本发明涉及电力分析，尤其涉及基于哈里斯鹰优化算法的风机机组模型整定及验证的方法。
背景技术：
1、基于电力二次系统安全管理若干规定要求，各地都在进一步规范新能源、储能电站并网调试与涉网性能检测评估工作，提升新能源、储能电站并网性能，由此，需要对新能源场站风机机组性能进行机电态参数辨识仿真验证；
2、电力系统分析综合程序(power system analysis software package)简称psasp，风机机组机电态模型仿真验证主要在psasp内完成，参数需要从巨量的测试数据里进行辨识，现行方案一般为人工操作，繁琐费时，在实际工程项目中，对风机机组仿真验证的方式方法、数据来源及负责人认知的不一致，造成仿真验证实施起来各有偏差，参数辨识结果仅满足偏差值验证，未达到最优，工况不能全兼容，并没有解决实际问题，因此，本发明提出基于哈里斯鹰优化算法的风机机组模型整定及验证的方法以解决现有技术中存在的问题。
技术实现思路
1、针对上述问题，本发明提出基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，该基于哈里斯鹰优化算法的风机机组模型整定及验证的方法基于哈里斯鹰的算法架构，对验证类型、数据来源、工况种类、工况数量全部兼容，可以依据测试数据完成风机机组的机电态参数辨识+模型验证，也可以依据测试数据+建模报告完成模型验证或数据校核。
2、为实现本发明的目的，本发明通过以下技术方案实现：基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，包括以下步骤：
3、s1：读取收资资料，确定风机机组采用双馈风机模型模型，填写模型卡，并进行参数初步辨识；
4、s2：将物理参数、运行参数以及初始整定的控制参数，通过matlab编写的哈里斯鹰算法，读取半实物仿真数据内各个工况初始有功功率、无功功率的仿真潮流参数集；
5、s3：读取收资资料内的测试数据，通过matlab编写的哈里斯鹰算法生成基于测试数据内各个工况跌落/抬升时初始电压的仿真暂态参数集；
6、s4：基于psasp的风机机组模型，构建故障电压穿越测试模型，模拟集电线路电压的抬升与跌落；
7、s5：通过navicat premium将仿真潮流参数集、仿真暂态参数集分别写入psasp的潮流数据库、暂态数据库，进行仿真和偏差验证；
8、s6：将各工况下仿真数据与收资资料的测试数据的故障前、故障期间以及故障后的暂态区间、稳态区间分别按行业规范进行偏差值验证；
9、s7：通过哈里斯鹰算法进行对满足偏差值验证的电流控制方式进行分类，对特性控制参数进行综合权衡和迭代调整；
10、s8：分别按最优控制参数完成辨识验证、多套控制参数完成辨识验证，输出控制参数结果。
11、2.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s1中，填写双馈发电机模型(mm)、风电机组轴系模型(me)、风功率模型(tg)、有功无功电流限制(es)、故障穿越故障判断(ev)、桨距角控制(gf)、正常状态下的有功控制(ep)、正常状态下的无功控制(ez)模型卡。
12、3.根据权利要求2所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s1中，通过matlab读取半实物仿真试验数据，统计电压故障前和故障稳态期间的有功功率、无功功率、无功电流、有功电流，计算故障恢复期间的电流恢复速率，同时校验统一组内不同次测试数据的一致性，当数据不一致，表明逆变器无法在同样的测试条件下保持相同的响应特性，试验无法重复和再现，具体包括以下步骤：
13、s11：通过各工况下的无功功率大小，辨识进出高/低电压穿越的电压门槛值；
14、s12：通过对各工况下的数据进行分析，考虑过流保护作为边界条件，将故障电压穿越期间无功电流或有功电流与电压之间的关系进行参数辨识；
15、故障穿越期间，无功电流指令的拟合公式如式所示：
16、iqlvrt＝k1iqlv(ulin-ut)+k2iqlviq0+iqsetlv
17、式中k1iqlv——无功电流计算系数1；
18、k2iqlv——无功电流计算系数2；
19、iqsetlv——无功电流设定值3；
20、iq0——初始无功电流；
21、ut——端电压幅值；
22、ulin——进入低电压穿越阈值。
23、有功电流指令的拟合公式：
24、iplvrt＝k1iplvut+k2iplvip0+ipsetlv
25、s13：将以上物理参数、运行参数及初始整定的控制参数辨识结果生成风机机组参数集，写入psd-bpa模型卡中。
26、进一步改进在于：所述s4包括以下步骤：
