1.一种基于鲸鱼优化算法的双馈风电机组传动系统参数辨识方法,其特征在于包括以下步骤:步骤一、构建双馈风电机组传动系统的辨识模型,确定待辨识参数;
步骤二、对双馈风电机组施加三相短路接地故障扰动,并采集施加扰动后的双馈风电机组传动系统的输出响应,构建原模型与辨识模型的误差目标函数;
步骤三、采用鲸鱼优化算法,基于传动系统参数和输出数据对目标函数寻优求解,输出辨识结果,并对实际输出响应曲线与辨识模型的输出响应曲线进行误差分析。
2.根据权利要求1所述的基于鲸鱼优化算法的双馈风电机组传动系统参数辨识方法,其特征在于:所述双馈风电机组传动系统的辨识模型如下式中:θs为风力机相对于发电机转子的扭转角,Ttur为风力机力矩,Tgen为发电机力矩,同步转速ω0,风力机角速度ωtur、发电机角速度ωgen;Htur、Hgen分别为发电机转子、风力机惯性时间常数;Dtg为风力机与发电机之间的阻尼系数;Dtur、Dgen分别为发电机、风力机自身阻尼系数;Ks为轴系刚性系数;其中,Htur、Hgen、Ks、Dtg为待辨识参数。
3.根据权利要求1所述的基于鲸鱼优化算法的双馈风电机组传动系统参数辨识方法,其特征在于:所述步骤三具体包括如下步骤:S1,基于原始传动系统参数运行得到原模型输出信号发电机机端电压V、机端电流I、有功功率P和无功功率Q;
S2,计算轨迹灵敏度分析输出响应受传动参数影响,以实际模型和仿真模型输出信号的增量差值,计算所有输出响应对应的轨迹灵敏度值,并选取灵敏度值最大的作为观测量;
计算所有寻优值的适应度值,目标函数公式如下;
其中,K为采样总数;yreal为含有实际辨识参数对应的输出观测量实际值;ysim为含有算法辨识参数对应的输出观测量值;θm为待辨识参数;
S3,采用鲸鱼优化算法基于传动系统参数和输出数据对目标误差函数寻优求解,寻优结果即为辨识模型传动系统参数辨识结果,得到双馈风电机组传动系统参数的辨识结果;
S4,输出鲸鱼优化算法参数辨识结果,并对实际输出响应曲线与辨识模型的输出响应曲线进行误差分析,判断辨识模型的可靠性。
4.根据权利要求1所述的基于鲸鱼优化算法的双馈风电机组传动系统参数辨识方法,其特征在于:所述步骤S3的具体步骤如下,S301,初始化算法迭代基本参数,设置种群数量为SearchAgents_no,迭代次数M次,粒子维度Dim,种群上下限;
S302,初始化种群速度和初始位置,在靠近下限区域内随机生成每个鲸鱼位置,将获取的仿真模型输出作为鲸鱼优化算法的输入,对鲸鱼算法进行初始化操作,根据鲸鱼包围猎物、螺旋狩猎以及搜索食物三大行为完成初始鲸鱼种群位置的初始化;
包围猎物:
D=|C·Xq(t)‑X(t)|
X(t+1)=Xq(t)‑A·D
式中Xq表示当前最优鲸鱼位置,t表示当前迭代次数,X表示当前鲸鱼个体的位置,A和C表示随机变量,其表示式为:A=2a·r‑a
C=2r
a=2‑2t/T
式中a表示的是从2线性减少到0的常数,r表示取值范围为[0,1]的随机数,T表示最大迭代次数;
螺旋狩猎:
bl
X(t+1)=D′·e ·cos(2πl)+Xq(t)D′=|Xq(t)‑X(t)|
式中b表示螺旋形状参数,其值一般为1,其作用是限定搜索个体进行螺旋运动的形状,l表示取值范围为[‑1,1]的一个随机数;
搜索食物:
X(t+1)=Xrand(t)‑A·D
D=|C·Xrand(t)‑X(t)|
式中Xrand表示从当前鲸鱼种群中随机选取的鲸鱼个体位置;
根据概率参数判断规则,在鲸鱼捕食过程中对鲸鱼个体位置更新,本次算法捕食行为概率均设置为50%,具体表示如下所示:其中p表示一个随机数,其取值范围为[0,1];
S303,按误差目标函数公式计算所有寻优解的适应度值;
S304,更新最优适应度Positions J和全局最优位置Positions_X;
S305,按种群中速度和鲸鱼位置更新概率判定原则更新Leader_score(i,j)的位置;
S306,若满足fitness