發(fā)明的有益效果：本發(fā)明所提出的參數(shù)優(yōu)化變分模態(tài)分解算法，對(duì)混合儲(chǔ)能系統(tǒng)功率信號(hào)的分解結(jié)果更為均勻和規(guī)律，有效改善了emd分解產(chǎn)生的模態(tài)混疊現(xiàn)象，可以明顯區(qū)分各個(gè)子信號(hào)，從而確保了vmd算法信號(hào)分解結(jié)果的優(yōu)越性，能更有效地完成功率信號(hào)的分解任務(wù)，為混合儲(chǔ)能合理的功率分配奠定基礎(chǔ)；采用gcpso算法對(duì)vmd的參數(shù)進(jìn)行優(yōu)化，與pso算法的迭代優(yōu)化結(jié)果進(jìn)行對(duì)比，gcpso算法的收斂速度大幅提高，且具有更高的求解精度。