[发明专利]一种水电机组模型改进型子空间闭环辨识方法

摘要

本发明公开了一种水电机组模型改进型子空间闭环辨识方法，属于水电机组模型建模与辨识技术领域，将基于PSO参数优化的预测形式简约子空间辨识方法应用于水电机组模型闭环辨识，包含以下步骤：(1)建立带有输出频率噪声的水轮机调速闭环系统模型；(2)考虑了预测形式简约子空间辨识方法(PARSIM‑K)中参数p、f对辨识的影响，并用PSO算法优化参数p、f；(3)使用改进后的算法辨识闭环水电机组空载模型。该方法具有算法快速、可靠性高、易于编程实现等优点，能够根据实际中不同的水电机组模型优化出合适的算法参数，改进后的算法有效提高了辨识精度。

主权项

1.一种水电机组模型改进型子空间闭环辨识方法，包括如下步骤：S1建立带有输出频率噪声的水轮机调速闭环系统模型；S2确定激励信号和机组频率噪声信号，并采集导叶开度和机组频率数；S3优化PARSIM‑K算法中的参数p、f，并获得优化后的参数p、f，其中f和p分别表示未来时域参数和过去时域参数；S4以优化后的参数p、f实现对PARSIM‑K算法进行改进，并使用改进后的PARSIM‑K算法辨识闭环水电机组空载模型，即可实现对水电机组空载模型的闭环辨识；其中，步骤S3中的优化PARSIM‑K算法中的参数p、f通过PSO算法实现，其具体过程为：S31设置初始粒子位置、速度范围和学习因子；S32评价粒子，根据适应度评价函数计算当前粒子的个体极值和群体极值；S33更新粒子；S34估计[(Γ^fL_z),H_K^f,G_K^f]项，实现加权SVD和估计系统矩阵，并更新个体极值和群体极值；其中，Γ^f_K为扩展可观测矩阵，H_K^f和G_K^f为下三角Toeplitz矩阵；所述加权SVD为利用权重矩阵实现奇异值分解；所述系统矩阵为系统状态矩阵A、B、C、D、K；S35检测是否符合结束条件，若当前迭代次数达到最大次数，则结束，输出最优解的粒子即参数p、f，并得到最佳估计模型，否则转到步骤S32。