CN102680762A - 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用 - Google Patents

一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用 Download PDF

Info

Publication number
CN102680762A
CN102680762A CN2011103053011A CN201110305301A CN102680762A CN 102680762 A CN102680762 A CN 102680762A CN 2011103053011 A CN2011103053011 A CN 2011103053011A CN 201110305301 A CN201110305301 A CN 201110305301A CN 102680762 A CN102680762 A CN 102680762A
Authority
CN
China
Prior art keywords
lambda
voltage
parameter
wind energy
energy turbine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011103053011A
Other languages
English (en)
Other versions
CN102680762B (zh
Inventor
汪正军
原美琳
徐佳园
潘磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guodian United Power Technology Co Ltd
Original Assignee
Guodian United Power Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guodian United Power Technology Co Ltd filed Critical Guodian United Power Technology Co Ltd
Priority to CN201110305301.1A priority Critical patent/CN102680762B/zh
Publication of CN102680762A publication Critical patent/CN102680762A/zh
Application granted granted Critical
Publication of CN102680762B publication Critical patent/CN102680762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明是有关于一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用,该测量方法包括:设置最优模型参数初始值;测得k时刻的机端电压观测值Yk;根据Yk以及k-1时刻的最优模型参数利用机端电压状态模型进行最优估计,得到机端电压最优估计值根据和Yk,利用机端电压参数模型进行最优估计,将修正为在k+1时刻重复步骤A-C。该应用包括:测得Yk,得到将给定参考电压与进行比较,得到系统误差;由无功/电压控制器根据误差计算控制量发给变流器;变流器驱动风电机组发出相应的容性或者感性无功,对机端电压进行调节。本发明可实现低增益信号的高精度测量功能,提高了双馈风电场单个风电机组在电压协调控制时的精度和稳定性。

