Prony算法在汽轮机调节系统参数辨识中的应用.pdf

《Prony算法在汽轮机调节系统参数辨识中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第22卷第6期电力系统及其自动化学报Vo1．22No．62010年12月ProceedingsoftheCSU—EPSADec．2010Prony算法在汽轮机调节系统参数辨识中的应用张少康，李兴源，王渝红，张振(四川大学电气信息学院，成都610065)一～一～_一呈～F一一一～～一一一～～一～一一～一～摘要：在动态频率异常和频率不稳定性研究中，建立原动机及其调节系统准确的数学模型是极其重要的。原动机调节系统模型建立应借助于辨识建模。基于这种考虑，针对汽轮机调节系统，提出一种基于Prony算法的参数辨识方法，利用Prony算法辨识系统传递函

2、数原理，通过对系统特征根和留数进行分析以达到对汽轮．机调节系统进行参数辨识的目的。利用该方法编制了程序，并将其应用于所建调节系统模型中，在Matlab及其Simulink中进行了仿真分析。辨识结果表明，这种辨识算法具有计算速度快、辨识精度高、程序通用性强等优点，为汽轮机调节系统的参数辨识提供了一种有效的方法。关键词：Prony算法；汽轮机；调节系统；参数辨识中图分类号：TM712文献标志码：A文章编号：1003—8930(2010)06—0023—05PronyAlgorithmAppliedtoSteamTurbineGoverning

3、SystemParameterIdentificationZHANGShao—kang，LIXing—yuan，WANGYu—hong，ZHA．一NG～Zh～一en一～一一一～一．一～一～(SchoolofElectricalandInformation，SichuanUniversity，Chengdu610065，China)一在电网发生大扰动解列事故时，会导致解列其调节系统、汽轮机及其调节系统的数学模型进行的孤立电网的动态频率异常，甚至产生频率不稳了不同程度的简化。在暂态稳定研究中，由于第一定性，引起连锁故障，造成大面积停电和电网崩

4、溃摇摆的时问较短(O．5～1s)，可假定发电机组的输事故。此外，频率异常还会危及发电机、汽轮机及其出机械功率不变。但在动态频率异常和频率不稳定热能系统的寿命和安全。IEEE／CIGREJointTask性研究中，则需考虑水轮机及其调节系统、汽轮机Force于2004年对稳定性分类和定义时_1]，已将频及其调节系统的详细数学模型。汽轮机调节系统是率稳定性列在与功角稳定和电压稳定同样重要的保证汽轮发电机组安全、经济运行的重要因素。地位。事实上，对于小系统或孤网来说，频率稳定近年来，Prony算法在电力系统分析与控制领的重要性甚至超过功角稳定和

5、电压稳定[2]。域得到广泛应用_3]。文献[3，4]分别利用Prony有关的电力系统仿真研究所采用的水轮机及算法对次同步振荡特性和次同步阻尼控制器的设收稿日期：2009—11—10；修回日期：2009—11—26基金项目：国家科技支撑计划项目(2008BAA13B01)；国家自然科学基金项目(50877050)·24·电力系统及其自动化学报第22卷计进行了分析；文献[5，6]进行了Prony算法在辨在原始数据未知或为非理想信号时，一般采用识系统传递函数方面的研究。本文将Prony算法辨信噪比SNR(signal／noiseratio)和百

6、分比误差y识系统传递函数的方法进行了拓展，将其应用于汽(Pe)这两个指标衡量Prony(算法得出的数据与原轮机调节系统的参数辨识。在Matlab编制了辨识始数据的拟合程度+。M假设一真实数据为()，程序，并基于Simulink仿真对汽轮机调节系统进Prony算法输出为(n)，(n==0，1，⋯，N一1)。信行参数辨识，辨识结果表明，Prony算法在对汽轮噪比的定义为机调节系统进行参数辨识方面是快速准确的。sNR一2o1grms丽Ey(n))~(7)1Prony算法其中，rFi1s表示方均根，单位为dB。SNR值越大，表Prony算法[7用

7、指数函数的线性组合来描述明拟合程度越好。等间距采样数据，用等时问间隔△￡进行N个数据另一个指标是百分比误差Pe，其定义为点采样，可由p个指数函数的线性组合模拟，即∑[())一．y()]pPe—x100％(8)v()≈zBT=!A，eJ0i．e十】，I’皿i一1∑[()一(0)]=0(一0，l，⋯，N一1)(1)一般认为百分比误差小于1O以及SNR达式中：(n)为第个采样点；Z一[，，⋯，z]为到2OdB以上时，Prony法分析得到可以接受的结极点；B一[6，b。，⋯，b]为留数；A、0、和’分果，SNR接近40dB则更加理想。另外，通过比

8、较真别为幅值、初相位、衰减因子和频率。实数据曲线和拟合数据曲线的近似程度，也可以作Prony算法的计算步骤如下所述。为一种直观判断拟合效果的手段。构造采样数据点矩阵y：Y(n一1)Lv(0)2