基于EM-KF的同步发电机参数辨识方法.pdfVIP

2016.06 理论与算法 基于EM-KF的同步发电机参数辨识方法 环加飞,罗亚洲,邱 健 （国家电网公司华北分部，北京西城区,100052） 摘要：同步发电机的参数的准确性直接影响电力系统仿真结果。本文首先利用电网扰动下的PMU数据，将同步发电机与外部 电网解耦；然后利用卡尔曼滤波和期望最大化算法相结合的算法对同步发电机的参数进行辨识，最后利用仿真结果验证方法 的有效性。 关键词：同步发电机;参数辨识;卡尔曼滤波;期望最大化算法 Generator Parameter Identification Based On EM-KF Huan Jiafei，Luo Yazhou,Qiu Jian (North China Grid Company Limited,Xicheng District,Beijing 100052,China) Abstract：The accuracy of the parameters of generator directly affects the simulation of power system. Based on the PMU data of the power grid, the synchronous generator is decoupled from the external network, and the parameters of the generator are identified by the combination of Kalman filter and the EM algorithm. The simulation results verify the validity of the method. Synchronous generator;parameter identification;Kalman filter;EM algorithm Keywords ： 0引言 弱非线性系统能够得到理想的滤波结果，但对于强非线性系统， 时域仿真是电力系统规划、运行和控制依赖的主要技术手段 使得系统真实的非线性特性得不到充分的体现，极端情况下会导 之一，时域仿真精度直接影响现代电网的运行安全和使用效率。 致系统发散。 同步发电机参数对于电力系统仿真结果有重要的影响。目前进行 本文针对发电机参数辨识的问题提出卡尔曼滤波(Kalman 电力系统仿真分析的参数大多是厂家提供的设计值或理论值，所 filter,KF)和期望最大化（Expectation Maximization,EM）相 得的仿真结果常常与实际不符。 结合的发电机参数识别算法。即采用PMU实测数进行参数辨识， 同步发电机的参数的辨识方法主要有两种方法：频域辨识 将发电机与外部系统进行解耦，利用EM-KF算法进行发电机参数 方法和时域辨识方法。频域法只适用于线性系统，因此无法反映 辨识。 发电机动态过程中参数非线性变化的特点，而时域法可用于非线 1 同步发电机的辨识模型 性系统，能够对发电机的非线性问题能够进行较好的进行描述， 同步发电机的状态方程和量测方程为： 并且能计及发电机运行过程中的实际工况的影响。 近 年 来，广 域 测 量 系 统（Wide-Area-Measurement （1） System,WAMS）作为一个有效的新技术已应用在电力系统量测、监 式中： 、和 为状态变量、控制变量和量测向量， 、为 控及智能电网的研究中。WAMS应用提供了电网的实时数据，将 过程噪声和量测噪声。 电力系统输出电磁功