一种基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法

技术领域

本发明涉及电力系统等值模型识别构建领域，具体涉及一种基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法。

背景技术

对于不含有大量分布式发电单元的传统配电网来说，其行为一般是无源性的。因此，对于此类大电网的稳定性分析，输电公司往往将负荷中心建模为一个总无源负载,例如指数负荷模型。

然而对于近年来不断发展的现代电力系统，随着分布式新能源发电设备的大量接入，其对系统动态特性的影响已无法忽略。传统静态负荷模型难以准确反映有源配电网的高动态特性，因此需要考虑构建细节化的精确配电网模型，但这也带来如下3个问题：1.传统上，仅有输电运营商关注电力系统的动态特性，因而配电运营商往往不具有其负责区域电网的动态模型。2.即便配电公司拥有其负责电网的动态模型，出于用户隐私保护等问题，无法与输电运营商共享这些模型。3.考虑到大型有源配电网常常含有多达数百个负荷、独立控制的分布式发电设备、传感器、变压器等，很难对其进行细节化的精确建模。综合上述问题，近年来的研究重点聚焦于在保留必要动态特性的同时，尽可能的简化配电网模型。有文献提出了一种模拟有源配电网动态特性的灰箱模型，通过蒙特卡洛模拟解决参数不确定问题，该等值模型被调整为适用于多、强扰动情形，结果表明其能够较好的模拟具有大量分布式发电单元的主动配电网动态特性，但是此类灰箱模型需要事先掌握配电网的部分基本参数和拓扑结构。针对这个缺点，有文献提出采用仅需要配电网边界母线相关电气数据的基于神经网络的配电网等值模型构建方法。该方法主要关注配电网的短期动态特性，具有良好的拟合效果，大幅简化了对复杂型有源配电网的动态分析方法。但是，这类方法需要在电力系统动态仿真分析软件中集成神经网络，而目前常见的仿真软件均采用一些传统的模块(例如拉普拉斯域下的传递函数)来模拟动态组件。

综上，亟需寻找一种无需预先获取配电网详细数据拓扑、所构建模型对于有源配电网动态特性拟合效果良好且模型结构清晰易通过常用仿真软件实现的方法。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是：本发明提供一种能够在对系统情况未知的情况下仅依靠公共连接点处测得的边界变量就建立拟合效果较好的非线性有源配电网动态等值模型，且模型结构简单清晰，构建过程完全可以采用现有的仿真软件实现的基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法。

为了解决上述技术问题，本发明采用如下技术方案：

一种基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法，其特征在于，包括以下步骤：

步骤1)构建参数待定的Hammerstein-Wiener模型，同时构建反映所建模型精准性的拟合百分比性能指标，设定n种有源配电网的典型运行工况；

步骤2)对步骤1)中设定的n种典型运行工况下有源配电网的运行进行实验并收集相关电力数据，所得数据用于步骤1)中所建模型的训练和拟合百分比的计算；

步骤3)给定步骤1)中所构建Hammerstein-Wiener模型的预设参数的N个有序取值组合；

步骤4)针对步骤3)中各预设参数下的N个模型结合步骤2)中得到的数据以及Matlab系统辨识工具箱分别计算出N个Hammerstein-Wiener模型的非预设参数及其拟合百分比，并通过迭代得到拟合性能最佳的模型作为最终等效模型；

步骤5)将步骤4)中得到的最终等效模型导入现有电力分析仿真软件中并接入剩余非等效系统。

优选的，步骤1)中构建的参数待定的Hammerstein-Wiener模型包括一个静态的输入非线性模块、一个动态的线性模块和一个静态的输出非线性模块，且输入非线性模块、线性模块和输出非线性模块依次串联。

