[发明专利]一种采用线性关系聚类的谐波源耦合参数辨识方法

说明书

本发明涉及一种采用线性关系聚类的谐波源耦合参数辨识方法，包括以下步骤，步骤S1：根据系统短路容量和基准电压对谐波电压和谐波电流数据进行标幺化，并且利用PCA对标幺化数据进行降维处理；步骤S2：根据误差平方和确定聚类数；步骤S3：采用粒子群进化算法搜寻初始聚类中心；步骤S4：将聚类数和初始聚类中心输入K‑means聚类算法中进行聚类，对谐波源的线性耦合参数进行辨识。本发明，能够从谐波监测数据中精确反映谐波源的时变伏安特性，并且对于谐波用户运行场景变化的适应性更强，从而使得谐波源参数辨识更具实用性。

技术领域

本发明涉及谐波源参数辨识技术领域，特别是一种采用线性关系聚类的谐波源耦合参数辨识方法。

背景技术

大量电力电子装置和其它多种类型的非线性负荷不断增加，谐波污染日益严重；电网中的谐波将使新能源发电并网出现诸多问题，如并联谐振造成系统谐波电压和谐波电流过高、谐波振荡导致并网不稳定甚至失败等。随着分布式新能源发电的大范围接入，对电网的谐波抑制提出了更高的要求。辨识干扰用户参数是定位谐波源、结合就地治理措施寻求最优运行策略的前提，也是高渗透率配电网要解决的重要问题之一。

由于目前电能质量在线监测系统具备谐波电压、谐波电流的统计值监测能力，但是不具备同步测量手段，因而依据谐波机理模型辨识参数存在较大的难度，其结果也往往对于谐波用户运行场景变化的适应性较弱。

发明内容

有鉴于此，本发明的目的是提出一种采用线性关系聚类的谐波源耦合参数辨识方法，能够从谐波监测数据中精确反映谐波源的时变伏安特性，并且对于谐波用户运行场景变化的适应性更强，从而使得谐波源参数辨识更具实用性。

本发明采用以下方案实现：一种采用线性关系聚类的谐波源耦合参数辨识方法，具体包括以下步骤：

步骤S1：根据系统短路容量和基准电压对谐波电压和谐波电流数据进行标幺化，并且利用PCA对标幺化数据进行降维处理；

步骤S2：根据误差平方和确定聚类数；

步骤S3：采用粒子群进化算法搜寻初始聚类中心；

步骤S4：将聚类数和初始聚类中心输入K-means聚类算法中进行聚类，对谐波源的线性耦合参数进行辨识。

进一步地，步骤S1具体包括以下步骤：

步骤S11：设基于基波功率与谐波功率交互作用的非线性负荷通用模型如下：

式中，为h次谐波电流，为基波电流，表示m次谐波电压，C为负载特性参数；

步骤S12：由于在谐波源参数辨识中，非线性模型导致计算效率低、收敛速度慢，因此采用下式的线性耦合模型来提高计算效率和收敛速度：

式中，和C分别是耦合矩阵和恒流源系数；

步骤S13：将记为将步骤S12中的公式修改为下式：

步骤S14：由于谐波之间的交互影响不仅局限于单一频率，因此，步骤S13中的公式未忽略不同频率间谐波电流和谐波电压的相互作用，此举在提高模型精度的同时，也增加了参数辨识的计算复杂度。因此，采用主成分分析(PCA)解决上述问题。PCA将数据转换到新的坐标系，由于投影关系，第一个坐标方差最大，第二个坐标方差次之，以此类推。换言之，PCA可以从较大的数据集中提取更小的代表性数据集。因此本步骤采用主成分分析的方法，简化步骤S13中的公式，将m维归约为j，将简化为得到：

式中，表示PCA坐标变化的特征矩阵，进而将步骤S13中的公式简化为：