[发明专利]一种新的辨识SSO模态参数的算法

说明书

本发明属于电力系统SSO模态辨识领域，提出了一种新的辨识SSO模态参数的算法，该算法基于改进入侵杂草优化（invasive weed optimization，IWO）算法优化的阻尼正弦原子分解算法。该方法根据次同步振荡信号特点构造过完备阻尼正弦原子库，引入混沌序列、选择机制、小生境分类策略以及矢量跟踪思想对IWO算法进行改进，利用改进后的IWO算法对传统的匹配追踪算法（matching pursuit，MP）进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，即可实现对次同步振荡模态参数的有效辨识。

技术领域

本发明是一种新的辨识SSO模态参数的算法，属于SSO模态参数辨识的计算方法的改进算法。

背景技术

近年来，为解决东西部能源与用电量需求的不平衡问题，±800kV特高压直流输电工程(Ultra High Voltage Direct Current,UHVDC)在中国得到大力发展。虽然特高压直流工程可实现跨区域大容量输送电力，缓解了东部地区负荷的需求，但多个特高压直流输电工程的连续投运也带来了一定的问题。特高压直流输电工程整流侧一般有多个火电机组，当送端交流系统受到扰动或直流系统受到扰动后，由于直流输电系统的快速可控特性及整流侧的定电流控制策略，有可能引起直流输电系统与发电机轴系之间存在能量交换，当这种能量交换形成正反馈时，就有引发送端火电机组严重次同步振荡(SubsynchronousOscillation,SSO)的风险。

随着电网的不断发展，次同步振荡问题逐渐凸显。准确有效地辨识次同步振荡模态参数，有利于次同步振荡的分析与抑制。然而，现常用的次同步振荡模态辨识方法存在拟合效果受噪声的影响大、对信号的采样率要求高、不适用于复杂系统等问题，难以有效地对次同步振荡模态进行辨识。入侵杂草优化(invasive weed optimization，IWO)算法依据自然界中杂草的进化原理演化而来。相较于其他群智能算法，IWO算法具有较强的自适应性和鲁棒性，能快速而有效地搜索到问题的最优解，且易于实现。目前，IWO算法已被广泛应用于图像聚类、控制器参数整定、工程约束设计问题、天线设计配置优化、DNA编码等众多领域之中，基本的IWO算法会出现后期的寻优精度不高、寻优能力不强等问题。

发明内容

本发明提出了一种新的辨识SSO模态参数的算法。该算法首先对IWO算法进行改进，然后利用它对MP算法进行优化，通过原子分解得到最佳阻尼正弦原子，将最佳阻尼正弦原子转换为次同步振荡信号的模态参数，即可实现对次同步振荡模态参数的有效辨识。

本发明是技术方案是：

步骤一：基本IWO算如下：

IWO算法是依据杂草的生长繁殖特性进化而来，其主要目的是对杂草克隆的自然繁殖过程进行模拟。该算法可用以下步骤来完成。

(1)种群初始化和相关参量的设定。

(2)生长繁殖。根据各个体(解)的适应度函数值，计算各杂草所产生的种子个数N_seed，其表达式为：

式中f为适应度函数值：f_max和f_min分别为适应度函数的最大值和最小值；S为产生的种子数量：S_M和S_m分别为最大和最小种子数。

(3)空间分布。更新进化代数并计算种群中子代个体正态分布的标准差，其计算公式为

式中：T为当前的迭代次数；T_max为最大迭代次数；n为非线性调和因子；σ_inital和σ_final分别为标准差的初始值和最终值。