27、s41：将风机机组t_gen依次通过升压变压器t_tran及集电线路t_ac与电网t_grid相连；
28、s42：将数据测量点设于升压变压器的高压侧，将故障点设于集电线路距离集电线路低压侧10％距离的位置；
29、s43：在psasp内形成模拟故障点的功能，模拟集电线路电压的抬升与跌落，得到故障电压穿越的测试模型。
30、进一步改进在于：所述s5中，通过navicat premium将仿真潮流数据集写入psasp的潮流数据库，通过psasp的潮流计算功能进行仿真，将仿真潮流值与测试数据初始值进行偏差验证，当不满足偏差，则通过调整变压器变比后进行迭代运算，控制仿真潮流值与测试数据初始值达到误差范围。
31、进一步改进在于：所述s5中，通过navicat premium将仿真暂态数据集写入psasp的暂态数据库，通过psasp的暂态计算功能进行仿真，将仿真故障电压跌落/抬升值与测试数据故障电压抬升/跌落值进行偏差验证，当不满足偏差，则通过哈里斯鹰算法进行局部优化，调整集电线路阻抗后进行迭代运算，控制真故障电压跌落/抬升值与测试数据故障电压抬升/跌落值的一致性达到当前最优解。
32、进一步改进在于：所述s7包括以下步骤：
33、s71：通过哈里斯鹰算法进行对满足偏差值验证的电流控制方式按大功率、小功率、对称和不对称进行分类；
34、s72：对高低电压穿越过程故障期间特性、故障恢复起始阶段特性、故障恢复期间特性控制参数，进行综合权衡和迭代调整。
35、进一步改进在于：所述s8中，多套控制参数完成辨识验证包括：一套控制参数完成辨识验证、二套控制参数完成辨识验证以及四套控制参数完成辨识验证。
36、本发明的有益效果为：
37、1、本发明基于哈里斯鹰的算法架构，对验证类型、数据来源、工况种类、工况数量全部兼容，可以依据测试数据完成风机机组的机电态参数辨识+模型验证，也可以依据测试数据+建模报告完成模型验证或数据校核，在实际工作中在解决以上问题的同时且高速完成，对于各种大功率、小功率、对称、不对称的工况，能多组参数辨识仿真验证，一次完成并达到最优解。
38、2、本发明采用哈里斯鹰算法，具有较强的全局搜索能力、调整参数少以及原理简单易实现等优点，对psasp搭建的风电场建模中相关参数的辨识问题有很好的处理能力，在风机机组机电态参数整定中发挥重要作用。
1.基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s1中，填写双馈发电机模型(mm)、风电机组轴系模型(me)、风功率模型(tg)、有功无功电流限制(es)、故障穿越故障判断(ev)、桨距角控制(gf)、正常状态下的有功控制(ep)、正常状态下的无功控制(ez)模型卡。
3.根据权利要求2所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s1中，通过matlab读取半实物仿真试验数据，统计电压故障前和故障稳态期间的有功功率、无功功率、无功电流、有功电流，计算故障恢复期间的电流恢复速率，同时校验统一组内不同次测试数据的一致性，当数据不一致，表明逆变器无法在同样的测试条件下保持相同的响应特性，试验无法重复和再现，具体包括以下步骤：
4.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s4包括以下步骤：
5.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s5中，通过navicat premium将仿真潮流数据集写入psasp的潮流数据库，通过psasp的潮流计算功能进行仿真，将仿真潮流值与测试数据初始值进行偏差验证，当不满足偏差，则通过调整变压器变比后进行迭代运算，控制仿真潮流值与测试数据初始值达到误差范围。
6.根据权利要求5所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s5中，通过navicat premium将仿真暂态数据集写入psasp的暂态数据库，通过psasp的暂态计算功能进行仿真，将仿真故障电压跌落/抬升值与测试数据故障电压抬升/跌落值进行偏差验证，当不满足偏差，则通过哈里斯鹰算法进行局部优化，调整集电线路阻抗后进行迭代运算，控制真故障电压跌落/抬升值与测试数据故障电压抬升/跌落值的一致性达到当前最优解。
7.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s7包括以下步骤：
8.根据权利要求1所述的基于哈里斯鹰优化算法的风机机组模型整定及验证的方法，其特征在于：所述s8中，多套控制参数完成辨识验证包括：一套控制参数完成辨识验证、二套控制参数完成辨识验证以及四套控制参数完成辨识验证。
