基于两阶段迁移学习的调相机暂态电抗参数在线辨识方法.pdfVIP

第47 卷 第14 期 2023 年7 月25 日 Vol . 47 No . 14 Jul . 25 ，2023 DOI ： 10. 7500/AEPS20221102005 基于两阶段迁移学习的调相机暂态电抗参数在线辨识方法 袁 彬，李 辉，向学位，曾韵竹，谭宏涛，傅楚频 （输配电装备及系统安全与新技术国家重点实验室（重庆大学），重庆市 400044 ） 摘要：针对常规迁移学习辨识网络需要大量历史辅助数据而影响参数辨识准确性的问题，提出考 虑小样本下两阶段迁移学习的调相机暂态电抗参数在线辨识方法。首先，获得不同运行工况下的 暂态电抗参数变化规律，利用支持向量机（SVM ）和反向传播（BP ）神经网络算法获得辅助数据。 其次，基于电抗参数变化规律、故障下实时变化的暂态电抗目标数据及辅助数据，采用深度稀疏自 编码器（DSAE ）与反向传播神经网络进行两阶段特征迁移学习。最后，对不同电网故障下的暂态 电抗进行在线辨识，并进行比较验证。结果表明，基于两阶段迁移学习的DSAE 与BP 神经网络在 辨识调相机暂态电抗参数时具有更高的辨识精度。 关键词：调相机；暂态电抗；参数辨识；故障；迁移学习 0 引言 的灰箱辨识建模法。此类方法主要存在欠秩、辨识 参数耦合等问题，一般可通过减少辨识参数个数、对 高压直流（high voltage direct current ，HVDC ） ［1 ］ 辨识参数分步辨识及注入激励得到电机高频特性来 输电系统在运行中存在换相失败风险 ，同步调相 解决［11-13 ］。在辨识过程中，通常假定稳态电抗不变， 机（synchronous condenser ，SC ）作为动态无功补偿 分步计算暂态电抗参数。但在电网故障的暂态工况 装置，能够显著提高换流站抵御换相失败风险的能 ［2 ］ 下，电机内部饱和，非线性问题较为突出，上述方法 力 。调相机的稳态和暂态无功容量分别取决于其 得到的辨识结果误差较大。文献［14 ］通过建立同步 同步电抗和暂态电抗。而电网故障下调相机暂态电 ［3 ］ 调相机的暂态二阶等值电路模型辨识其电抗参数， 抗会发生变化 ，其暂态无功支撑特性将发生改变， 但辨识效果受电机饱和程度变化的影响十分明显， 从而影响系统安全运行。因此，对电网故障下时变 且辨识结果仍然存在较大的误差。文献［15 ］利用在 的调相机暂态电抗进行准确辨识不仅能评估调相机 线频域响应测试方法对同步发电机的各模型参数进 暂态无功能力，而且还对调相机的设计控制、系统安 行辨识，多次辨识得到的参数最大相对误差也在 全运行具有重要意义。 10 % 左右。因此，基于电机模型的灰箱辨识方法在 在电机参数辨识方面，文献［4 ］通过关联矩阵分 估算暂态电抗参数方面存在一定的局限性。 别计算不同夹角下的漏感，确定定子漏感及其等效 目前，基于机器学习的迁移学习方法能够获得 参数。文献［5 ］将有限元法与等效电路参数模型相 输入