感应电动机负荷模型参数辨识研究进展与展望

廖卫平，何凌枫（广东工业大学　自动化学院，广州　510006）

感应电动机负荷模型参数辨识研究进展与展望

廖卫平，何凌枫
（广东工业大学自动化学院，广州510006）

感应电动机作为电力负荷的重要组成部分，其负荷模型参数已成为制约系统电压稳定性计算结果准确性的关键因素。针对此，首先对国内外在感应电动机负荷模型参数辨识方面的主要研究成果进行了综述。最后，指出今后感应电动机负荷模型参数辨识的研究方向，为我国电力系统感应电动机模型参数辨识的研究提供参考。

感应电动机；负荷模型；参数辨识

0　引言

在电力系统稳定性分析中使用不同的负荷模型参数对计算结果的影响很大，该问题已受到了国外电力系统研究机构和运行部门的广泛关注。

在电力系统负荷中，对系统稳定特性影响较大的是电动机负荷。据统计，在电力系统负荷中超过70%都是感应电动机负荷［1-2］，系统发生故障后数秒内的负荷动态特性主要来源于感应电动机负荷的综合响应特性［3］。因此，确定感应电动机负荷模型参数是电力系统负荷建模和稳定仿真计算所必需的。通常所采用的电动机模型参数直接参照文献［4，5］推荐的几种典型参数，距今已有20多年，将这些典型模型参数应用于当前电网的仿真分析，其适应性和准确性会受到限制。基于此，人们在文献［4，5］的基础上，探索出多种感应电动机负荷模型参数辨识的方法，如：试验法、解析法、时域仿真法、铭牌数据估计法。下面对这些方法进行评述。

1　试验法

试验法确定感应电动机的参数主要通过空载试验和堵转试验来确定［6］。

空载试验的目的是确定感应电动机的激磁参数Rm、Xm，以及铁耗PFe和机械损耗PΩ。试验是在电源频率f=fn、转子轴上不带任何负载，转速n≈ns的情况下进行的。用调压器调节试验电压的大小，使定子三相的端电压（线电压）从（1.1～1.2）Usn逐步下降到0.3Usn，且转子转速没有明显下降时为止，每次记录感应电动机的相电压、空载电流和空载功率，然后利用测量的数据计算Rm和Xm。

堵转试验的目的是确定感应电动机的漏阻抗，试验在转子堵转的情况下（滑差s=1）进行。调节试验电压，使端电压近似等于0.4Usn，然后逐步降低电压，每次记录定子的相电压、定子电流和功率；然后利用测量的数据计算定子参数Rs、Xs和转子参数Rr、Xr。

另外，在堵转试验中，要求转子频率等于电源频率，但是在试验操作中转子的频率通常为3～5Hz，偏离供电电源频率较大会给转子侧参数的计算带来很大误差。在计算时，近似地认为Xs=Xr，可以求得感应电动机的单笼模型参数，无法获得精确的双笼模型参数，因而不能准确地模拟电动机的起动过程。且该方法不易实现，耗时较多，比较昂贵。

2　解析法和时域仿真法

解析法［7］试根据感应电动机的设计结构数据计算感应电动机负荷仿真模型参数，反映了电动机内部的物理工作特性，是计算感应电动机仿真模型参数最准确的方法。但需要大量的电动机几何尺寸和制造材料数据，这些数据在工程上难以获得，耗时也较多。

时域仿真法［8］是对于感应电动机未知参数先采用典型参数，然后应用时域暂态仿真软件模拟实际电网故障时感应电动机的输出响应特性，将仿真输出曲线与现场录波曲线进行对比，分析误差，做参数的灵敏度分析，进行参数修正，直到仿真输出能够最好地拟合实际曲线。故障仿真法确定电动机负荷模型参数在很大程度上取决于故障的严重程度和数量，拟合同一故障可能会调整出多套参数，即参数不能唯一确定，

3　铭牌数据估计法

基于电动机铭牌数据（如额定功率、额定电压、额定效率、额定功率因数、最大电磁转矩、起动转矩、起动电流等），通过计算程序求得辨识感应电动机负荷稳态等值电路参数。该方法所需的铭牌数据容易获得，耗时也较少，在工程上应用较为广泛。