Description

—种无迹卡尔曼滤波的风电场机端电压测量方法及其应用
技术领域
[0001] 本发明涉及风カ发电领域的一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用。
背景技术
[0002] 近年来随着风カ发电不断地发展,风电场装机容量逐年上升,风カ发电所占的比例越来越大,尤其是在欧美的一些发达国家,风カ发电所占电网供电比例已经非常高,如丹麦已经超过了 20%,逐渐成为了ー种常规能源。因此积极发挥风カ发电的优势,将有利于电网质量的提闻。
[0003] 在传统电厂的无功调节中,往往通过投放SVC(Static Var Compensator静止无功补偿器)和SVG (Static Var Generator静止无功发生器)等无功调节设备进行电网的无功调节和电压调节,但是此类设备成本较高,且较难实现动态投放,不利于电厂电压协调的动态控制。
[0004] 双馈风电机组具有发容性无功和感性无功的能力且便于动态控制,因此,积极发挥双馈风电场风电机组的无功调节能力,实现风电场内部的电压协调控制,有利于提高电网电压的稳定性。
[0005] 在风电场电压协调控制时,为了降低场级控制的复杂程度,提高场级控制效率和精度,首先应该针对每个独立的风机采用机端电压闭环控制策略,然后再由场级控制器协调控制。
[0006] 对于每个独立的风机,可以通过采集箱变低压端电压作为反馈信号,然后控制风电机组的发出相应的容性或者感性无功对电压进行闭环调节。然而由于电网的原因,在该闭环控制系统中,风电机组发出较大的无功量只能对电网进行较小的电压幅值调节,即前向通道增益较小。同时,对应于反馈通道,机端电压有较小变化时,通过计算得到的无功输入给定变化会很大,即反馈通道増益较大,易造成风电机组无功输入给定出现频繁的大幅值波动,不仅使得电压调节精度降低,而且对风电机组的寿命造成危害。
[0007] 因此,设计合理的机端电压观测器,提高反馈低增益信号的測量精度,对于提高风电场电压协调控制的精度以及保护风电机组都有较为重要的意义,同时对于模型时变的低増益信号的高精度測量方法具有普遍推广意义。
发明内容
[0008] 本发明要解决的技术问题是提供一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用,使其实现低増益信号的高精度測量功能,以提高双馈风电场单个风电机组在电压协调控制时的精度和稳定性,克服现有技术的不足。
[0009] 为解决上述技术问题,本发明ー种无迹卡尔曼滤波的风电场机端电压测量方法,设置最优模型參数初始值为
Figure CN102680762AD00041
,k时刻风电场机端电压测量方法的步骤如下:a.测得k时刻的机端电压观测值Yk ;[0010] B.根据Yk以及k-ι时刻的最优模型參数,利用机端电压状态模型对系统状态进行最优估计,得到k时刻的机端电压最优估计值. C.根据;^和Yk,利用机端电压參数
模型对系统模型參数进行最优估计,将I—1修正为i.D.在k+1时刻重复步骤A-C。
[0011] 作为本发明的一种改进,所述的机端电压状态模型和机端电压參数模型均运用机动目标辛格模型进行数学建摸。
[0012] 所述的机端电压參数模型为「 , \K+i =K+fIk
\γ,=Η/{Χ,_Μ + ξ,
[0014] 式中,nk为零均值白噪声,Yk为机端电压的观测值,ξ,为零均值测量白噪声,
[0015]
^k-\ U (_ 1 + rtT + e τ"Ύ)%-ι Iτ1 Xk = [Tk 5kf f0ck—M= 0 ak—' (\-e-^)4_}/Tk ,
ο o h-ie^tT H = ^1 0 o]
o
[0016] 所述的步骤C中^是采用无迹卡尔曼滤波方法对系统模型进行最优估计得到。
[0017] 所述的步骤C中的修正过程如下:
[0018] Cl.计算sigema采样点
[0019] Λ-ι =(ん—ι,Λ—I +yyjpk-i,K-\ ~ yhi )· ·
[0020] C2.加权预测
Aik^l =Hf{Xk_^ A1^1)
2n
[0021] ' K\k-\ =人—I,^k\k-\ ~ 7 ,wi 雄—i
2n
^k\k-\ — Z Wi (4.,啡—I — A|た—I ) . (4.,啡—I — A|た—I ) + Q
、 Z=O
[0022] 式中加权系数为:
ω™ = K/[η +κ]
[0023] W0 =κΙ[η + κ] + {\-ε2 + P1)
= (Oc1 = 1/[2(« + り],/ = 1,2,L,n ·
[0024] C3.滤波更新
'Kl = ^1Ht (HP^1Ht+Ry1
[0025] < Pk = Pk\k-i - KlHPk\k-i
Ik =lk{k_l+KliYk-Yk^l) .
