[发明专利]基于改进量子遗传算法的双馈风机变流器参数辨识方法

说明书

本发明一种基于改进量子遗传算法的双馈风机变流器参数辨识方法，包括步骤一、构建双馈风机变流器的辨识模型，确定待辨识参数；步骤二、对双馈风机施加扰动，并采集施加扰动后的双馈风机变流器d轴和q轴的参数，获取双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线；步骤三、通过改进量子遗传算法辨识参数，并输出辨识结果。该方法将传统量子遗传算法与非线性规划函数相结合，形成量子遗传‑非线性规划算法，增强了局部搜索能力，能够及时跳出局部最优解，获得全局最优解，辨识的结果更加精确；且记忆库的存在增加了改进量子遗传算法种群的多样性，加快了收敛速度。

技术领域

本发明属于风力发电机控制领域，具体涉及一种基于改进量子遗传算法的双馈风机变流器参数辨识方法。

背景技术

双馈风电机组由于其控制效果突出而成为目前风力发电的主要机组，但是当大规模风电并入电网后，将会影响原有电网系统的潮流分布、线路传输功率等，因此为解决双馈风电机组及一些新能源发电机组的并网问题，建立准确、可靠的新能源发电系统模型迫在眉睫。而模型参数的精确值是建立模型的主要前提，其精确程度将会直接影响模型的精准度。

双馈风机变流器是双馈风电机组的主要组成部分，其控制方式以及控制参数会直接影响双馈风电机组的动态特性，特别是当控制参数与实际值相差甚远时，将会严重影响双馈风电机组的动态性能，因此对双馈风机变流器的参数进行辨识显得至关重要。

文献《基于α-β坐标系模型的双馈风力发电机参数辨识》(王红，梁俊霞，胡佳琳.基于α-β坐标系模型的双馈风力发电机参数辨识[J].电力系统保护与控制，2014，42(20):81-85)采用传统遗传算法对参数进行辨识，该算法计算量大，易陷入局部最优解，辨识精度较低。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于改进量子遗传算法的双馈风机变流器参数辨识方法；该方法在传统量子遗传算法的基础上结合非线性规划函数，构成量子遗传-非线性规划算法(QGA-NLP)，提高收敛速度，有效避免陷入局部最优解，收敛早熟的问题；在辨识过程中引进记忆库增加了种群的多样性，提高了辨识精度。

本发明解决所述技术问题的采用技术方案是：

一种基于改进量子遗传算法的双馈风机变流器参数辨识方法，其特征在于，该方法包括以下步骤：

步骤一、构建双馈风机变流器的辨识模型，确定待辨识参数；

步骤二、对双馈风机施加扰动，并采集施加扰动后的双馈风机变流器d轴和q轴的参数，获取双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线；

步骤三、通过改进量子遗传算法辨识参数，并输出辨识结果；

S1将步骤二中获得的双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线输入辨识模型中，采用传统量子遗传算法对双馈风机变流器d轴的实际输出响应曲线与辨识模型的输出响应曲线、双馈风机变流器q轴的实际输出响应曲线与辨识模型的输出响应曲线根据目标函数(1)和(2)单独拟合多次产生多个种群，并采用公式(1)和(2)计算每个种群中每个个体的适应度值；采取精英保留策略保留每个种群中适应度值较高的多个个体并提取这些个体的优秀基因片段，构建初始记忆库；

其中，y_d(i)和y_q(i)分别为双馈风机变流器d轴和q轴的实际输出响应曲线，和分别为双馈风机变流器辨识模型d轴和q轴的输出响应曲线，Δy_d和Δy_q分别为双馈风机变流器d轴和q轴的拟合误差，n为输出响应曲线的长度，i表示采集时刻点；