文献［9］计及最大电磁转矩倍数，基于出厂铭牌数据计算了感应电动机单笼模型参数，但其不能计算电动机双笼模型参数；文献［10］以计算输出功率、计算定子电流、计算最大电磁转矩、计算启动电流、计算启动转矩这5个数据的偏差之和最小为目标函数，以待辨识参数X大于0为不等式约束条件，对感应电动机单笼模型参数进行辨识，但根据辨识得到的单笼模型参数计算的最大电磁转矩倍数与铭牌数据相差较大；文献［11］以计算额定电磁转矩、计算启动转矩和计算最大电磁转矩这3个数据的偏差之和最小为目标函数，以待辨识参数X大于0和最大电磁转矩倍数偏差小于0.2为不等式约束条件，利用粒子群算法，分别考虑定子电阻和不考虑定子电阻两种情况下，对感应电动机单笼模型参数进行辨识。但根据辨识得到的单笼模型参数计算的最大电磁转矩倍数误差很大，其误差达到0.5以上。文献［12］在文献［11］的基础上，在目标函数中增加了计算功率因数偏差这一项，利用人工蚁群算法，对感应电动机单笼模型参数进行辨识。根据辨识得到的单笼模型参数计算的最大电磁转矩倍数误差较大，其误差达到0.2以上。

文献［9-12］辨识得到的电动机单笼模型参数精度远不如与文献［9］的计算方法。文献［10-12］都没有将计算的输入有功功率、无功功率、定子电流、功率因数、输出机械功率与铭牌数据进行比较，缺乏参数的有效性验证，其所提出的方法尚未对电动机双笼模型参数进行辨识。

4　展望

目前，国内外对感应电动机负荷模型参数辨识进行了一些积极有益的探索，其中最经济有效、最简单的方法是基于铭牌数据辨识感应电动机参数的方法。但仍存在一些问题，主要表现在：

（1）现有文献对所采用的感应电动机数学模型均进行了不同程度的简化，简化后的数学模型不能很好地反映电动机负荷真实的动态特性。采用与实际感应电动机更为一致的、详细的仿真模型，有望进一步提高电力系统仿真精度；

（2）基于出厂铭牌数据的感应电动机负荷模型参数辨识的准确性依赖于出厂铭牌数据的准确性和有效性，制造商如何给出准确的铭牌数据是又一个努力方向；

（3）目前，感应电动机模型参数辨识有效性的评估手段尚十分缺乏，这将直接影响辨识结果的可信度，开发一套有效的辨识效果评估方法是下一步有待加强的方向之一。

5　结束语

电力系统仿真是目前电力系统分析研究的主要手段之一，仿真结果的可信度不仅依赖于所使用的电动机数学模型，也依赖于所选取的辨识方法。本文对试验法、解析法、时域仿真法和铭牌数据估计法等多种感应电动机参数辨识方法进行了比较综述。认为基于出厂铭牌数据估计感应电动机仿真模型参数的方法是最为经济有效的方法。另外，选择更有效的辨识算法，开发更有效的参数评估方法是感应电动机负荷建模与参数辨识的研究方向。

［1］Kosterev D，Meklin A.Load modeling in WECC［C］.IEEE PES Power Systems Conference and Exposition，Atlanta，GA，2006.

［2］Omata T，Uemura K.Aspects of voltage responses of induction loads［J］.IEEE Trans.on Power Systems，1998，13（04）：1337-1344.

［3］汤涌.电力系统电压稳定性分析［M］.北京：科学出版社，2011.

［4］IEEE TaskForce on Load Representation for Dynamic Performance.Load Representation for dynamic performance analysis.IEEE Trans.on power systems，1993，8（02）：472-478.

［5］IEEE TaskForce on Load Representation for Dynamic Performance.Standard load models for power flow and dynamic performance simulation［J］.IEEE Transactions on Power Systems，1995，10（03）：1302-1313.

［6］汤蕴璆，罗应立，梁艳萍.电机学［M］.北京：机械工业出版社，2008.

［7］Lee C.H.A Design Method for Double squirrel-cage Induction motors［J］.Power Apparatus and Systems，Part III.IEEE Trans.of the American Institute of Electrical Engineers，1953，72（02）：630-636.

［8］Cirrincione M，Pucci M，Cirrincione G，Capolino G.A..A new experimental application of least squares techniques for the estimation of the induction motor parameters［J］.IEEE Trans.on Industry Applications，2003，39（05）：1247-1256.

［9］赵兵，汤涌，张文朝.基于出厂数据的电动机仿真模型参数计算方法［J］.中国电机工程学报，2010，30（01）：52-58.

［10］Abdelaziz M.M.A，El-Saadany E.F.Estimation of Induction Motor Single-Cage Model Parameters from Manufacturer Data［J］.2013IEEE Power and Energy Society General Meeting，2013：1-5.

［11］Sakthivel V.P，Bhuvaneswari R，Subramanian S.Multiobjective parameter estimation of induction motor using particle swarm optimization［J］.Engineering Applications of Artificial Intelligence，2010（23）：302-312.

［12］ABRO A.G，Saleh J.M.Multiple-global-best guided artificial bee colony algorithm for induction motor parameter estimation［J］.IEEE Trans.On Energy Conversion，2014（22）：620-636.

10.16640/j.cnki.37-1222/t.2016.10.147

廖卫平（1990-），男，湖南邵阳人，工学硕士，研究方向：电力系统电压稳定。