[0026] 上述Q和R分别为參数模型的系统噪声和测量噪声的方差,if为k时刻參数模型最优协方差矩阵。[0027] 所述的机端电压状态模型为
Figure CN102680762AD00061
Figure CN102680762AD00062
[0029] 式中,k是机动时间常数的倒数,Wk为零均值白噪声,Vk为零均值测量白噪声,
[0030]
Figure CN102680762AD00063
Figure CN102680762AD00064
[0031] 所述的步骤B中;^是采用标准卡尔曼滤波方法对系统状态进行最优估计得到。
[0032] 所述的步骤B的估计滤波由以下方程组实现:
Figure CN102680762AD00065
Figure CN102680762AD00066
[0034] 式中,Pk为k时刻状态模型最优协方差矩阵,R为状态模型测量噪声方差,式
Figure CN102680762AD00067
为k-Ι时刻状态模型的系统驱动白噪声的方差。
[0035] 本发明还提供ー种上述方法在风电场单个风电机组电压调节控制中的应用,包括以下步骤:测得k时刻的机端电压观测值Yk,并根据上述方法得到机端电压最优估计值·
将给定參考电压与进行比较,得到系统误差;由无功/电压控制器根据误差计算控制量发给变流器;变流器驱动风电机组发出相应的容性或者感性无功,对机端电压进行调节。
[0036] 采用这样的设计后,本发明具有以下有益效果:
[0037] I、本发明建立了风电场机端电压的数学模型,实现了非黑匣子问题的滤波测量;
[0038] 2、采用双估计的无迹卡尔曼滤波方法,有利于改善模型參数时变系统的最优估计效果;
[0039] 3、本发明无迹卡尔曼滤波的风电场机端电压测量方法及其应用是基于机端电压模型的,更为有效的提高了机端电压测量的精度;
[0040] 4、机端电压反馈信号測量精度的提高,有利于提高电压协调控制的精度,从而有效的提闻电网质量。
附图说明
[0041] 上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进ー步的详细说明。
[0042] 图I是本发明一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用中风电场单个风电机组电压调节控制框图。
[0043] 图2是本发明一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用的双估计理论原理框图。
具体实施方式
[0044] 以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
[0045] 请參阅图I所示,在本发明风电场单个风电机组电压调节控制过程中,先将给定參考电压与无迹卡尔曼滤波观测器所观测的机端电压进行比较得到系统误差,由无功/电压控制器根据误差计算控制量发给变流器,变流器驱动风电机组发出相应的容性或者感性无功对机端电压进行调节。其中无迹卡尔曼滤波观测器的设计步骤如下。
[0046] 步骤ー:机端电压数学建摸。
[0047] 在机端电压数学建模方面,由于其电压波动具有一定的随机性,所以本发明运用机动目标建模的方法对机端电压进行数学建模,通过机动时间常数约束系统状态的波动率,同时通过零均值高斯白噪声实现系统的随机波动性。
[0048] 运用机动目标辛格模型的建模方法,假设机端电压波动率服从ー个时间相关函数,采用零均值白噪声描述电压波动率,并且引入了电压波动率的变化率,则其ー阶时间相关丰吴型为:
[0049]
Figure CN102680762AD00071
[0050] 式中,a(t)是机端电压的波动率,w(t)是零均值驱动白噪声,δ 2是驱动白噪声w(t)的方差,τ是机动时间常数。令卑)=蚱),将式⑴改写为状态空间模型离散化得机端电压状态模型为:
Figure CN102680762AD00072
[0052] 式中,k是机动时间常数的倒数,Wk为零均值白噪声,Vk为零均值测量白噪声,
[0053]
Figure CN102680762AD00073
ο
[0054] 同时,可得机端电压參数模型为:
Figure CN102680762AD00074
[0056] 式中
Figure CN102680762AD00075
为零均值白噪声,Yk为机端电压的观测值,ξ,为零均值测量白噪声,
[0057]
Figure CN102680762AD00076
[0058] 步骤ニ:双估计理论方法的运用。[0059] 在上述数学模型中,其模型參数很难得到ー个较为准确的值,同吋,由于每个风电场的差异性以及參数的时变性,通过先验知识事先设定固定的模型參数并不能达到理想的控制效果。因此本发明运用双估计理论对机端电压进行估计,即通过參数模型对系统状态进行估计的同时,再利用估计所得到的最优系统状态对模型的參数进行估计,从而实现模型參数的自动调整。
