发电机励磁系统参数辨识研究

发电机励磁系统参数辨识研究
为了了解实际中励磁系统元件的参数，可以采集运行的数据及使用参数辨识，把相关参数应用到仿真的研究里具有重大意义。

本文综述了发电机励磁系统参数辨识的方法及相关国内外发展现状。

标签：励磁系统；参数辨识；发电机
1 引言
准确的励磁系统模型想到了励磁系统的各个部件特征，如自动稳压器（A VR），电力系统稳定器（PSS）及电压/电流转换器等，也应该是能够在它们之间反映线性或非线性相互作用。

制造商提供的参数通常在离线测试的条件下进行测试，并对组件的参数进行测试，然后集成在一起，以获得不反映元件之间相互作用的集成系统模型参数，如果这些参数参数直接用于电力系统的稳定性计算，结果将与实际情况不同。

因此，根据收集的数据识别励磁系统参数是非常重要的任务。

在这方面，近年来，在电机励磁系统参数识别方法和应用方面，国内外电力工人做了大量的探索和实践。

2 发电机系统参数辨识国内外发展现状
2.1 人工智能法。

目前用于识别发电机励磁系统参数的人工智能方法是遗传算法（GA）。

GA方法是鲁棒的，对目标函数没有连续和可微的要求，局部最小值因此不会出现，可以用于處理传统搜索措施没法处理的复杂和非线性问题。

基于GA方法的这些特征，GA方法可以应用于非线性系统的参数识别。

下面介绍系统参数识别GA方法：就实际励磁系统而言，GA方法第一筛选对应结构的准确模型，或直接基于实际系统建模，之后随意设置多组模型参数，涵盖非线性链路。

为得到优化参数，基于模型求取多个结构参数，把激励信号x场采样加入各个确认好的模型，能够获得对应的输出ym，ym和实际系统输出yr对比模型误差e，之后接着改进GA方法，最后得到最优参数模型。

2.2 时域辨识法。

时域识别法可依据模型分成2个类别，一个是非参数模型识别法，意思就是第一要对于要对测试的系统识别非参数特征-时域相应（如阶跃响应），而且基于动态特征曲线得到模型参数动态拟合技术。

第二个是参数识别法，意思就是基于积分，滤波及正交变换分析，这样可以直接得到各类系数和状态空间模型的微分方程，包括估计对象的详细参数，基于最小二乘法给予物理意义的参数特点，因此能够更好地去识别运行过程的方法就是参数识别法，也因为电力系统的研发离不开技术人员的分析计算，技术人员也习惯运用有具体物理意义的参数，因此能够最好地去识别运行过程的方法就是此参数识别，被广泛运用于发电机励磁系统参数，时域最小二乘法和状态滤波、矩形脉冲函数法等是识别参数的识别方法，时域最小二乘法的特征在于状态空间模型，适用于多输入多输出（MIMO）系统，可以在线性近似后应用于非线性方程，并可应用于系统的某些状态线性表壳。

然而，因为使用输出误差（OE）模型的最小二乘法，我们
必须使用非线性规划技术，这必然会带来非融合，多解决方案等问题。

状态过滤方法，BPF方法，PLPF规则不存在这些问题，它们基于时域识别方法的方程误差（EE）模型。

在状态过滤器中实现的过滤器更麻烦，BPF方法和PLPF方法实现起来更为简单。

BPF方法和PLPF方法具有从时域直接采样信号的优点，无需快速傅里叶变换（FF1）操作，简单的计算方法，简单的测试方法，无需添加信号，只需要充分鼓励系统本身即可实现在这两种方法中，PLPF方法比BPF方法更准确，因此在国内得到广泛应用，取得了较好的效果。

2.3 基于卡尔曼滤波法的参数辨识。

卡尔曼滤波，卡尔曼和布西在今年首次提出，是现代控制理论中的一个重要方法。

系统状态估算就是卡尔曼滤波器的重要功能。

估算线性系统的状态就是卡尔曼滤波器。

随着进一步的研究和计算技术的快速发展，扩展卡尔曼滤波器被用于估计非线性动力系统的状态。

扩展卡尔曼滤波器和一般卡尔曼滤波器之间的最大差异是尝试线性化非线性系统，并以与卡尔曼滤波器无差异的形式进行线性化。

相关人员提出了使用改进卡尔曼滤波技术的连续系统来识别同步发电机参数的参数。

为了保证参数估计的收敛，加快了收敛速度，算法得到了改进，并引入了步进自校正技术。

预先给定参数的初始值不一定要靠近其真实值，这弥补了卡尔曼滤波算法缺点及处理估计参数的初始值。

有关人员提出了连续模型的参数识别方法。

在状态量的卡尔曼滤波器校正方程中，引入校正项以克服在不精确噪声特性的情形之下參数估计的偏置问题。

并分析出了目标函数简化二阶导数阵列，并且可以在初始误差和可靠收敛下在广泛的参数范围内识别自适应遗忘因子，同时确保非常高的收敛精度。

2.4 遗传算法。

一个随机全局有优化搜索算法，是基于模拟生物进化机制，包含很强的全局优化能力和鲁棒性。

这就是遗传算法。

将遗传算法转化为由个体和一组在组上运行的遗传算子组成的进化组。

基于全局优化算法（如参数编码，组搜索，个体差异，个体信息互换和生成检测）构成了迭代搜索的一个过程。

遗传算法运用于汽轮机非线性调节系统参数辨识中。

从结果可以看出遗传算法能够正确地识别系统中死区的部件和参数等等。

识别结果准确可靠，相对误差小。

与传统识别方法相比，具有识别精度高，收敛速度快的优点。

目前遗传算法的前提之下，面向对象的遗传算法是基于面向对象技术设计的，确立遗传算法的层次结构。

这种措施改进了基于参数的各种功能之间的传统遗传算法，而且没有代码继承情况，重新改进软件可重用性。

2.5 进化策略法。

进化策略由德国科学家提出，并在本世纪解决多参数优化问题。

进化策略方法已经成功应用于非线性模型参数识别问题，其有可以找到很大概率的全局最优解能力及鲁棒性。

通过对典型励磁系统的分析，确定了需要识别的模型结构和具体参数，并进行了涡轮同步发电机励磁系统的参数识别。

采用进化策略方法识别参数，获得激励系统的具体参数。

该方法可以进一步验证该方法能够有效识别励磁系统的参数，为涡轮同步发电机励磁系统参数识别提供理论依据。

3 结语
在发电机励磁系统参数辨识方法上，国内外学者已经有很多的研讨并得到了良好的效果。

本文基于参数辨识理论，目的是分析已经存在的励磁系统参数辨识方法，并提出比较新颖的励磁系统参数辨识方法，为的是确保发电机励磁辨识的精确度。

参考文献
[1]邓万亮.基于提高发电机励磁系统运行可靠性的研究及应用[J].通讯世界.2017（14）
[2]吴跨宇，陈新琪，孙维真，王超，楼伯良.发电机励磁系统强励功能分析与核算[J].浙江电力.2012（07）。