电力系统低频振荡模式识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111009909A(43)申请公布日2020.04.14(21)申请号202010002708.6(22)申请日2020.01.02(71)申请人长沙有色冶金设计研究院有限公司地址410019湖南省长沙市雨花区木莲东路299号(72)发明人刘鑫(74)专利代理机构长沙永星专利商标事务所(普通合伙)43001代理人周咏米中业(51)Int.Cl.H02J3/24(2006.01)H02J3/38(2006.01)权利要求书2页说明书5页附图1页(54)发明名称电力系统低频振荡模式识别方法(57)摘要本发明公开了一种电力系统低频振荡模式识别方法，包括获取低频振荡源信号；设置采蜜蜂的参数、种群规模、个数数量、最大迭代次数和蜜源的试验限制次数；设定初始最佳解值并计算得到初始最小绝对误差值；更新可能解；得到最终辨识的低频振荡模式参数。本发明提出了一种应用于电力系统信号中低频振荡模式识别的人工蜂群算法(ABC)的分析方法，本发明方法能够分析并得到电力系统低频振荡模型的参数，而且可靠性高、实时性好、速度速且简单易行。CN111009909ACN111009909A权利要求书1/2页1.一种电力系统低频振荡模式识别方法，包括如下步骤：S1.获取低频振荡源信号；S2.设置采蜜蜂的参数；S3.设定种群规模和个数数量；S4.设置最大迭代次数和蜜源的试验限制次数；S5.设定初始最佳解值，并计算得到初始最小绝对误差值；S6.更新可能解；S7.得到最终辨识的低频振荡模式参数。2.根据权利要求1所述的电力系统低频振荡模式识别方法，其特征在于步骤S1所述的低频振荡源信号的表示式为S(t)＝A*exp(k*t)*cos(2πft+φ)，其中A为信号幅值，k为不等于0的常数，f为频率，φ为相位。3.根据权利要求1或2所述的电力系统低频振荡模式识别方法，其特征在于步骤S4所述的设置最大迭代次数和蜜源的试验限制次数，具体为设置最大迭代次数MaxIt，试验限制次数L＝round(0.6×N×SN)，round()为四舍五入操作，N为个体数量，SN为采蜜蜂的数量。4.根据权利要求3所述的电力系统低频振荡模式识别方法，其特征在于步骤S5所述的设定初始最佳解值，并计算得到初始最小绝对误差值，具体为设定初始最佳解值Yc为无穷大，对初始可能解X0i＝{x01,x02...x0D}进行满足约束条件的随机分布设置，根据拟合结果与实际结果的绝对误差为目标函数值，并相互比较，得到最终初始最小绝对误差值Y0.best。5.根据权利要求4所述的电力系统低频振荡模式识别方法，其特征在于所述的绝对误差的计算公式为AE＝|Yc-S(t)|；其中Yc为初始最佳解值，S(t)为低频振荡源信号。6.根据权利要求5所述的电力系统低频振荡模式识别方法，其特征在于步骤S6所述的更新可能解，具体为采用如下步骤更新可能解：A.采蜜蜂更新可能解；新生成的解值X'i＝{x'i1,x'i2...x'iD}与原解值Xi＝{xi1,xi2...xiD}进行比较，并保留适应度更高的解值；B.采蜜蜂将可能解信息分享给观察蜂，每只观察蜂采用设定策略按照概率选择可能解，并求解对应的解值；C.若观察蜂群和采集蜂群在搜索完整个可能解空间时，存在可能解的适应值在达到设定的试验限制次数之内没有增大，则舍弃该可能解，同时该蜜源所对应的采蜜蜂转变为侦查蜂，搜索新的可能解，将新生成的可能解解值与旧的解值进行比较，并记录迄今为止最好的蜜源。7.根据权利要求6所述的电力系统低频振荡模式识别方法，其特征在于步骤A所述的更新可能解，具体为采用如下公式更新可能解：x'id＝xid+φid(xid-xkd)式中φid为区间[-1,1]上的随机数，xid为初始可能解，x'id为新的可能解，k≠i，k是除i外的其他可能解。8.根据权利要求6所述的电力系统低频振荡模式识别方法，其特征在于步骤B所述的概率，具体为采用如下算式计算概率Pi：2CN111009909A权利要求书2/2页式中fit为适应函数，fiti为可能解Xi的适应值，SN为观察蜂与采蜜蜂的数量。9.根据权利要求6所述的电力系统低频振荡模式识别方法，其特征在于步骤C所述的搜索新的可能解，具体为采用如下公式搜索新的可能解xid：minmaxminxid＝xd+r(xd-xd)minmax式中r为[-1,1]上的随机数，xd为第d个可能解值的下界，xd为第d个可能解值的上界。10.根据权利要求6所述的电力系统低频振荡模式识别方法，其特征在于步骤S7所述的得到最终辨识的低频振荡模式参数，具体为采用如下步骤得到最终辨识的低频振荡模式参数：(1)记录当前迭代次数中，使得目标函数值最佳的各个参数值；(2)判断当前迭代次数是否达到设定