[0060] 请參阅图2所示,为本发明中双估计理论原理框图,Yk为机端电压的观测值,先为系统状态的最优估计值,i为机端电压模型參数的最优估计值。在k(此k与公式(2) (3)中意义ー样,均表示滤波过程的第k步或者k时刻)时刻双估计滤波測量中,系统状态估计器根据k-Ι时刻所估计得到的最优模型參数及k时刻的机端电压观测值对系统状态进
行最优估计,得到k时刻机端电压的最优估计值为•然后根据k时刻机端电压最优估计值
和观测值Yk对系统模型參数进行最优估计,将其修正为i。在k+Ι时刻时重复上述过程,
从而实现对机端电压的最优估计,同时双估计可有效的抑制模型參数偏差和时变对系统的影响。
[0061] 步骤三:无迹卡尔曼滤波观测器设计。
[0062] 在滤波方法方面,无迹卡尔曼滤波通过基于加权采样点的非线性变换实现了非线性系统的最优滤波,可避免诸如扩展卡尔曼滤波等方法的线性化误差且计算量大幅降低,是解决非线性系统滤波问题较好的方法。
[0063] (I)基于标准卡尔曼滤波的系统状态估计器,由于式(2)所描述的机端电压状态模型是线性系统,因此采用标准卡尔曼滤波方法对系统状态进行最优估计,其滤波过程由以下方程组实现:
[0064]
Figure CN102680762AD00081
[0065] 式中,Pk为k时刻状态模型最优协方差矩阵,R为状态模型测量噪声方差,式彳为k-Ι时刻状态模型的系统驱动白噪声的方差。
[0066] 通过上述系统状态估计器的滤波过程可以得到最优状态估计值。
[0067] (2)基于无迹卡尔曼滤波的模型參数估计器,由于式(3)所描述的机端电压參数模型是非线性系统,因此采用无迹卡尔曼滤波对系统模型參数进行最优估计,其步骤如下:
[0068] ①初始化
[0069] I0 = E(ン \^0 = Ε[(Λ) _Λ)(Λ _Λ))Τ] ·
[0070] ②计算sigema采样点
[0071 ]
Figure CN102680762AD00082
[0072] ③加权预测
[0073]
Figure CN102680762AD00091
[0074] 式中加权系数为:
[0075]
Figure CN102680762AD00092
[0076] ④滤波更新
[0077]
Figure CN102680762AD00093
[0078] 上述Q和R为參数模型的系统噪声和测量噪声的方差,通过上述模型參数估计器的滤波过程可以得到系统最优模型參数估计值i。
[0079] 通过上述系统状态估计器和模型參数估计器构成的无迹卡尔曼滤波观测器,实现了风电场单个风电机组机端电压的最优估计,从而提高了风电场电压协调控制的精度和稳定性。
[0080] 由此可见,本发明无迹卡尔曼滤波的风电场机端电压测量方法,主要涉及机端电压的数学建模、双估计理论以及无迹卡尔曼滤波方法。在实施时,先设置最优模型參数的初
始值为
Figure CN102680762AD00094
,之后的測量步骤可归纳如下:
[0081 ] Α.测得k时刻的机端电压观测值Yk ;
[0082] B.根据Yk以及k-Ι时刻的最优模型參数,利用机端电压状态模型对系统状态进行最优估计,得到k时刻的机端电压最优估计值·
[0083] C.根据和Yk,利用机端电压參数模型对系统模型參数进行最优估计,将修正为ん;
[0084] D.在k+Ι时刻重复步骤A-C。
[0085] 对应的,在风电场单个风电机组电压调节控制中的应用本发明方法的步骤包括:
[0086] 测得k时刻的机端电压观测值Yk,并根据上述方法得到机端电压最优估计值·
[0087] 将给定參考电压与;^进行比较,得到系统误差;
[0088] 由无功/电压控制器根据误差计算控制量发给变流器;
[0089] 变流器驱动风电机组发出相应的容性或者感性无功,对机端电压进行调节。[0090] 本发明利用无迹卡尔曼滤波方法和双估计理论实现了风电机组机端电压的高精度測量。根据风电机组发出无功闭环调节机端电压时,前向通道增益较低而反馈通道増益较高的特点,通过设计合理的机端电压观测器,对机端电压进行高精度观测,从而降低机端电压反馈信号噪声的影响,提高反馈信号的測量准确度。本发明的应用可以有效的提高双馈风电场电压协调控制的精度和稳定性,同时对于模型时变的低増益信号的高精度測量方法具有普遍推广意义。
[0091] 最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制 本发明,尽管參照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1. 一种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于:设置最优模型参数初始值为
