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

　　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

　　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，

　　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，

　　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

　　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；

　　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

　　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，

　　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

　　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

　　表示当前最优鲸鱼位置，t表示当前迭代次尊龙凯时科技有限公司数，X表示当前鲸鱼个体的位置，A和C

　　式中a表示的是从2线的常数，r表示取值范围为[0,1]的随机数，T表示最大

　　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，

　　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

　　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；

　　的主流机组，机组传动系统为机组安全稳定运行提供保障。随着机组的运行工况不同和运

　　行时间延长，传动系统参数会发生改变，造成机组控制振荡和运行特性误差，建立准确、可

　　靠的风力发电系统模型迫在眉睫。而模型参数的精确值是建立模型的主要前提，其参数辨

　　会直接影响双馈风电机组的动态特性，特别是轴系参数因为机组长时间运行发生改变时，

　　将会严重影响双馈风电机组的动态性能，大部分研究学者对模型的参数多采用出厂设定

　　值，但随着机组的运行和工况变化机组的实际参数早已偏离出厂设定值，对模型仿真输出

　　产生误差。因此对双馈风机传动系统参数进行辨识提高模型精确度对机组稳定运尊龙凯时科技有限公司行控制具

　　收敛速度慢、迭代时间长的问题。CN111817347A中公开了一种基于改进量子遗传算法的双

　　馈风机变流器参数辨识方法，该方法将传统量子遗传算法与非线性规划函数相结合，形成

　　量子遗传‑非线性规划算法，增强了局部搜索能力，提高辨识精度，但记忆库的存在增加了

　　本发明的目的在于提供一种基于鲸鱼优化算法(WOA)的双馈风电机组传动系统参

　　数辨识方法，解决现有优化算法中收敛速度慢、迭代时间长的问题。与其他优化算法相比，

　　WOA具有过程简单，收敛速度快，所需调整参数少，主动搜索能力强等优点；在辨识过程中具

　　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，

　　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

　　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

　　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

　　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

　　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

　　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

　　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

　　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

　　(1)本方法将鲸鱼优化算法(WOA)与轨迹灵敏度函数相结合，选取受传动系统参数

　　影响较大的风电机组输出作为观测量，对传动系统多参数辨识，获取全局最优解，使辨识的

　　应曲线进行单独拟合、采取轨迹灵敏度对实际输出响应曲线与辨识模型的输出响应曲线进

　　行最小值拟合，增加了鲸鱼种群的多样性，提高了收敛速度和参数辨识结果的精确性。

　　识，与一些传统的辨识方法如最小二乘法、KNN最近邻算法等相比，更加适用于风电工程实

　　际应用，对双馈风电机组传动系统进行机械参数精确辨识，提高模型仿线)传统的辨识方法需要风电机组停机，所需辨识的机械设备取出试验，通过人为

　　给定输入信号并施加扰动，再通过采集设备输出响应的输出曲线，辨识出机械设备的参数，

　　而本方法通过对风电场监控数据加以提取，利用鲸鱼优化算法进行辨识，不需要对机组进

　　图5为本发明的WOA算法与PSO、CPSO算法的辨识结果误差率率曲线图；

　　步骤一、构建双馈风机传动系统的辨识模型，确定待辨识参数；传动系统方程采用

　　设定三相接地短路故障扰动，并采集施加扰动后的双馈风机传动系统的改变较大的输出响

　　应，双馈风机会输出不同的响应信号，因此根据双馈风机输出信号的波动，构建原模型与辨

　　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。具体地：

　　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

　　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

　　为待辨识参数的实际值；Δθ为待辨识参数的增量变化；i为待辨识参数的个数。

　　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，得到双馈风机传动系统参数的辨识结果，

　　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

　　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

　　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

　　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

　　为辨识结果，否则重复步骤2‑5，直至满足fitnessLeader_score或达到迭代次数，则停止

　　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

　　步骤二、对双馈风机施加扰动，即在辨识模型的25kv和0.575kv中间设置三相接地

　　短路故障，故障0.3s开始，持续时间0.1s，0.4s切除，使系统逐渐恢复到正常运行；然后采集

　　0s到0.8s之间的双馈风机传动系统实际输出响应曲线与辨识模型的输出响应曲线]

　　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。具体地：

　　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

　　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

　　为待辨识参数的实际值；Δθ为待辨识参数的增量变化；i为待辨识参数的个数；

　　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，得到双馈风机传动系统参数的辨识结果。

　　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

　　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

　　式中b表示螺旋形状参数，其值一般为1，L表示取值范围为[‑1,1]的一个随机数。

　　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