本发明属于风机参数数据识别，尤其涉及一种双馈风机参数数据识别方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、随着风电渗透率不断增加，风电机组在交流故障下的动态过程对系统的影响愈加显著。采用时域仿真方法评估系统安全稳定是验证风电机组并网特性的有效方法，然而受限于风机厂商所提供的参数信息不足，风机仿真模型中参数设置存在较大难度，该问题限制了风电机组动态特性的精确仿真。
3、对于双馈风机控制参数的辨识，现有方法主要包含两个方向，一种是采用数学优化方法，如最小二乘法、灵敏度分析等方法，该类方法能够从数学优化角度根据数据分布计算参数，具有较好的应对坏点数据的鲁棒性，然而其单次计算过程较长，且无法准确给定所需的样本数量，导致辨识效率降低。另一种是采用启发式搜索方法，如粒子群算法、进化计算等，该类方法通过在解空间内随机尝试各个解的评价值，实现参数辨识寻优。由于数学优化方法对模型进行部分简化，启发式搜索能实现相比于数学优化的更优结果，然而该类方法较高地依赖于初始种群的分布，易陷入局部最优。
4、遗传算法为启发式算法，通常需要对优化决策空间进行大量抽样以寻找最优值。由于风机参数具有维数多、分布广的特点，风机参数辨识的解空间较大。此时遗传算法若选择大种群规模，则会导致计算量骤增；若选择小的种群规模，则会导致优化结果易进入局部最优而发生参数辨识错误。因此，在参数辨识中直接采用遗传算法会降低效率。与递推最小二乘相结合的方法解决该问题。
技术实现思路
1、为克服上述现有技术的不足，本发明提供了一种双馈风机参数数据识别方法，能够获得最优结果作为风机参数的估计值。
2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
3、第一方面，公开了一种双馈风机参数数据识别方法，包括：
4、通过设置不同电压幅值的故障，获取双馈风机的实测数据；
5、根据双馈风机控制系统构建双馈风机模型，其中，双馈风机模型中的控制参数即为辨识目标；
6、采用递推最小二乘算法对控制参数进行粗略估计，逐次采用实测数据中的随机训练样本更新控制参数，当控制参数调整量低于第一阈值时停止更新，转入遗传算法步骤；
7、采用遗传算法对控制参数进行精细估计，每代迭代后，采用实测数据中的校验样本库中样本验证控制参数准确性，当双馈风机模型输出与校验样本的均方根误差低于第二阈值时停止迭代，将对应的控制参数作为最优结果，最优结果作为风机参数的估计值。
8、作为进一步的技术方案，通过设置不同电压幅值的故障，获取双馈风机的实测数据，具体过程为：
9、设置不同电压幅值的故障，仿真在故障下风机的动态过程，记录双馈风机参数，估计所需的输入输出实测数据。
10、作为进一步的技术方案，获取双馈风机的实测数据之后，还依次包括：采用卡尔曼滤波对实测数据进行预处理；
11、根据风机容量、工作电压参数对实测数据进行标准化；
12、将实测数据划分为训练样本库和校验样本库两部分。
13、作为进一步的技术方案，根据双馈风机控制系统构建双馈风机模型，所述双馈风机模型包括异步电机模型、换流器控制模型和故障电压穿越保护控制模型。
14、作为进一步的技术方案，采用递推最小二乘算法对控制参数进行粗略估计时，输入特征即为故障时的电压特征，输出特征为双馈风机的定子侧功率，参数估计值即为双馈风机所需辨识的参数。
15、作为进一步的技术方案，采用遗传算法对控制参数进行精细估计时，根据双馈风机参数辨识需求，遗传信息的编码规则为将待辨识参数作为染色体的基因，风机参数以各参数上下界为标准，将参数标准化为[0,1]区间的变量作为基因的特征值，每个染色体代表一组完整的风机参数。
16、作为进一步的技术方案，遗传算法初始群体生成时，采用递推最小二乘法更新过程中每次输出的结果作为初始群体。
17、第二方面，公开了一种双馈风机参数数据识别系统，包括：
18、双馈风机的实测数据获取模块，被配置为：通过设置不同电压幅值的故障，获取双馈风机的实测数据；
19、双馈风机模型构建模块，被配置为：根据双馈风机控制系统构建双馈风机模型，其中，模型中的控制参数即为辨识目标；
20、递推最小二乘法参数估计模块，被配置为：采用递推最小二乘算法对控制参数进行粗略估计，逐次采用实测数据中的随机训练样本更新控制参数，当控制参数调整量低于第一阈值时停止更新，转入遗传算法；
21、遗传算法参数优化模块，被配置为：采用遗传算法对控制参数进行精细估计，每代迭代后，采用实测数据中的校验样本库中样本验证控制参数准确性，当双馈风机模型输出与校验样本的均方根误差低于第二阈值时停止迭代，将对应的控制参数作为最优结果，最优结果作为风机参数的估计值。
22、以上一个或多个技术方案存在以下有益效果：
23、本发明技术方案采用递推最小二乘算法对参数进行粗略估计，当参数调整量低于阈值时停止更新，转入遗传算法；采用遗传算法对参数进行精细估计，以递推最小二乘法每次更新的结果作为初始种群，采用校验样本库验证参数准确性，当参数模型输出与校验样本的均方根误差低于阈值时停止迭代，将最优结果作为风机参数的估计值，避免采用单一方法获取控制参数导致陷入局部最优的问题。
24、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种双馈风机参数数据识别方法，其特征是，包括：
2.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，通过设置不同电压幅值的故障，获取双馈风机的实测数据，具体过程为：
3.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，获取双馈风机的实测数据之后，还依次包括：采用卡尔曼滤波对实测数据进行预处理；
4.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，根据双馈风机控制系统构建双馈风机模型，所述双馈风机模型包括异步电机模型、换流器控制模型和故障电压穿越保护控制模型。
5.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，采用递推最小二乘算法对控制参数进行粗略估计时，输入特征即为故障时的电压特征，输出特征为双馈风机的定子侧功率，参数估计值即为双馈风机所需辨识的参数。
6.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，，采用遗传算法对控制参数进行精细估计时，根据双馈风机参数辨识需求，遗传信息的编码规则为将待辨识参数作为染色体的基因，风机参数以各参数上下界为标准，将参数标准化为[0,1]区间的变量作为基因的特征值，每个染色体代表一组完整的风机参数。
7.如权利要求1所述的一种双馈风机参数数据识别方法，其特征是，遗传算法初始群体生成时，采用递推最小二乘法更新过程中每次输出的结果作为初始群体。
8.一种双馈风机参数数据识别系统，其特征是，包括：
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。