Figure CN102680762AC00021
k时刻风电场机端电压测量方法的步骤如下: A.测得k时刻的机端电压观测值Yk; B.根据Yk以及k-1时刻的最优模型参数
Figure CN102680762AC00022
,利用机端电压状态模型对系统状态进行最优估计,得到k时刻的机端电压最优估计值
Figure CN102680762AC00023
C.根据;
Figure CN102680762AC00024
和Yk,利用机端电压参数模型对系统模型参数进行最优估计,将
Figure CN102680762AC00025
修正为
Figure CN102680762AC00026
; D.在k+1时刻重复步骤A-C。
2.根据权利要求I所述的一种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的机端电压状态模型和机端电压参数模型均运用机动目标辛格模型进行数学建模。
3.根据权利要求2所述的一种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的机端电压参数模型为
Figure CN102680762AC00027
式中,nk为零均值白噪声,Yk为机端电压的观测值,为零均值测量白噪声,
Figure CN102680762AC00028
4.根据权利要求3所述的一种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的步骤c中
Figure CN102680762AC00029
是采用无迹卡尔曼滤波方法对系统模型进行最优估计得到。
5.根据权利要求4所述的一种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的步骤C中
Figure CN102680762AC000210
的修正过程如下: Cl.计算sigema采样点
Figure CN102680762AC000211
C2.加权预测
Figure CN102680762AC000212
式中加权系数为:
Figure CN102680762AC000213
C3.滤波更新
Figure CN102680762AC00031
上述Q和R分别为參数模型的系统噪声和测量噪声的方差,if为k时刻參数模型最优协方差矩阵。
6.根据权利要求2所述的ー种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的机端电压状态模型为
Figure CN102680762AC00032
式中,k是机动时间常数的倒数,Wk为零均值白噪声,Vk为零均值测量白噪声,
Figure CN102680762AC00033
ο
7.根据权利要求6所述的ー种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的步骤B中;^是采用标准卡尔曼滤波方法对系统状态进行最优估计得到。
8.根据权利要求7所述的ー种无迹卡尔曼滤波的风电场机端电压测量方法,其特征在于所述的步骤B的估计滤波由以下方程组实现:
Figure CN102680762AC00034
式中,Pk为k时刻状态模型最优协方差矩阵,R为状态模型测量噪声方差)ん为k-1时刻状态模型的系统驱动白噪声的方差。
9.根据权利要求1-8中任一项所述方法在风电场单个风电机组机端电压调节控制中的应用,其特征在于包括以下步骤: 测得k时刻的机端电压观测值Yk,井根据权利要求1-8中任一项所述方法得到机端电压最优估计值· 将给定參考电压与;^进行比较,得到系统误差; 由无功/电压控制器根据误差计算控制量发给变流器; 变流器驱动风电机组发出相应的容性或者感性无功,对机端电压进行调节。
CN201110305301.1A 2011-10-11 2011-10-11 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用 Active CN102680762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110305301.1A CN102680762B (zh) 2011-10-11 2011-10-11 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110305301.1A CN102680762B (zh) 2011-10-11 2011-10-11 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用

