[发明专利]改进哈里斯鹰优化算法的SVG模型参数辨识方法及系统

说明书

本发明公开了一种改进哈里斯鹰优化算法的SVG模型参数辨识方法及系统，在时域仿真上对SVG模型进行控制参数的辨识，可有效体现SVG模型的实际运行状态以及对实际系统稳定运行产生的影响。引入Tent混沌映射对哈里斯鹰算法的种群初始化进行改进，用Tent混沌映射代替随机参数使得算法能够在搜索空间中生成具有良好多样性的初始解，有效提高了哈里斯鹰算法的收敛速度和求解精度。引入扰动对哈里斯鹰算法的位置更新公式进行改进，有效解决了处于最优位置的哈里斯鹰若陷入了局部最优解，其他鹰也会逐渐陷入局部最优解的问题。通过改进型的哈里斯鹰优化算法对SVG模型的控制参数进行辨识，可有效提高参数辨识效率和精度。

技术领域

本发明涉及新能源发电控制领域，特别涉及一种改进哈里斯鹰优化算法的SVG模型参数辨识方法及系统。

背景技术

新能源场站的无功调节能力是影响区域电压稳定水平和消纳水平的关键因素，以柔性交流输电（flexible AC transmission system，FACTS）为代表的的新型输电技术的快速发展为保证新能源场站可靠并网和稳定运行提供了新的方法。由于新能源场站往往处于电网末端，所接入的电网架构相对薄弱，大规模新能源的集中接入带来的电压问题比较突出，国家标准对接入电力系统的场站提出了无功输出和电压控制的技术要求。新能源场站广泛采用静止无功补偿器（Static Var Compensation，SVC）和静止无功发生器（StaticVar Generator，SVG）进行无功补偿和电压调节，由于SVG具有响应速度快、谐波性能好等诸多优点已成为新能源场站无功配置的最佳解决方案。

SVG是FACTS系统的核心装置之一，目前在新能源场站中已得到广泛应用，SVG模型参数是否准确，关系到电力系统仿真计算的可信度，进而影响到新能源场站规划设计、调度运行、电网安全等各个环节。因此，研究有效的SVG模型参数辨识方式具有重要的理论和实践价值。传统辨识方法采用最小二乘法、极大似然法等数值方法，基于此类方法的辨识需要大量数据的支持，而目前智能算法在辨识领域的应用越来越广泛，主要采用粒子群优化算法、灰狼优化算法、萤火虫优化算法等，群优化算法由于其随机性，可适应控制参数的随机搜索，在一定范围内寻找出最优解，使辨识模型与待辨识模型一致。

哈里斯鹰优化（Harris Hawks Optimization，HHO）算法是在2019年提出的一种优化算法，哈里斯鹰之所以与众不同是因为哈里斯鹰为种群集体觅食狩猎，而其他鸟类大多都是独自觅食狩猎。HHO算法在辨识优化方面具有不错的性能，备受关注。每个智能算法都有其的弊端，基础的哈里斯鹰优化算法也存在着搜索过程容易陷入局部最优和收敛精度低的问题。综上，通过现有的哈里斯鹰优化算法进行SVG模型参数的辨识存在效率低和精度不高的问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种改进哈里斯鹰优化算法的SVG模型参数辨识方法及系统，能够解决通过现有的哈里斯鹰优化算法进行SVG模型参数的辨识存在的效率低和精度不高的问题。

根据本发明第一方面实施例的改进哈里斯鹰优化算法的SVG模型参数辨识方法，包括以下步骤：

建立SVG双闭环控制器模型，根据所述SVG双闭环控制器模型确定待辨识的控制参数；

根据SVG黑箱模型的运行采集多工况下的SVG输出响应数据集，所述SVG黑箱模型为真实SVG控制器；

通过Tent混沌映射对哈里斯鹰优化算法的种群初始化进行改进，引入扰动对哈里斯鹰优化算法的位置更新公式进行改进，获得改进型哈里斯鹰优化算法；

通过改进型哈里斯鹰优化算法对SVG双闭环控制器模型的控制参数进行辨识，具体如下：