优选的，在输入非线性模块中，w(t)＝f(u(t))；

其中，u(t)为输入非线性模块的输入，w(t)为输入非线性模块的输出，f为将输入u(t)转化为输出w(t)的非线性函数，且f的参数为分割点个数n

在线性模块中，w(t)进入线性模块并被线性传递函数H(z)转化为x(t)，对于一个具有n

其中，i＝1,2,…,n

其中，n

在输出非线性模块中，y(t)＝h(x(t))；

其中，x(t)为输出非线性模块的输入，y(t)为输出非线性模块的输出，h为将输入x(t)转化为输出y(t)的非线性函数，且h采用分段线性函数，其预设参数为分割点个数n

优选的，步骤1)中得到的拟合百分比Fit-Percent性能指标的表达式为：

其中，y

优选的，步骤1)中设定的n种有源配电网的典型运行工况包括电压跌落、负载离网、发电机停运和补偿设备投切，且将其中n

n

优选的，步骤2)中，在公共连接点处测量步骤1)中设定的n种典型运行工况下有源配电网的电压和有无功功率实际数据，并将这些数据按照训练数据和检验数据分别导入Matlab中形成训练对象Tdata和检验对象Vdata。

优选的，步骤3)中，对于步骤1)中所构建的参数待定的Hammerstein-Wiener模型，分别对其中的预设参数n

优选的，步骤4)中，在迭代开始前，在Matlab数据区中创建反映当前迭代次数的对象i，并存储当前迭代周期产生的定参数Hammerstein-Wiener模型的对象hw_model[i]、当前迭代周期所生成模型的拟合百分比数据的对象fitpercent[i]、最佳模型的对象hw_model以及最优拟合百分比数据的对象fitpercent，并在进行第一次迭代前，将对象i和fitpercent的值分别初始化为1和0。

优选的，步骤4)中，第i次迭代过程为：

步骤4.1)将步骤3)得到的某一预设参数组合输入到Matlab中的Hammerstein-Wiener模型构建工具内，同时代入步骤2)中得到的n

步骤4.2)根据拟合百分比Fit-Percent的表达式及步骤2)中得到的n

步骤4.3)判断fitpercent[i]是否大于fitpercent的值，若是则将当前的fitpercent[i]和hw_model[i]的值分别写入fitpercent和hw_model中再执行下一步，若否则直接执行下一步；

步骤4.4)判断i是否大于或等于N，若是则导出当前hw_model中存储模型的各参数作为最终模型参数，否则令i＝i+1后返回执行步骤4.1)进入下一次迭代。

与现有技术相比，本发明具有以下优点：

1、本发明避免了灰箱模型需要事先掌握配电网的部分基本参数和拓扑结构地缺点，能够在对系统情况未知的情况下仅依靠公共连接点处测得的边界变量建立拟合效果较好的非线性有源配电网动态等值模型。

2、本发明所得到的最终等值模型结构清晰简洁，参数明晰，易于导入现有的常用电力系统仿真分析软件，避免了基于神经网络模型结构混沌复杂，兼容性差的缺点，构建过程完全可以采用现有的仿真软件实现。

附图说明

图1为本发明基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法的流程图；

图2为本发明基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法中的模型结构图；

图3为将采用本发明基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法构建的模型用于PowerFactory软件时的流程图；

图4为将采用本发明基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法构建的模型与传统指数模型进行对比得到的效果验证图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，除非上下文清楚地指明其它情况，否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件，并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

如附图1所示，一种基于Hammerstein-Wiener模型的非线性有源配电网的动态等值模型构建方法，其特征在于，包括以下步骤：

步骤1)构建参数待定的Hammerstein-Wiener模型，同时构建反映所建模型精准性的拟合百分比性能指标，设定n种有源配电网的典型运行工况；

如附图2所示，步骤1)中构建的参数待定的Hammerstein-Wiener模型包括一个静态的输入非线性模块、一个动态的线性模块和一个静态的输出非线性模块，且输入非线性模块、线性模块和输出非线性模块依次串联。

在本实施例中，首先，在输入非线性模块中，w(t)＝f(u(t))；

其中，u(t)为输入非线性模块的输入，w(t)为输入非线性模块的输出，f为将输入u(t)转化为输出w(t)的非线性函数，且f采用可以有效反应有源配电网非线性特性的分段线性函数，其参数为分割点个数n