Publications (2)

Publication Number Publication Date
CN102680762A true CN102680762A (zh) 2012-09-19
CN102680762B CN102680762B (zh) 2014-12-10

Family

ID=46812995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110305301.1A Active CN102680762B (zh) 2011-10-11 2011-10-11 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用

Country Status (1)

Country Link
CN (1) CN102680762B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107478990A (zh) * 2017-09-11 2017-12-15 河海大学 一种发电机机电暂态过程动态估计方法
RU2642142C2 (ru) * 2012-10-01 2018-01-24 Снекма Способ и система для измерения со множеством датчиков
CN108711885A (zh) * 2018-06-05 2018-10-26 重庆大学 一种针对风力场状态协同估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009300380A (ja) * 2008-06-17 2009-12-24 Mitsubishi Electric Corp 目標追尾装置
CN101615794A (zh) * 2009-08-05 2009-12-30 河海大学 基于无迹变换卡尔曼滤波的电力系统动态状态估计方法
CN101291061B (zh) * 2008-05-16 2010-04-21 南京南瑞继保电气有限公司 一种电力系统动态过程状态估计方法
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN101968032A (zh) * 2010-09-07 2011-02-09 国电联合动力技术有限公司 一种双馈式风电机组低电压穿越监测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101291061B (zh) * 2008-05-16 2010-04-21 南京南瑞继保电气有限公司 一种电力系统动态过程状态估计方法
JP2009300380A (ja) * 2008-06-17 2009-12-24 Mitsubishi Electric Corp 目標追尾装置
CN101615794A (zh) * 2009-08-05 2009-12-30 河海大学 基于无迹变换卡尔曼滤波的电力系统动态状态估计方法
CN101814743A (zh) * 2010-01-12 2010-08-25 福建省电力有限公司福州电业局 基于短期风功率预测的风电并网在线安全预警系统
CN101968032A (zh) * 2010-09-07 2011-02-09 国电联合动力技术有限公司 一种双馈式风电机组低电压穿越监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李智 等: "地区电网风电场功率超短期预测方法", 《电力系统自动化》 *
赵攀 等: "卡尔曼滤波修正的风电场短期功率预测模型", 《西安交通大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2642142C2 (ru) * 2012-10-01 2018-01-24 Снекма Способ и система для измерения со множеством датчиков
CN107478990A (zh) * 2017-09-11 2017-12-15 河海大学 一种发电机机电暂态过程动态估计方法
CN107478990B (zh) * 2017-09-11 2019-11-12 河海大学 一种发电机机电暂态过程动态估计方法
CN108711885A (zh) * 2018-06-05 2018-10-26 重庆大学 一种针对风力场状态协同估计方法

Also Published As

Publication number Publication date
CN102680762B (zh) 2014-12-10

Similar Documents

Publication Publication Date Title
Aho et al. An active power control system for wind turbines capable of primary and secondary frequency control for supporting grid reliability
Sarasúa et al. Dynamic response and governor tuning of a long penstock pumped-storage hydropower plant equipped with a pump-turbine and a doubly fed induction generator
CN106981878A (zh) 一种基于自抗扰控制的双馈风机抑制电网低频振荡的方法
CN103603767B (zh) 一种基于滑模的极值搜索控制参数自适应调整方法
Nasiri et al. Super-twisting sliding mode control for gearless PMSG-based wind turbine
Ma et al. Optimal real-time control of wind turbine during partial load operation
CN106227949B (zh) 基于转速控制的风电机组一次调频系统建模方法
Wang et al. Model predictive control for power optimization in a hydrostatic wind turbine
CN102680762A (zh) 一种无迹卡尔曼滤波的风电场机端电压测量方法及其应用
Wang et al. Evaluation of different inertial control methods for variable‐speed wind turbines simulated by fatigue, aerodynamic, structures and turbulence (FAST)
CN109038613A (zh) 一种计及风电虚拟惯性/一次调频响应的自适应低频减载方法
Barambones Robust wind speed estimation and control of variable speed wind turbines
CN107482649A (zh) 一种基于分频控制的两域互联系统负荷频率控制方法
Barambones et al. A real time sliding mode control for a wave energy converter based on a wells turbine
CN104234934A (zh) 一种风力发电机转速控制方法
Feytout et al. Robust CRONE design for a variable ratio planetary gearing in a variable speed wind turbine
CN105743107B (zh) 一种电力孤网系统频率调节的控制方法
Asadollah et al. Decentralized reactive power and voltage control of wind farms with type-4 generators
Yao et al. RBF neural network based self-tuning PID pitch control strategy for wind power generation system
Venkatesh et al. A Novel Approach to Optimal Design of PI Controller of Doubly Fed Induction Generator using Particle Swarm Optimization
Izumi et al. Load frequency control by using demand response with ℋ∞ in isolated power systems
Tohidi et al. Experimental study of a disturbance rejection controller for dfig based wind energy conversion systems
Bharti et al. Design of PI controller for doubly fed induction generator using static output feedback
Hemeyine et al. Robust takagi sugeno fuzzy models control for a variable speed wind turbine based a DFI-generator
Guo Control and optimization of variable-speed wind turbines and large-scale wind farms

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
C14 Grant of patent or utility model