一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法

本发明涉及一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法，属于电力系统频率稳定分析与控制领域。

背景技术：

1、在化石能源不断枯竭以及碳排放要求愈发苛刻的趋势下，电力系统正逐步从以常规同步电源为主导转变为以风能、太阳能等非同步电源为主导的形式。在电力系统中，惯量起着至关重要的作用。惯量可以提供系统的抗扰动能力和恢复能力，对于维持系统频率在稳定范围内具有关键影响。传统的同步发电机组通过其旋转动能提供惯量支撑，使得系统在面临外部扰动时能够稳定运行。然而，风电、光伏等非同步电源缺乏旋转动能，因此无法直接提供相同水平的惯量支撑能力。未来风电、光伏等非同步电源通过电力电子换流器接口的接入数量和容量将继续快速增长。非同步电源与电网频率相互解耦，无法主动提供惯量支撑，因此会导致电力系统的惯量水平降低，进而影响系统的抗扰能力和稳定特性。近年来，由于惯量水平不足而引发的系统稳定性问题屡见不鲜。因此，准确估计系统的惯量水平及其变化趋势对于提升非同步电源的承载极限并确保系统在低惯量条件下稳定运行具有重要意义。

2、电力系统惯量估计已成为当前研究的热点问题，许多国内外研究机构已取得相关研究进展。惯量估计可以分为离线估计和在线估计两种方式，其主要区别在于是否具有即时性。离线估计是指在发生扰动事件后，利用系统等值摇摆方程进行计算得到系统的惯量。离线估计较为依赖于较大的扰动情况，因此常用于事故发生时对惯量进行研究分析和经验总结。通过对历史数据的回顾和分析，可以估计出系统的惯量特性。随着电网广域量测系统的普及和提高，实现电力系统惯量的在线估计逐渐成为现实。与离线估计相比，在线估计在实时性方面稍有优势。在线估计可以通过实时的测量数据和先进的算法，对系统的惯量进行估计和跟踪。通过及时获取最新的数据和信息，可以更准确地反映系统惯量的变化和动态特性。在线估计方法可以结合实时测量数据和先进的信号处理技术，利用现有的传感器和测量设备获取系统状态的实时信息。这些信息可以用于建立数学模型和算法，对系统的惯量进行估计。通过不断更新和优化算法，可以提高在线估计的精度和鲁棒性，使其更适用于实际的电力系统运行环境。然而，现有的惯量估计方法存在一些问题，例如数据需求量大、鲁棒性差、在正常和小扰动状态下精度低以及无法反映多样化虚拟惯量资源对系统惯量的贡献等。为了准确快速地估计同步发电机或区域系统内的惯性，一些方法提出使用相量测量单元的测量数据。此外，为了缓解换流器接口电源引起的频率不稳定性，一些换流器配备了惯性仿真控制，即虚拟同步控制，这可能引入时变惯性。然而，目前已开发的动态估计器用于跟踪vsg的时变惯性存在数值震荡的问题。另外，有研究利用环境测量来估计非同步发电机的惯性常数，但该方法假设了对发电机转子速度和角度的了解，而这在实践中很难获取。此外，由于控制参数的变化，该方法无法跟踪换流器接口电源的时变惯性。

技术实现思路

1、本发明提供一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法，该方法可以实时估计换流器接口电源时变虚拟惯量，变化跟踪快，估计精度高，抗噪性能强。

2、本发明通过下述技术方案实现：一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法，所述方法包括以下步骤：

3、a、电力系统离散状态空间模型构建

4、电力系统中同步机采用经典二阶模型：

5、

6、

7、式中：δ，ω和ω0分别为发电机的转子角度、转速和额定转速；h为发电机的惯性常数；pm和pe分别为发电机的机械功率和电磁功率；d为阻尼系数。

8、换流器接口电源采用跟网型模型：

9、

10、

11、θpll＝ωpll+ω0

12、

13、ωpll＝kpvq+kixpll

14、式中：pv和pvs分别为cig的有功功率和不包含虚拟惯量控制的有功功率参考值；kv为用于虚拟惯性控制环节的比例系数，其中，kv＝2hv，hv即为虚拟惯量常数。为引入的中间变量；tv和tp为等效时间常数；ωpll为系统频率的测量值；θ为母线电压相角，理想条件下锁相环输出θpll＝θ；xpll为引入的中间变量；vq为q轴电压；kp和ki分别为pll的比例系数和积分系数。