其次，在线性模块中，w(t)进入线性模块并被线性传递函数H(z)转化为x(t)，对于一个具有n

其中，i＝1,2,…,n

其中，n

最后，在输出非线性模块中，y(t)＝h(x(t))；

其中，x(t)为输出非线性模块的输入，y(t)为输出非线性模块的输出，h为将输入x(t)转化为输出y(t)的非线性函数，且h采用分段线性函数，其预设参数为分割点个数n

在本实施例中，步骤1)中得到的拟合百分比Fit-Percent性能指标的表达式为：

其中，y

在本实施例中，步骤1)中设定的n种有源配电网的典型运行工况应考虑各种扰动情况，包括电压跌落、负载离网、发电机停运和补偿设备投切，且将其中n

n

步骤2)对步骤1)中设定的n种典型运行工况下有源配电网的运行进行实验并收集相关电力数据，所得数据用于步骤1)中所建模型的训练和拟合百分比的计算；

具体实施时，在公共连接点处测量步骤1)中设定的n种典型运行工况下有源配电网的电压和有无功功率实际数据，并将这些数据按照训练数据和检验数据分别导入Matlab中形成训练对象Tdata和检验对象Vdata。

步骤3)给定步骤1)中所构建Hammerstein-Wiener模型的预设参数的N个有序取值组合；

具体实施时，对于步骤1)中所构建的参数待定的Hammerstein-Wiener模型，分别对其中的预设参数n

步骤4)针对步骤3)中各预设参数下的N个模型结合步骤2)中得到的数据以及Matlab工具箱分别计算出N个Hammerstein-Wiener模型的非预设参数及其拟合百分比，并通过迭代得到拟合性能最佳的模型作为最终等效模型；

具体实施时，在迭代开始前，在Matlab数据区中创建反映当前迭代次数的对象i，并存储当前迭代周期产生的定参数Hammerstein-Wiener模型的对象hw_model[i]、当前迭代周期所生成模型的拟合百分比数据的对象fitpercent[i]、最佳模型的对象hw_model以及最优拟合百分比数据的对象fitpercent，并在进行第一次迭代前，将对象i和fitpercent的值分别初始化为1和0。

优选的，步骤4)中，第i次迭代过程为：

步骤4.1)将步骤3)得到的某一预设参数组合输入到Matlab中的Hammerstein-Wiener模型构建工具内，同时代入步骤2)中得到的n

步骤4.2)根据拟合百分比Fit-Percent的表达式及步骤2)中得到的n

步骤4.3)判断fitpercent[i]是否大于fitpercent的值，若是则将当前的fitpercent[i]和hw_model[i]的值分别写入fitpercent和hw_model中再执行下一步，若否则直接执行下一步；

步骤4.4)判断i是否大于或等于N，若是则导出当前hw_model中存储模型的各参数作为最终模型参数，否则令i＝i+1后返回执行步骤4.1)进入下一次迭代。

步骤5)将步骤4)中得到的最终等效模型导入现有电力分析仿真软件中并接入剩余非等效系统。例如采用PowerFactory软件进行仿真分析的流程图如图3所示。

对所提模型进行仿真验证，其结果如图4所示，可以看出，所提等值模型能够较好的拟合实际配电网动态行为，电压能够实现160s内全时段近似完全拟合，无功功率拟合仅存在很小的误差，且在100s后传统指数模型拟合发生较大偏差，所提H-M模型的拟合效果远优于传统指数模型。

与现有技术相比，本发明避免了灰箱模型需要事先掌握配电网的部分基本参数和拓扑结构地缺点，能够在对系统情况未知的情况下仅依靠公共连接点处测得的边界变量建立拟合效果较好的非线性有源配电网动态等值模型。本发明所得到的最终等值模型结构清晰简洁，参数明晰，易于导入现有的常用电力系统仿真分析软件，避免了基于神经网络模型结构混沌复杂，兼容性差的缺点，构建过程完全可以采用现有的仿真软件实现。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。