基于数据的同步发电机参数识别方法：一种具有状态一致性和电网解耦的三阶段框架 Rasool Peykarporsan, Tharuka Govinda Waduge, Tek Tjing Lie, Martin Stommel

《Sensors》：Data-Driven Parameter Identification of Synchronous Generators: A Three-Stage Framework with State Consistency and Grid Decoupling Rasool Peykarporsan, Tharuka Govinda Waduge, Tek Tjing Lie and Martin Stommel

电力系统稳定性分析采用Port-Hamiltonian（PH）模型框架，但存在参数辨识困难的问题。本文提出三阶段数据驱动PH建模方法，通过多场景激励、无导数优化和物理正则化解决IEEE 115标准在PH建模中的单场景限制、噪声敏感和阻尼解耦问题，实现八参数（H, D, Xd, Xq, T'd, T'q）辨识误差1.26%-9.10%，验证了低至1.2°转子角误差和0.15%转速误差的可靠性，适用于暂态稳定分析、控制设计和振荡抑制评估。

　　

摘要

随着现代电力系统变得越来越复杂，迫切需要能够处理非线性动态的稳定性分析方法，并提供具有物理意义和可靠性的稳定性指标。在这方面，Port-Hamiltonian（PH）框架成为了强有力的候选者，它们具有内在的稳定性、能量守恒的表示方式以及模块化的即插即用可扩展性。然而，基于PH的稳定性分析的实际应用仍然受到缺乏可靠的高精度参数识别方法的限制，这些方法依赖于传感器测量来捕捉系统动态，同时还需与PH模型结构兼容。本文通过提出一个全面的三阶段数据驱动识别框架来填补这一空白，用于同步发电机的PH建模——同步发电机是任何电力系统的核心动态组成部分。虽然IEEE标准115提供了成熟的瞬态参数识别程序，但在应用于PH建模时存在根本性限制，包括单场景可识别性约束、对噪声敏感的基于导数的公式（这些公式会放大传感器测量误差），以及无法将发电机内部的阻尼与电网影响分离。所提出的框架通过多场景激励、使用传感器获取的电压和电流信号、无导数的状态一致性优化以及基于物理的规则化（以确保PH结构的保持）来解决这些限制。该框架成功识别了八个关键参数（H、D、????、????、??′??、??′?????），其识别误差范围在1.26%到9.10%之间，验证结果表明转子角度的RMS误差低于1.2°，速度误差低于0.15%，证明了该方法适用于瞬态稳定性分析、基于被动性的控制设计以及振荡阻尼评估。