[发明专利]基于数据融合的发电机励磁系统参数辨识方法、装置和存储介质

权利要求书

1.一种发电机励磁系统参数辨识方法，其特征是，包括：

获取发电机励磁系统结构参数以及实际系统模型；

根据系统结构参数和实际系统模型输入输出特性，确定参数待辨识励磁系统模型；参数待辨识励磁系统模型的模型参数包括：响应于小阶跃扰动信号影响发电机空载阶跃响应的第一模型参数组，和响应于大阶跃扰动信号影响发电机空载阶跃响应的第二模型参数组；

向实际系统模型和参数待辨识励磁系统模型分别多次施加小阶跃扰动信号，并分别获取实际系统模型和参数待辨识励磁系统模型响应于所述小阶跃扰动信号的输出；

向实际系统模型和参数待辨识励磁系统模型分别多次施加大阶跃扰动信号，并分别获取实际系统模型和参数待辨识励磁系统模型响应于所述大阶跃扰动信号的输出；

对于第一模型参数组中的模型参数：基于小阶跃扰动信号及其对应的输出，以实际系统模型与参数待辨识模型的输出误差最小为优化目标，采用多种优化算法分别对参数待辨识励磁系统模型进行模型参数的优化计算，得到分别对应各优化算法的第一模型参数组模型参数辨识结果；

对于第二模型参数组中的模型参数：基于大阶跃扰动信号及其对应的输出，以实际系统模型与参数待辨识模型的输出误差最小为优化目标，采用多种优化算法分别对参数待辨识励磁系统模型进行模型参数的优化计算，得到分别对应各优化算法的第二模型参数组模型参数辨识结果；

基于第一模型参数组模型参数辨识结果和第二模型参数组模型参数辨识结果，分别利用预先训练的神经网络融合模型进行数据融合，得到融合后的第一模型参数组模型参数和第二模型参数组模型参数，进而得到模型参数已辨识的励磁系统模型。

2.根据权利要求1所述的方法，其特征是，方法还包括：

响应于全部模型参数已通过神经网络融合模型确定或更新，则对更新后的励磁系统模型及其实际系统模型，施加相同的阶跃扰动信号，获取两者模型输出；

基于两模型的输出计算误差函数；

判断误差函数值是否大于预设误差阈值；

响应于误差函数值大于误差阈值，则基于当前励磁系统模型和实际系统模型，重新施加小/大阶跃扰动信号、进行多算法寻优，以及采用神经网络融合模型进行数据融合，得到新的励磁系统模型参数，并更新励磁系统模型。

3.根据权利要求1所述的方法，其特征是，所述根据系统结构参数和实际系统模型输入输出特性，确定参数待辨识励磁系统模型，包括：

根据发电机励磁系统结构参数，确定励磁系统模型应当包含的模型参数；

根据实际系统模型的输入输出特性，对励磁系统模型参数赋予初始值。

4.根据权利要求1所述的方法，其特征是，所述参数待辨识励磁系统模型的待辨识参数包括，响应于小阶跃扰动信号影响发电机空载阶跃响应的参数：K、T_c1、T_b1、K_v、T_c2、T_b2、K_a、T_a、K_f、T_f，以及响应于大阶跃扰动信号影响发电机空载阶跃响应的参数：V_Rmax、V_Rmin；

其中，K为调节器增益；K_v为比例积分或纯积分调节选择因子；T_c1、T_b1、T_c2、T_b2为电压调节器时间常数；K_a为调压器增益，T_a为调压器放大器的时间常数；K_f为调压器稳定回路增益；T_f为调压器稳定回路时间常数，V_Rmax为电压调节器最大输出；V_Rmin为电压调节器最小输出。

5.根据权利要求1所述的方法，其特征是，所述小阶跃扰动信号为不能使励磁系统响应进入非线性区的阶跃扰动信号，其电压值为发电机机端电压幅值的5％；

大阶跃扰动信号为能够使励磁系统响应进入非线性区的阶跃扰动信号，其电压值为发电机机端电压幅值的10％。