15、选择δ、ω、θpll、pv、xv、xpll、hv作为系统状态量，选择pe、qe、vmag、vang、pv为系统量测量，建立电力系统连续状态空间模型；采用四阶龙格库塔方法离散化，获得电力系统离散状态空间模型

16、xk＝f(xk-1)+wk

17、zk＝h(xk)+vk

18、b、系统状态预测

19、首先，计算配置点cps作为混沌多项式的系数。在进行pce降维后，我们提出的pckf只需要2n+1个多项式混沌系数，即只需要2n+1种合适的cps组合。为此，可以使用(n)×(2n+1)矩阵:

20、

21、式中：ξ的第i列代表随机变量向量ξi，表示cps的第i个组合。

22、将配置点代入矩阵得到：

23、

24、

25、将系统状态经验值及过程噪声协方差矩阵经验值作为状态估计器的输入，根据系统状态方程及前一时刻系统状态估计值计算当前系统状态及协方差矩阵预测值

26、

27、

28、

29、式中：σw为过程噪声的标准差；为k-1时刻状态变量估计值；为第i个cp预测状态向量。为聚合得到的状态预测矩阵。

30、根据可得：

31、

32、定义a1为矩阵第一行的转置，可得:

33、

34、将剩余矩阵定义为a2，计算状态变量估计误差协方差矩阵为：

35、

36、式中：q为过程噪声。

37、c、系统量测矫正

38、根据系统量测方程、当前系统量测值及系统状态预测值计算当前系统状态估计值。

39、c1、量测误差协方差及互协方差矩阵更新：

40、利用量测方程对配置点进行传播，计算量测预测值：

41、

42、

43、式中：为第i个cp计算的量测预测向量，为聚合得到的量测预测矩阵。

44、量测模型的pc系数矩阵为：

45、

46、取矩阵w首行信息转置w1为量测预测值

47、

48、

49、

50、c2、系统状态量及其协方差矩阵更新

51、考虑最大熵准则的状态方程和量测方程可写为：

52、

53、式中量测矩阵为：

54、

55、

56、式两边同时乘sk-1得

57、dk＝wkxk+ek

58、式中：

59、

60、

61、

62、由最大熵定义公式可得

63、

64、

65、式中el,k是ek的第k个元素。

66、对状态协方差矩阵预测值、量测噪声协方差矩阵及增益估计值进行更新得：

67、

68、

69、

70、根据状态协方差矩阵预测值、量测噪声协方差矩阵及增益估计值计算系统状态量及其协方差矩阵估计值为：

71、

72、

73、c3、系统状态输出

74、系统状态估计值迭代更新结束，输出当前换流器接口电源时变虚拟惯量估计值。

75、d、重复步骤b、c获得换流器接口电源实时虚拟惯量估计值。该方案采用最大熵准则与混沌多项式卡尔曼滤波器，可以在线估计虚拟惯量，且可以跟踪时变虚拟惯量；本发明无需过程及量测噪声统计信息，变化跟踪快，估计精度高，抗噪性能强。

76、一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计设备，包括：

77、存储器，用于存储计算机程序；

78、处理器，用于执行所述计算机程序以实现所述的一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法的步骤。

79、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现所述的一种基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法的步骤。

80、与现有技术相比，本发明的有益效果是：

81、相比于传统的换流器接口电源虚拟惯量估计方法，本发明采用基于最大熵准则混沌多项式卡尔曼滤波的换流器接口电源时变虚拟惯量鲁棒估计方法，并通过仿真分析对比验证该方法可以实时估计换流器接口电源时变虚拟惯量，变化跟踪快，估计精度高，抗噪性能强。